Приведена нейросетевая модель вязкоупругих сред с ассоциативной и наследственной памятью, которая обобщает нейронную сеть Хопфилда. Для режима обучения модели она была переведена в пространство состояний, в котором явно определены сигналы "вход - выход". В качестве целевых сигналов использовались касательные напряжения в композите ПИ-330. В качестве входных сигналов использовались прямоугольные импульсы градиента деформации. Эксперименты проводились на реовискозиметре RS-150 (HAAKE, Германия). В результате обучения нейросетевой модели в режиме конечных деформаций было отмечено хорошее совпадение в равномерной метрике выходного сигнала модели с целевым сигналом. Тестирование обученной модели на сигналах, не входящих в обучающую выборку также показало хорошее совпадение выходного сигнала с экспериментально полученным сигналом. Это доказывает, что нейросетевая модель обладает свойством обобщения обучающего массива. Ни интегральные, ни дифференциальные модели этим свойством не обладают. Показано также, что предлагаемая нейросетевая модель вязкоупругих сред точно воспроизводит нелинейную зависимость напряжения от градиента деформации, которая определяет режим конечных деформаций.
