Об'єктом дослідження є класифікація даних на основі іскуссвенних нейронних мереж при наявності пропусків. Метою дипломної роботи є експериментальним шляхом довести працездатність даного методу класифікації даних за допомогою нейронних мереж. Інструментами для розробки обраний SciLab, тому що це відкритий і безкоштовний програмний продукт. Методи дослідження - аналіз літератури та Internet джерел. У процесі роботи були розглянуті різні способи реалізації класифікації, за допомогою автоасоціативною нейромережі та мережі прямого поширення. Проведено аналіз цих методів. ІНТЕРНЕТ, SCILAB, МНОГОСЛОЙНИЙ ПЕРСЕПТРОН, АВТОАСОЦІАТИВНА МЕРЕЖА, ШТУЧНА НЕЙРОННІ МЕРЕЖІ. Объектом исследования является классификация данных на основе искуссвенных нейронных сетей при наличии пропусков. Целью дипломной работы является экспериментальным путем доказать работоспособность данного метода классификации данных с помощью нейронных сетей. Инструментами для разработки избран SciLab, потому что это открытый и бесплатный программный продукт. Методы исследования - анализ литературы и Internet источников. В процессе работы были рассмотренны различные способы реализации классификации, с помощью автоассоциативной нейросети и сети прямого распространения. Проведен анализ этих методов. ИНТЕРНЕТ, SCILAB, МНОГОСЛОЙНЫЙ ПЕРСЕПТРОН, АВТОАССОЦИАТИВНАЯ СЕТЬ, ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ. Object of study is the classification of data based on artificial neural networks in the presence of gaps. The aim of the thesis is to experimentally prove this method of classification performance data using neural networks. Development tools elected SciLab, because it is an open and free software. Research methods - analysis of the literature and Internet sources. In the process, we have discussed various ways to implement classification using auto-associative neural networks and feedforward networks. The analysis of these methods. INTERNET, SCILAB, MULTILAYER PERCEPTRONS, AUTO-ASSOCIATIVE NETWORK, ARTIFICIAL NEURAL NETWORK.
