Метою роботи є розвиток методу самоорганізуючих нейронних мереж Кохонена для аналізу великого масиву різнорідних даних. У магістерській роботі вивчена поведінка топографічної помилки для різних типів карт. Запропонована нова топологічна помилка для виправлення недоліку топографічної помилки. Для прискорення навчання і збіжності представлений новий варіант зростаючої нейронної мережі з самоорганізацією. ТОПОЛОГІЯ, ШТУЧНІ НЕЙРОННІ МЕРЕЖІ, КОНКУРЕНТНЕ НАВЧАННЯ, КАРТИ КОХОНЕНА, РОЗПОДІЛЕНЕ ПРЕДСТАВЛЕННЯ ІНФОРМАЦІЇ, ЕВОЛЮЦІЙНЕ ПРОГРАМУВАННЯ, САМООРГАНІЗАЦІЯ The aim of work is development of method of self-optimizing neural networks of Кохонена for the analysis of large array of heterogeneous data. In master's degree work behavior of topographical error is studied for the different types of maps. A new topological error offers for the correction of lack of topographical error. For the acceleration of educating and convergence the new variant of growing neural network is presented with self by organization. TOPOLOGY, ARTIFICIAL NEURAL NETWORKS, COMPETITION EDUCATING, MAPS OF КОХОНЕНА, UP-DIFFUSED PRESENTATION OF INFORMATION, EVOLUTIONAL PROGRAMMING
