Об'єкт дослідження - самонавчальні мережі Кохонена. Метою атестаційної роботи є дослідження впливу зашумленості на результат розпізнавання образів. Методи дослідження: побудова алгоритму і результатів виконання його у різних умовах. Результати роботи - програмна реалізація моделі мережі Кохонена і графіки залежностей. Розроблена модель та програмна система цілком відповідає меті роботи та забезпечує виконання покладених на неї функцій. Отримані результати можуть бути використані в інтерфейсі систем розпізнавання образів, зокрема, графічних. КАРТА КОХОНЕНА, НЕЙРОННІ МЕРЕЖІ, РОЗПІЗНАВАННЯ ОБРАЗІВ, НЕЙРОН. Object of research - self-learning Kohonen network. The purpose of the attestation of stadies have investigated the impact of noisiness on the result of pattern recognition. Methods: construction of the algorithm and the results of its performance in different conditions. The results - software implementation of Kohonen network models and charts of dependencies. The developed model and software system is quite appropriate for work, and provides performance of its functions. The results can be used in the interface of pattern recognition, including graphics. MAP KOHONEN, NEURAL NETWORKS, PATTERN RECOGNITION, NEURON
