<p class="MsoNormal" style="mso-layout-grid-align: none; text-autospace: none;"><span style="font-size: 10.0pt; font-family: TimesNewRomanPSMT; mso-bidi-font-family: TimesNewRomanPSMT;">Вивчено асимптотичні властивості градієнтного алгоритму зі сталим кроковим коефіцієнтом, що використовується для навчання в реальному часі нейромережних моделей нелінійних систем з одним прихованим шаром.<span style="font-size: 10.0pt; mso-bidi-font-family: TimesNewRomanPSMT;"> <span style="font-size: 10.0pt; font-family: TimesNewRomanPSMT; mso-bidi-font-family: TimesNewRomanPSMT;">Встановлено деякі умови, що гарантують збіжність цього алгоритму<span style="font-size: 10.0pt; font-family: TimesNewRomanPSMT; mso-bidi-font-family: TimesNewRomanPSMT;">
<p class="MsoNormal" style="mso-layout-grid-align: none; text-autospace: none;"><span style="font-size: 10.0pt; font-family: TimesNewRomanPSMT; mso-bidi-font-family: TimesNewRomanPSMT;">Изучены асимптотические свойства градиентного алгоритма с постоянным шаговым коэффициентом, используемого для обучения в реальном времени нейросетевых моделей нелинейных систем с одним скрытым слоем.<span style="font-size: 10.0pt; font-family: TimesNewRomanPSMT; mso-bidi-font-family: TimesNewRomanPSMT; mso-ansi-language: UK;"> <span style="font-size: 10.0pt; font-family: TimesNewRomanPSMT; mso-bidi-font-family: TimesNewRomanPSMT;">Установлены некоторые условия, гарантирующие сходимость этого алгоритма
<p class="MsoNormal" style="mso-layout-grid-align: none; text-autospace: none;"><span style="font-size: 10.0pt; font-family: TimesNewRomanPS-ItalicMT; mso-bidi-font-family: TimesNewRomanPS-ItalicMT; mso-ansi-language: EN-GB;" lang="EN-GB">Asymptotic properties of the online gradient algorithm with a constant step size employed for<span style="font-size: 10.0pt; font-family: TimesNewRomanPS-ItalicMT; mso-bidi-font-family: TimesNewRomanPS-ItalicMT; mso-ansi-language: UK;" lang="EN-GB"> <span style="font-size: 10.0pt; font-family: TimesNewRomanPS-ItalicMT; mso-bidi-font-family: TimesNewRomanPS-ItalicMT; mso-ansi-language: EN-GB;" lang="EN-GB">learning in neural network models of nonlinear systems having one hidden layer are examined. Some<span style="font-size: 10.0pt; font-family: TimesNewRomanPS-ItalicMT; mso-bidi-font-family: TimesNewRomanPS-ItalicMT; mso-ansi-language: UK;" lang="EN-GB"> <span style="font-size: 10.0pt; font-family: TimesNewRomanPS-ItalicMT; mso-bidi-font-family: TimesNewRomanPS-ItalicMT; mso-ansi-language: EN-GB;" lang="EN-GB">conditions guaranteeing the convergence of this algorithm are established
