У статті оцінюється можливість застосування алгоритмів класифікації на основе апарату штучних нейронних мереж (ШНМ) типів MLP і RBF для формування (перевірки ефективності існуючого) набору і складу рівнів еталонної моделі (ЕМ) взаємодії відкритих систем. Критерії класифікації характеризують відношення сумарного відхилення оцінок функцій в сусідніх таксонах до вказаної величини і максимального значення відхилення оцінок функцій в несусідніх таксонах. Формування кортежа таксонів функцій ЕМ з найкращим значенням відношення критеріїв меншим числом ітерацій навчання гарантується з використанням ШНМ типу MLP
В статье оценивается возможность применения алгоритмов классификации на основе аппарата искуственных нейронных сетей (ИНС) типов MLP и RBF для формирования (проверки эффективности существующего) набора и состава уровней эталонной модели (ЭМ) взаимодействия открытых систем. Критерии классификации характеризуют отношения суммарного отклонения оценок функций в соседних таксонах к указанной величине и максимальному значению отклонения оценок функций в несоседних таксонах. Формирование кортежа таксонов функций ЭМ с наилучшим значением отношения критериев меньшим числом итераций обучения гарантируется с использованием ИНС типа MLP
In this article there is estimated the possibility to apply the algorithms of the classification on using the vehicle of MLP and RBF type artificial neural networks (ANN) to form (verify the efficiency of existing) set and composition of the standard open systems co-operation model (SM) levels. The criteria of classification characterize the relations of total rejection of function estimations in nearby taxons to the indicated size and maximal rejection value of functions estimations in no-nearby taxons. The forming of SM functions taxon cortege with the best criteria relation value by the less number of teaching iterations is guaranteed with using MLP type ANN
