Алгоритм класифікації з поданням множини таксонів функцій кортежем, який реалізує процес навчання багатослоїстих штучних нейронних мереж (ШНМ) MLP і RBF, пропонується застосувати для еталонної моделі взаємодії відкритих систем (ЕМ ВОС). Критерії якості визначення кортежу формуються з використанням величин, що характеризують відносну кількість загальних параметрів для кожної пари функцій ЕМ ВОС. Експериментальними дослідженнями алгоритму при зміні значень обмежень у моделях ШНМ MLP і RBFвиявлено відмінний від іс-нуючого у класичній ЕМ ВОС розподіл складу функцій між ієрархічними рівнями, що обумовлює розробку удосконалених рекомендацій з появою нових технологій
Алгоритм классификации с представлением множества таксонов функций кортежем, реализующий процесс обучения многослойных ИНС MLP и RBF, предлагается применить для эталонной модели взаимодействия открытых систем (ЭМ ВОС). Критерии качества определения кортежа формируются с использованием величин, характеризующих относительное число общих параметров для каждой пары функций ЭМ ВОС. Экспериментальными исследованиями алгоритма при изменении значений ограничений в моделях ИНС MLP и RBF выявлено отличное от существующего в классической ЭМ ВОС распределение состава функций между иерархическими уровнями, обусловливающее разработку усовершенствованных рекомендаций с появлением новых технологий
Algorithm of the classification with representing the set of functions' taxons by the cortege, which implements the learning process of multilayer artificial neural networks (ANN) MLP and RBF, are proposed to apply for the reference open systems interconnection model (OSI RM). The quality criteria for the definition of the cortege are formed using the magnitudes that characterize the relative number of common parameters for each pair of OSI RM functions. By the experimental studies of the algo-rithm changing the thresholds values in the MLP and RBF ANN models' constraints it is revealed a nonexisting in the classical OSI RM distribution of the functions between the hierarchical levels that stipulates the development of improved recommendations with the appearance of a new technologies
