ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ С ГИСТЕРЕЗИСНОЙ ФУНКЦИЕЙ АКТИВАЦИИ НА ОСНОВЕ ПРЕОБРАЗОВАТЕЛЯ ПРЕЙCАХА М. Е. <...> Семенов*, А. М. Соловьев**, М. Г. Матвеев*, О. И. Канищева*** * Воронежский государственный университет ** ОАО «Концерн «Созвездие», *** ВУНЦ ВВС ВВА имени Н.Е. Жуковского и Ю.А. Гагарина (г. Воронеж) Поступила в редакцию 18.07.2013 г. Аннотация. <...> Разработаны принципы построения однослойной и двухслойной искусственных нейронных сетей с гистерезисной функцией активации нейронов на основе модели Прейсаха. <...> Проведен анализ работы рассматриваемых нейросетей на примере задачи классификации образов. <...> Ключевые слова: искусственная нейронная сеть, персептрон, многослойный персептрон, гистерезисная функция активации, гистерезис, модель Прейсаха, преобразователь Прейсаха, алгоритм обучения искусственных нейронных сетей. <...> One-layered and two-layered artificial neural network with hysteresis activation function was developed. <...> Keywords: artificial neural network, perseptron, multi-layered perseptron, hysteresis activation function, hysteresis, Preisach hysteresis model, training algorithm for artificial neural network. <...> ВВЕДЕНИЕ Искусственные нейронные сети (ИНС) строятся по принципам организации и функционирования их биологических аналогов, нейронов головного мозга. <...> Интерес к исследованию ИНС связан с тем, что способ обработки информации человеческим мозгом в корне отличается от методов, применяемых обычными цифровыми компьютерами. <...> Примером такой задачи обработки информации является зрение [1–3]. <...> Развитие и организация нейронов связаны © Семенов М. Е., Соловьев А. М., Матвеев М. Г., Канищева О. И., 2013 Работа поддержана грантами РФФИ 11-08-00032, 12-07-00252, 13-08-00532. с понятием пластичности мозга – способности настройки нервной системы в соответствии с окружающими условиями. <...> Аналогично, в ИНС работа проводится с искусственными нейронами. <...> В общем случае ИНС представляет собой машину, моделирующую способ обработки мозгом конкретной задачи. <...> Эффективность работы ИНС зависит от многих факторов, таких как архитектура сети, методы ее реализации, алгоритмы обучения <...>