No abstract

No abstract

No abstract

Рассмотрены задача обучения нейросетевых моделей для идентификации неопределенных нелинейных систем в стохастической среде и задача адаптивного управления линейным многомерным объектом без памяти с произвольным матричным коэффициентом усиления при наличии нерегулярных ограниченных возмущений, уровни которых априори неизвестны. Установлены достаточные условия сходимости алгоритма обучения нейронных сетей и асимптотические свойства алгоритма адаптивного управления многомерным объектом. Полученные результаты являются фундаментальными. Ключевые слова: нейронная сеть, градиентный алгоритм обучения, сходимость, многомерный объект без памяти, алгоритм адаптивного управления, ограниченность сигналов. Розглянуто задачу навчання нейромережних моделей для ідентифікації невизначених нелінійних систем у стохастичному середовищі та задачу адаптивного керування лінійним багатовимірним об'єктом без пам'яті з довільним матричним коефіцієнтом підсилення за наявності нерегулярних обмежених збурень, рівні яких апріорі невідомі. Встановлено достатні умови збіжності алгоритму навчання нейронних мереж, а також асимптотичні властивості алгоритму адаптивного керування багатовимірним об'єктом. Одержані результати є фундаментальними. Ключові слова: нейронна мережа, градієнтний алгоритм навчання, збіжність, багатовимірній об'єкт без пам'яті, алгоритм адаптивного керування, обмеженість сигналів.

No abstract