Приводится описание нейронной сети и алгоритм нелинейного преобразования аргументов. Определяется объем памяти сети и дается ее алгоритм обучения. Устанавливаются свойства базисных функций сети.

В части I настоящей работы [1] была описана ассоциативная нейронная сеть СМАС, название которой происходит от первых букв ее полного английского названия: Cerebellar Model Articulation, (мозжечковая модель суставного регулятора). Были представлены алгоритм обучения этой сети и ее система базисных функций. Приведены результаты обучения сети по запоминанию ряда функций двух аргументов. Описаны алгоритмы обучения сети, которые имеют более высокую скорость сходимости по сравнению с представленным в первой части статьи стандартным алгоритмом обучения Альбуса—Качмажа. Исследовано влияние аддитивых помех на процесс обучения сети и описана двухслойная нейронная сеть СМАС, в которой устранено влияние помех и которая воспроизводит функции точнее по сравнению с обычной сетью СМАС, даже при отсутствии помех измерений.

Анализируется ход развития систем автоматизированного проектирования и управления, описывается архитектура системы СПРУТ, представляющей собой операционную среду с полным набором инструментальных средств для компьютеризации инженерной деятельности. Приведено описание дерева целей применительно к проблематике автоматизации проектирования и средств их достижения в системе СПРУТ. Изложены принципы реализации новой информационной технологии (RAD-технологии) быстрой разработки прикладных систем с использованием СПРУТ.