В статье исследована зависимость быстродействия on - line распознавателя почерка, построенного на основе искусственных нейронных сетей, от архитектуры этих сетей и программного решения в целом для ручного и автоматизированного методов выделения символов (букв) из связанной последовательности (слов). Для каждого метода разработана имитационная модель, которая реализована на языке GPSS. Результаты моделирования показали, что карманные персональные компьютеры (КПК), позволяют выполнить программную реализацию распознавателя почерка, способную предоставить пользователю полезную функциональность на приемлемом уровне.

Рассматривается задача классификации многомерных нестационарных сигналов. Излагается метод формирования вектора характерных признаков сигнала на основе анализа динамических паттернов. Для классификации в пространстве характерных признаков предложено использовать нейросетевой подход. Приводятся результаты экспериментальных исследований разработанных алгоритмов для решения прикладной задачи распознавания сигналов электроэнцефалограмм.

Работа продолжает серию публикаций, посвященных адаптивным методам решения непрерывной конечномерной задачи многомерной многокритериальной оптимизации. Рассматриваются методы аппроксимации функции предпочтений лица, принимающего решения, основанные на нейронных сетях и нечеткой логике

Исследуется погрешность нейросетевой аппроксимации функции предпочтения лица, принимающего решение,  в задаче многокритериальной оптимизации. Приводятся результаты исследования эффективности метода при решении двух- и трехкритериальных тестовых задач.

Работа выполнена в рамках исследований по разработке автоматической системы прогнозирования оптимальных доз инсулина, которая при объединении с инсулиновой помпой и сенсором непрерывного мониторинга уровня глюкозы в подкожной ткани пациента, могла бы выполнять функции искусственной поджелудочной железы. Работа посвящена исследованию эффективности нейросетевых алгоритмов прогнозирования значений уровня глюкозы в крови больных сахарным диабетом первого типа. Целью работы является выбор оптимальной нейронной сети и алгоритма ее обучения для использования в составе системы прогнозирования оптимальных доз инсулина. Исследование выполнено с использованием программной системы MatLab.

Настоящая работа посвящена исследованию данных регистрации стоматологического статуса детей-пациентов на предмет наличия зависимости между периодически определяемыми значениями набора признаков, описывающих состояние зубов

Оптимальные типы и дозы искусственного инсулин зависят от многих факторов. Подбор этих типов и доз является сложной задачей, с которой могут справиться далеко не все пациенты. Для решения указанной задачи созданы системы непрерывного измерения уровня глюкозы в крови (BG) – Continuous Glucose Monitoring Systems (CGM-системы), а также системы непрерывного подкожного введения инсулина (инсулиновые помпы – insulin pumps). На основе CGM-систем и инсулиновых помп разработаны и интенсивно разрабатываются системы автоматического управления уровнем B. С алгоритмической точки зрения эти системы включают в себя две следующие основные подсистемы: подсистема прогнозирования уровня BG; подсистема определения оптимального времени и требуемой дозы инсулинаВ работе поставлена задача прогнозирования BG в крови больных сахарным диабетом I типа. Рассмотрены подходы к решению этой задачи с использованием искусственных нейронных сетей и модели экстраполяции по выборке максимального правдоподобия (EMMLS). Выполнено сравнение эффективности указанных подходов. Показано, что при краткосрочном прогнозировании уровня BG более точный результат дает нейронная сеть, а при долгосрочном прогнозировании - модель EMMLS. Показана также перспективность использования комбинации модели EMMLS и нейронных сетей.