В книге рассмотрены теоретические основы моделирования искусственных нейронных сетей различной архитектуры. Приведены алгоритмы обучения однослойных и многослойных сетей прямого распространения, самоорганизующихся и рекуррентных сетей. Рассмотрено моделирование многоагентных систем на основе эволюционирующих нейронных сетей. Приводятся оригинальные методики визуализации внутреннего состояния обученной нейронной сети и решения задач классификации, категоризации, прогнозирования, восстановления зашумленной информации. Даны методологические основы проектирования нейросетевых модулей решения задач в виде компьютерных приложений. Приведены описания структур, интерфейсов и компьютерные коды основных блоков нейросетевых приложений. Описаны методы комбинирования градиентных и стохастических алгоритмов обучения для повышения эффективности решения практических задач. Приводятся оригинальные методики решения задач распознавания образов, прогнозирования курсов валют, задач медицинской диагностики. Рассмотрены методы и способы оценки эффективности разработанных нейросетевых моделей. Издание может быть использовано в курсах «Проектирование интеллектуальных систем», «Компьютерные технологии в медико-биологической практике», «Автоматизация обработки медицинской информации», «Управление в биотехнических системах». Может быть полезно также для научных работников, специализирующихся в области разработки автоматизированных систем искусственного интеллекта и когнитивного моделирования процессов принятия решений
