руктура науки виявилася «замороженої», до цих пір існує думка, що традиційні математичні методи в принципі достатні для вирішення будь-яких завдань розпізнавання образів. Нейрокомпьютинг ж сприймається як надмірність і данина короткочасної моді. Однак на тлі численних практичних успіхів нейротехнологии твердження, що будь-яка конкретна задача може бути в принципі вирішена і без них виглядають дещо схоластично. Раз нейрокомпьютинг на ділі доводить свою конкурентоспроможність розумніше уважніше придивитися до цього феномену.
Перспективи в найближчому майбутньому. Основною рисою, що відрізняє нейрокомп'ютери від сучасних комп'ютерів і забезпечує майбутнє цього напрямку, є здатність вирішувати неформалізовані проблеми, для яких в силу тих чи інших причин ще не існує алгоритмів рішення. Нейрокомп'ютери пропонують відносно просту технологію породження алгоритмів шляхом навчання. У цьому їх основна перевага, їх «місія» в комп'ютерному світі.
Можливість породжувати алгоритми виявляється особливо корисною для задач розпізнавання образів, в яких часто не вдається виділити значимі ознаки апріорі. Ось чому нейрокомпьютинг виявився актуальний саме зараз, в період розквіту мультимедіа, коли розвиток глобальної мережі Internet вимагає розробки нових технологій, тісно пов'язаних з розпізнаванням образів.
Список використаної літератури
1. Айзерман М.А., Браверман Е.М., Розоноер Л.І. Метод потенційних функцій в теорії навчання машин.- М.: Наука, 2004. - 384 с.
2. Бермант А.Ф., Арамановіч І.Г. Короткий курс математичного аналізу.- М.: Наука, 1971р.
. Бородаєнко Д.Н. Розпізнавання образів / / Розпізнавання образів та штучний інтелект. 2001. # «Justify"> 4. Боровиков В. STATISTICA. Мистецтво аналізу даних на комп'ютері: Для професіоналів.- СПб.: Питер, 2003. 688 с.
. Вапник В.Н., Червоненкис А.Я. Теорія розпізнавання образів. М,: Наука, 1974.
6. Воронцов К. В. Лекції за статистичними (байєсівського) алгоритмам класифікації, 2008.
. Горелик А.Л., Гуревич І.Б., Скрипкін В.А. Сучасний стан проблеми розпізнавання. Видавництво: Радіо і зв'язок. 1985, 160 с.
8. Горелик А.Л., Скрипкін В.А. Методи розпізнавання. М.: Вища. шк, 2004. 261 с.
. Журавльов Ю.І. Про алгебраїчному підході до вирішення задач розпізнавання або класифікації / / Проблеми кібернетики. М.: Наука, 2005. Вип. 33. С. 5-68
. Журавльов Ю.І. Вибрані наукові праці. Вид. Магістр, 2002. - 420 с.
. Карімов Р.Н. Обробка експериментальної інформації. Уч. Посібник. Ч. 3. Багатомірний аналіз. СГТУ, Саратов, 2000, 108 с.
. Кім Дж, Мьюллер Ч.У. та ін Факторний, дискримінантний та кластерний аналіз. Пер. з англ. М.: Фінанси і статистика, 1989, 215 с.
. Лепський А.Є., Броневич А.Г. Математичні методи розпізнавання образів: Курс лекцій.- 2009.
. Ліховідов В.Н. Практичний курс розпізнавання образів.- Владивосток: видавництво ДСДУ, 1983.
. Мазуров Вл.Д. Математичні методи розознаванія образів. Навчальний посібник. 2010, 101 с.
. Мазуров В.Д. Комітети систем нерівностей і задача розпізнавання / / ...
