Opisano budowę sztucznego neuronu, rodzaje sztucznych sieci neuronowych i ich zastosowanie. Przedstawiono SSN jako uniwersalny aproksymator oraz opisano problem jednoczesnej aproksymacji funkcji wraz z pochodnymi.

W artykule opisano główne grupy zastosowań sztucznych sieci neuronowych (SSN). Ponadto opisano podstawowe typy sztucznych sieci neuronowych. Omówiono algorytm posługiwania się SSN oraz pokazano przykład ich zastosowania do aproksymacji funkcji.

Przedstawiono możliwości oraz strukturę zrealizowanego przez autora modułu do implementacji sztucznych sieci neuronowych w środowisku LabVIEW.

Celem pracy było przebadanie możliwości zastosowania sztucznych sieci neuronowych do analizy i rozpoznawania sygnałów EKG. Artykuł zawiera przegląd zagadnień dotyczących EKG, pozyskiwania i interpretacji sygnałów oraz zastosowania sztucznych sieci neuronowych do diagnostyki. Znaczącym elementem pracy jest próba zaimplementowania w programie Matlab systemu rozróżniającego sygnały różnego typu.

W artykule przedstawiono zastosowanie algorytmu ewolucyjnego do trenowania jednokierunkowych, płaskich, sztucznych sieci neuronowych. Przy użyciu proponowanej metody wytrenowano trzy sieci neuronowe do klasyfikacji problemu parity-3, parity-4 oraz parity-5. Otrzymane wyniki porównano z wynikami uzyskanymi przy użyciu metody wstecznej propagacji błędu ze wględu na liczbę iteracji potrzebną do wytrenowania danej sieci oraz ze względu...