О. А. Измакова
Россия, 199034, Санкт-Петербург, Университетская наб., д. 7/9,
Санкт-Петербургский государственный факультет,
математико-механический факультет,
В работе описаны два новых алгоритма
решения задачи самообучения, принадлежащие классу рандомизированных
алгоритмов стохастической аппроксимации.
Для оценок, доставляемых каждым из предложенных алгоритмов, установлены
условия сходимости к истинному значению неизвестных параметров.
В качестве примера
рассмотрена задача обучения нейронной сети Хебба-Хопфилда,
и предложен метод ее решения, основанный на вариационном
подходе и использующий рекуррентные рандомизированные алгоритмы самообучения.