Журнал обчислювальної та прикладної математики 2021, № 1 (135) XX Міжнародний симпозіум «Методи дискретних особливостей в задачах математичної фізики/Discrete Singularities Methods in Mathematical Physics», МДОЗМФ/DSMMPh-2021 © И.Ш. Дидманидзе, Г.А. Кахиани, Д.З. Дидманидзе, 2021 УДК 517.9 MSC 47J20, 49J40, 65K15, 90C25 Training of Artificial Neural Network I.Sh. Didmanidze, G.A. Kakhiani, D.Z. Didmanidze Batumi Shota Rustaveli state university, Batumi, Georgia E-mail:ibraimd@mail.ru, g.kakhiani@bsu.edu.ge The methodology of neural networks is even more often applied in tasks of management and decision-making, including in the sphere of trade and finance. The basis of neural networks is made by nonlinear adaptive systems which proved the efficiency at the solu- tion of problems of forecasting. Key words: Artificial neural network, nonlinear adaptive systems, synchronization of neural networks, neural network. Обучение искуственной нейронной сети И.Ш. Дидманидзе, Г.А. Кахиани, Д.З. Дидманидзе Батумский государственный университет Щота Руставели, Батуми, Грузия E-mail: ibraimd@mail.ru, g.kakhiani@bsu.edu.ge Методология нейронных сетей всё чаще применяется в задачах управления и при- нятия решений, в том числе в сфере торговли и финансов. Основу нейронных сетей составляют нелинейные адаптивные системы, которые доказали свою эффектив- ность при решении задач прогнозирования. Ключевые слова: искусственная нейронная сеть, нелинейные адаптивные систе- мы, синхронизация нейронных сетей, нейронная сеть. 1. Введение Эффективность обучения многослойных нейронных сетей связана с количе- ством слоев, количеством нейронов в скрытых слоях и начальным уровнем иници- ализации синоптическими коэффициентами между нейронами. Чем больше количество нейронов в скрытых слоях, тем больше точность ра- боты сети, однако слишком большое количество нейронов в срытых слоях может привести к так называемый, переобучению нейронной сети. Делается следующие выводы: 1. Нейронная сеть с одним скрытым слоем в состоянии отобразить любой входной вектор в любой выходной 2. Количество нейронов в скрытом слое должен быть меньше набора объема данных, предназначенных для обучения нейронной сети 3. Мощность нейронной сети может быть увеличена как за счёт увеличения количества скрытых слоев, так и за счёт количества самих нейронов в скрытых слоях 4. Начальная инициализация синоптических связей внутри нейронной сети должна производиться в достаточно узком диапазоне значений. 110