V dannoj rabote rassmatriwaütsq nejronnye seti (NS), w chastnosti, mnogoslojnye NS s tochki zreniq algoritma obucheniq. My opishem nejronnuü set' prqmogo hoda (FFNN), rekurrentnuü nejronnuü set' (RCNN) i wwedem osnownye fakty o NN, kotorye budut ispol'zowany pozzhe w dissertacii. Nejronnaq set' - äto matematicheskaq model', kotoraq wdohnowlena biologicheskimi nejronnymi setqmi i pytaetsq ih imitirowat'. Ona sostoit iz wzaimoswqzannyh edinic - nejronow, kotorye qwlqütsq wychislitel'nymi edinicami nejronnoj seti. NS qwlqütsq chast'ü iskusstwennogo intellekta. Znaniq hranqtsq w swqzqh mezhdu nejronami, kotorye nazywaütsq sinapticheskimi wesami (wesami), uproscheniem biologicheskih dendritow i axonow. NN qwlqetsq uniwersal'nym approximatorom otnoshenij, hranqschihsq wnutri dannyh - nelinejnyj statisticheskij approximator modelirowaniq dannyh, sposobnyj obuchat'sq i adaptirowat' swoü strukturu na osnowe wnutrennej/wneshnej informacii, kotoraq rasprostranqetsq cherez NN na ätape obucheniq. Bol'shinstwo NN otnositel'no legko ispol'zowat' w shirokoj oblasti tehnicheskih i netehnicheskih oblastej bez dopolnitel'nyh teoreticheskih znanij. Suschestwuet rqd NN, kotorye trebuüt znanij dlq ih realizacii i ispol'zowaniq prawil'nogo nabora parametrow inicializacii.