ЗАКЛЮЧЕНИЕ

В современной интеллектуальной информатике соотношение фундаментальных и технологических задач складывается в пользу технологических. Отмстим, что фундаментальные задачи моделирование ощущений, восприятий, распознавание образов, обучение и запоминание паттернов являются основными задачами когнитивной науки.

Технологические задачи связаны с повышением эффективности использования нечетких нейронных сетей в решении задач кластеризации, классификации образов и сцен, аппроксимации функций для процессов технической, экономической, биологической природы. Достижения нейроинформатики в решении технологических задач привели к созданию целого спектра разнообразных нейронных сетей: сетей с прямым распространением сигнала, рекуррентных сетей, радиально-базисных сетей. Созданы развитые архитектуры гибридных систем: нечетких нейронных сетей, нечетких нейронных сетей с генетической настройкой параметров.

Нечеткие нейронные сети с генетической оптимизацией пара метров обладают комплексной структурой и сложными алгоритмами обучения, интегрирующими структурные части различных нейронных сетей.

Следовательно, именно гибридные системы, как можно предположить, должны обладать сильным когнитивным потенциалом.

Исследование известных архитектур гибридных систем и алгоритмов их обучения позволяет, считать их моделями, адекватно отражающими соотношение восприятия и логического умозаключения при когнитивной деятельности человека. При реальном решении задачи человек комбинирует процессы мышления (компьютерный аналог - логический вывод), вспоминания (сознательное «внутреннее» возбуждение образа), восприятия окружающих предметов (распознавание) и, возможно, движения (управление телом). Обученная нечеткая нейронная сеть и хранит паттерны, и выполняет логические операции, так как содержит И

ИЛИ-нейроны, и переключается от распознавания на логический вывод, так как обычно включает в себя несколько отдельно обученных сетей с разными функциями. Таким образом, несмотря на то что нечеткие нейронные сети созданы как нсйронечсткис контроллеры для управления процессами, они могут служить когнитивной моделью для изучения взаимодействия процессов восприятия и мышления при когнитивной деятельности.