Приводятся основные положения раздела математической логики - алгебры высказываний. Совершается переход от булевых значений переменных - высказываний - к действительным переменным, отображающим достоверность высказываний о событиях. Представляются основные положения и выводы, необходимые при построениях в области логических нейронных сетей.

Приводятся основные понятия нейронных сетей. Демонстрируется возможность их построения на основе логической схемы взаимодействия событий принимаемых решений. Обсуждаются режимы работы, проблемы обучения, интерпретации и ввода исходной информации, представления пространства признаков, помехозащищенности и локализации максимального возбуждения.

На основе подхода, освещенного в лекции 1, подробно исследуется пример построения системы принятия решений. Экспериментально устанавливается корректность построений, приводящих к использованию логической нейронной сети. Обсуждаются проблемы формализованного представления и обработки нейронной сети.

Приводится простейший алгоритм трассировки логической нейронной сети – построения логических цепочек связей, реализующих описание системы принятия решений. На сети произвольной структуры воссоздается однослойная нейронная сеть, приводящая возбуждения рецепторов, соответствующих заданию обобщенных эталонов, к возбуждению нейронов выходного слоя, соответствующих заданным решениям.

Обсуждается процесс постепенного обучения, свойственный последовательному познанию предмета исследований. При построении систем принятия решений именно постепенное познание обусловливает возможность доведения таких систем до совершенства.

Обсуждается вопрос введения в нейронную сеть обратных связей как элемента самонастройки, уточнения возможной ситуации и на основе этого – выбора целесообразного решения. Предлагаются некоторые правила введения обратных связей.

Исследуется возможность применения логических нейронных сетей для построения самообучающихся систем управления. В основе принципа самообучения лежит накопление знаний о возможных ситуациях и о принимаемых по ним решений. Моделируется принцип ассоциативного мышления интерполяцией знаний, накапливаемых в таблицах.

Показывается возможность логической нейронной сети производить логический вывод на основе языка ПРОЛОГ. Предполагается, что нейронная сеть не только способна реализовать дедуктивный вывод, но обладает и зачатками индуктивного мышления.

На основе анализа простых примеров производится обоснование правильности применения основных положений математической логики событий при создании систем принятия решений. Показывается, что для повышения информативности нейронной сети заданной структуры обучениенейросети должно следовать структуре логического описания системы, однако требуется коррекция параметров нейронной сети и его логического описания.

Для логической нейронной сети, составленной по ранее рекомендуемой схеме на основе произвольной формы логического описания системы принятия решений, предлагаются способы корректировки весов и порогов. Такая корректировка призвана "спасти" нейросеть, обеспечив корректность и однозначность предлагаемых ею решений. Для этой же цели предлагаются дистрибутивные преобразования логического описания системы принятия решений. Обсуждается возможность построения однослойных и совершенных логических нейронных сетей, а также проблема корректного задания исходных данных.

Предлагаются: алгоритм обучения-трассировки нейронной сети при первоначальном отсутствии синапсических связей, алгоритм оптимального закрепления событий за рецепторами и общий алгоритм трассировки нейронной сети с учётом сложной структуры логических выражений.

Выводы предыдущих лекций объединяются в общую методику построения системы принятия решений, в основе которой лежит логическая нейронная сеть. Освещаются все этапы построения такой сети.

Рассматривается принципиальная возможность применения совершенных логических нейронных сетей для банковского мониторинга и в системах оценки риска. На основе обобщения предлагаются принципы разработки унифицированного программного приложения для широкого круга пользователей в различных направлениях деятельности.

Рассматривается применение технологии логических нейронных сетей при построении транспортных моделей, в которых реализуется пошаговая маршрутизация. Общность подхода для решения класса задач пошаговой оптимизации демонстрируется на возможном применении в моделях тактических игр.

На основе предположения, что логические нейронные сети адекватно отображают принципы работы мозга, обсуждается проблема моделирования "живых" объектов — как натурного, так и компьютерного. Для компьютерного моделирования предлагаются математические основы имитации движения и деформации объектов в трехмерной памяти, отображающей пространственное их размещение. Обсуждается возможность построения и применения реагирующих объектов для оперативного отображения ситуаций в сложных и территориально распределенных управляющих системах, а также в искусстве.

Читателю предлагается пофантазировать и наметить пути собственного применения логических нейронных сетей в задачах обеспечения безопасности, защиты информации, медицинской диагностики, в сфере образовательных услуг, в задачах распознавания рукописных текстов, составления расписаний, экстренного торможения, прогнозирования, а также в искусстве и индустрии развлечений.

Исследуется компьютерная технология выполнения и редактирования рисунка для научных и образовательных иллюстраций, как важной сюжетной основы систем мультимедиа, плоской и объемной анимации, интеллектуального отображения управляющих систем и цифрового кино. Основное внимание уделяется юмористическому рисунку. Приводятся рисунки автора