Теоретические основы метода потенциальных функций в задаче об обучении автоматов разделению входных ситуаций на классы

Предлагаются алгоритмы обучения автоматов распознаванию классов входных ситуаций, в основе которых лежит построение так называемых потенциальных функций. Вводится в рассмотрение основная гипотеза о характере функций, разделяющих множества, соответствующие различным классам входных ситуаций. Исходя из этой гипотезы, доказываются теоремы о сходимости алгоритмов за конечное число шагов. Показывается, что предлагаемые алгоритмы реализуются широким классом схем. Характеристики элементов, из которых собираются схемы, практически произвольны.
Показывается, что персептрон Розенблата относится к этому классу схем, т. е. доказывается, что работа персептрона может быть понята как реализация метода потенциальных функций. В связи с этим доказанные теоремы о сходимости алгоритмов потенциальных функций решают и задачу о сходимости процесса в персептроне.