Алгоритм обучения интеллектуальной системы принятия решений на основе мультиагентных нейрокогнитивных архитектур

Основной фундаментальной проблемой создания искусственных интеллектуальных систем принятия решений является их неспособность решать неструктурированные задачи окружающего мира наравне с человеком. Существующие системы неплохо решают «узкие», хорошо структурированные задачи, однако принимать эффективные решения в условиях неопределенности и неструктурированных данных они не способны. В рамках указанной проблемы большое внимание уделяется так называемому восходящему подходу к разработке искусственного интеллекта на основе биологических элементов, таких как, например, человеческий мозг, который, обладая превосходной гибкостью и способностью к обучению, превосходит современные интеллектуальные системы.
В работе представлен формализм интеллектуальной системы принятия решений на основе мультиагентных нейрокогнитивных архитектур, который имеет архитектурное сходство с мозгом человека. Разработан инвариант организационно-функциональной структуры процесса интеллектуального принятия решений на основе мультиагентной нейрокогнитивной архитектуры. Представлен алгоритм обучения интеллектуальных систем принятия решений на основе самоорганизации инварианта мультиагентных нейрокогнитивных архитектур. С помощью данного алгоритма проведено обучение интеллектуального агента и построена архитектура процесса обучения на основе инварианта нейрокогнитивной архитектуры. Дальнейшие исследования связаны с обучением интеллектуального агента более сложному поведению и расширению возможно-стей интеллектуальной системы принятия решений на основе мультиагентных нейрокогнитивных архитектур.