Аннотация:
Предложен общий топологический подход для анализа искусственных нейронных сетей на основе симплициальных комплексов и свойств аппроксимации непрерывных отображений их симплициальными приближениями. Выявлены существенные для этого класса задач явления вычислительной неустойчивости, связанной с общими проблемами некорректных задач в гильбертовом пространстве и методами их регуляризации, типичными для обработки Big Data. Сформулированы критерии точности и применимости моделей искусственных нейронных сетей, рассмотрены примеры их реализации на основе теории интерполяции функций. Развитие идей П.Л. Чебышёва о наилучшем приближении служит отправной точкой для широкого класса математических исследований по оптимизации обучающих наборов для построения ИНС.
Ключевые слова:искусственные нейронные сети, методы оптимизации, вычислительная неустойчивость, методы регуляризации.