Предложен ряд новых алгоритмов и получены результаты по сходимости методов нелинейной оптимизации для подбора структуры сети-весовых коэффициентов, генетических алгоритмов; рассмотрены гибридные и динамические нейронные сети; для решения обыкновенных дифференциальных уравнений и уравнений в частных производных; приведены доказательства ряда теорем о сходимости итерационных алгоритмов ньютоновского типа; описан разработанный автором нейросимулятор для проверки алгоритмов обучения нейронных сетей.

Для научных и инженерно-технических работников, может быть полезна для студентов ВУЗов. Это и многое другое вы найдете в книге Нейронные сети как средство математического моделирования. Книга 22 (Д. А. Тархов)