Ефективність алгоритмів МГУА нейромережевого типу та технологій індуктивного моделювання, розроблених на їх основі, підтверджено розв’язанням численних реальних задач індуктивного моделювання в економіці, екології, техніці. Проте нині існує багато реальних задач такої складності, для повного розв’язання яких можливостей будь-якого окремого методу обчислювального інтелекту, в тому числі МГУА, стає замало.
Тому висувається ідея поєднання нейромережі МГУА з генетичним методом обчислювального інтелекту з метою конструювання більш ефективних гібридних засобів. При цьому оригінальність такої ідеї полягає в тому, що нейрони цієї нейромережі стають так званими "активними" за рахунок використання комбінаторно-генетичного методу для оптимізації структури нейрона. Це дасть можливість формувати одночасно архітектуру нейромережі та кожного нейрона, що означатиме побудову так званої "нейромережі з активними нейронами", яка матиме значно вищу здатність настроюватися на конкретну вибірку даних в порівнянні з відомими архітектурами нейромереж.
Під час виконання проекту буде виконано такі основні завдання:
1. Дослідження переваг та недоліків наявних архітектур нейромереж МГУА для індуктивної побудови моделей;
2. Розроблення нового класу нейромереж МГУА з активними нейронами;
3. Програмна реалізація розробленої нейромережі МГУА та дослідження її ефективності на тестових та реальних задачах різної природи.
Прикладна значущість цієї теми полягає в тому, що продуктом розробки буде новий програмний засіб інтелектуального аналізу даних, моделювання і прогнозування складних процесів.
Кінцевою продукцією виконання цієї теми будуть: нова нейромережа МГУА з активними нейронами; відповідний програмний засіб побудови моделей складних процесів і систем; результати розв’язання тестових та реальних задач.