Вариационные методы решения задач, связанных с искусственным интеллектом

Введены понятия алгоритма обучения, целевой функции, распознающей системы, класса изображений, тренировочного множества, алгоритма с поощрением, конечно-сходящегося алгоритма, адаптивной управляющей системы, цели управления, тактики управления, времени адаптации и т.д., относящиеся к проблеме искусственного интеллекта в процессах обучения и адаптации. Поставлена общая задача о самообучении (обучении "без учителя") -- о разделении множеств -- в терминах классического вариационного исчисления. Общность задачи обусловлена введением в анализ дополнительной переменной времени. Задача решена с помощью определения экстремальных условий, при которых будет достигнута минимизация функционала общего среднего риска. Рассмотрены задачи, соответствующие нефиксированному и фиксированному промежуткам времени. Для двух этих случаев найдены выражения для расчёта вариаций функционалов качества. Указаны необходимые условия для определения экстремальных значений процесса самообучения (разделения классов множества изображений) во времени.