Продемонстрирована сходимость процедуры многократного обучения нейронной сети, когда при многократном повторении решения задачи бинарной классификации на основе неизменных пакетов обучающих выборок нейроэмулятор может демонстрировать первоначально хаотический набор значений весов признаков, который с увеличением числа итераций сводится к некоторому ранжированному ряду.
When the problem of binary classification based on an unchanged set of learning samples is solved many times, the neural emulator can exhibit chaotic originally set values of the features weights, which with increased number of iterations converges to a certain number of the ranked features weights.
The authors declare that there are no conflicts of interest present.