В посібнику розглянуто актуальні напрямки робіт в області інтелектуальних систем. Розглянуто задачі і методи навчання та самонавчання в інтелектуальних системах. Велику увагу приділено важливому напрямку в області ІС- штучним нейронним мережам. Розглянуто та проаналізовано методи навчання нейромереж: генетичний, градієнтні методи, метод спряжених градієнтів та інші. Крім класичних нейромереж в посібнику розглянуто новий перспективний клас нейромереж – нечіткі нейромережі, їх властивості, алгоритми навчання та самонавчання. Застосування нечітких мереж ілюструється численними прикладами в задачах класифікації, кластер-аналізу та прогнозування в макроекономіці. Розглянуто також перспективний метод самоорганізації моделей складних систем – так званий метод МГУА, а також його новий варіант – нечіткий МГУА, запропонований в роботах автора. Ці методи дістали широке використання в задачах моделювання та прогнозування. Особливістю навчального посібника є то, що він містить багато прикладів застосування методів ІС, нейронних мереж та МГУА в задачах класифікації та моделювання в економіці, які є оригінальними і раніше в монографіях не висвітлювались.
Підручник розраховано насамперед на студентів ВНЗ різних напрямів, зокрема Комп’ютерні науки, Прикладна математика, він буде корисний також і спеціалістам, що займаються розробкою та експлуатацією систем штучного інтелекту.
