| Аннотація | Розглянуто питання вибору оптимального алгоритму навчання нейронноїмережі, визна-чення типів нейронів у різних шарах багатошарової мережі та оптимізації кількості нейронів у проміжних шарах. Як об'єкт оптимізації обрано статичні мережі з прямим розповсюджуванням сигналу. За критерп оптимізації нейронної мережі взято відсоток помилок розпізнавання та відсоток грубих помилок розпізнавання. При навчанні та опти-мізацїїмережі використано навчальну та тестову вибірки даних, які описують 16 класів технічногостану (ТС) авіаційного двигуна ПС-90А. Вибірки включають такі первинні класи ТС: бездефектний ГТДі ГТДз дефектами вентилятора, компресора високого тиску, камери згоряння, турбіни високого і низького тиску, а також вторинні класи (попарні комбінацп первинних дефектних класів). Як ознаки стану використано нормовані діагностичні відхилення параметрів робочого процесу. При виборі алгоритму навчання розглядали-ся алгоритми Флетчера-Пауела, Полака-Рібейри, Бієля-Пауела, Левенберга-Марквардта, Бройдена-Флетчер |