>А подробней, где почитать об этом (ссылки или хотябы ключивые слова для поиска) есть?
Ключевики - NN плюс что-нибудь из knowledge extraction, knowledge refinement, knowledge reuse и т.д. Можно начать с работ Jude Shavlik (но у меня сейчас почему-то не открылась его страничка
http://www.cs.wisc.edu/~shavlik/) и затем искать статьи, которые он с соавторами процитировал или которые цитируют уже его самого.
У меня старый список статей (многие из которых в конце 90х годов были в инете) по этой теме лежит на не подключенном к компу старом винте на другом конце города, новые достижения в этой области не отслеживал. Может, и доберусь до этого винта после выходных.
>простите за невежество, а что такое "прямые, обратные и смешанные задачи".
Прямые - по независимым переменным (входам) прогнозируем зависимые (выходы).
Обратная - когда для известных значений выходов надо найти (или уточнить) входы, эти самые выходы обеспечивающие. Пример тут: если НС ставит больному смертный диагноз, то надо найти, как надо изменить входы (естественно, часть из них - пол и возраст менять затруднительно), чтобы НС выдала благоприятный диагноз - и врач может действительно по найденным на нейромодели входам так назначить больному лечение, чтобы перевести его в это самое состояние (исключающее неблагоприятный диагноз).
Смешанные - когда надо и входы, и выходы находить-уточнять. Пример - алгоритм clearning Андреаса Вайгенда с соавторами для одновременной с обучением "очистки" обучающей выборки от выбросов и искажений.
Собственно без этих терминов примеры есть у меня на страничке
www.neuropro.ru/sol4.shtml-----------------------------------------------------------
www.neuropro.ru - нейросети, анализ данных, прогнозирование