В работе решена актуальная проблема автоматизации синтеза радиально-базисных нейронных сетей на основе набора прецедентов для принятия решений в диагностировании. Предложен метод синтеза радиально-базисных нейронных сетей, который формирует в начале по одному эталону класса, которые при необходимости дополняет новыми эталонами, формируемыми на основе ошибочно распознанных экземпляров, а далее оперирует расстояниями от экземпляров до эталонов кластеров. На основе полученных координат эталонов далее в автоматическом режиме синтезируется структура и настраиваются параметры сети, которые дополнительно для повышения обобщающих свойств и интерпретабельности подвергается контрастированию весов. Предложенный метод не требует задания пользователем числа кластеров, не имеет неопределенности выбора числа нейронов в первом слое и выбора начальных значений весов сети, стремится минимизировать размер сети, характеризуется приемлемым временем обучения, благодаря использованию процедуры оптимизации сети позволяет получать безызбыточные контрастные, интерпретабельные нейромодели. Разработано программное обеспечение, реализующее предложенный метод, а также проведены эксперименты, подтвердившие работоспособность разработанного математического обеспечения и позволяющие рекомендовать его для использования на практике при решении задач построения диагностических моделей по прецедентам для автоматизации принятия решений в технической и биомедицинской диагностики.

нейронная сеть, радиально-базисная сеть, обучение, синтез, диагностика, нейронна мережа, радіально-базисна мережа, навчання, синтез, діагностика