The paper considers a possibility of applying the ANN theory for the tasks of the linked multi-parameter control in metallurgy. The neural net is trained by a computer and functions in a highly reliable microcontroller of the PIC18xx family. The scheme is sug-gested reducing the number of measurements to generate a learning sample due to multivariate interpolation application; an optimum method of interpolation is chosen. The factors influencing the efficiency of neural net approximation are analyzed. The training algo-rithm providing the best convergence is determined and optimum neural net configuration is computed for the case of typical non-analytical functions of three parameters.

Рассматривается возможность применения теории искусственных нейронных сетей в задачах связанного многопарамет-рического контроля в металлургии, когда сеть обучается на ЭВМ, а функционирует на высоконадежном микроконтроллере семейства PIC18xx. Предлагается схема, позволяющая сократить число измерений для формирования обучающей выборки за счет многомерной интерполяции, производится выбор оптимального метода интерполяции. Анализируются факторы, влияющие на эффективность нейросетевой аппроксимации. На примере типовых неаналитических функций трех парамет-ров определяется алгоритм обучения, обеспечивающий наилучшую сходимость, рассчитывается оптимальная конфигурация сети.