Описание:Для собранных экспериментальных данных разных размеров и объемов, где нормальные распределения, линейные зависимости - редки, а традиционные математические методы малопригодны, используется новые подходы к анализу переменных. Основной постулат - имеющееся априорно «ненормальное» распределение, а исследуемые зависимости - нелинейные. В двумерном случае используется сплайн-регрессия, а для множественной зависимости - многомерный ортогональный сплайн. Рассматривается сплайн-модель искусственного нейрона (СМН), разработанная авторами. Применение СМН-сетей принципиально изменяет возможности прогнозирования, распознавания образов, автоматической классификации (кластерного анализа), решения задач математической физики и т.д. Новые принципы и алгоритмы характеризуются простотой вычислений и наглядностью результатов. Их возможности демонстрируются на конкретных примерах, массивах "малых" и "больших" данных.