В статье рассматриваются информационные алгоритмы обучения нейронной сети, когда вместо
минимизации целевой функции ошибки сети в виде квадратичной формы используется минимизация
функции потерь. При этом целевая функция ошибки сети в виде квадратичной формы является частным
случаем функции потерь. Рассмотрен робастный подход к построению алгоритмов настройки сети для
дискретного и аналогового случая. Приведенные алгоритмы доступны для моделирования в среде
Matlab.
