1) Основы теории искусственных нейронных сетей
2) Нейросетевые исследования хозяйственных процессов (решение задач кластеризации, классификации, прогнозирования, узнавания, предсказания).
3) Конструирование искусственных нейронов и нейронных ансамблей для работы со смысловой частью информации
4) Нейросетевое программирование (от искусственных нейронных сетей до моделирования высшей нервной деятельности человека).
При изучении нейрокибернетики в первой части учащихся знакомят с устройством нейронных сетей и их возможностями. На практических занятиях изучается устройство и работа с нейропакетами Sharky, нейропакетом Пермской школы искусственного интеллекта, универсальным нейропакетом MemBrain.
Вторая часть даёт возможность познакомиться с другими нейропакетами (например, freeware нейропакетом Deductor Academic) и научиться решать практически возникающие задачи узнавания, классификации, прогнозирования, предсказания, сжатия, кластеризации объектов (образов). Для решения таких задач необходимы в основном простые нейросети типа перцептронов, сетей Кохонена, сетей Хопфилда, и др., которые можно отнести к нейроконструкциям первого уровня сложности.
Третья часть направлена на разработку и использование нейрокомпьютеров (проектирование и конструирование нейроконструкций (НК) на основе использования нейрологических элементов, таких как И, ИЛИ, НЕ; разработка программного обеспечения (ПО) НК; обучение НК решению различных классов задач).
Нейросетевые конструкции становятся более сложными, в них используется интерфейс пользователя, автоматизируется управление проведением нейросетевых исследований, нейрокомпьютерные элементы реализуются в виде искусственных нейронных ансамблей (ИНА).
Самое главное, что нейроконструкции этого уровня создаются для работы со смысловой частью информации:
сопоставление сложных объектов и оценку их сходства;
выделение типового объекта из группы однородных;
поиск типичных черт, существенных признаков;
формирование описания типового объекта, выделение его отличительных черт;
определение понятий (дефиниции);
выявление причинно-следственных связей;
интерпретация связей и свойств исследуемых объектов;
генерация гипотез;
выявление закономерностей;
самообучение, адаптация.
Если необходимых нейросетевых алгоритмов в момент исследования неизвестно, в таких нейроконструкциях допускается использование известных алгоритмов из математической статистики, например, для выявления причинно-следственных связей, формирования существенных признаков, генерации гипотез, а так же таких конструкций, как систем управления базами знаний (СУБЗ). В них можно использовать не выполненные в виде нейронных сетей логические элементы, а обычные цифровые программы.