Аннотация: Обучение нейросетей широко используется в различных образовательных сферах: обучение персонала, освоение учебной программы в школе и в ВУЗе, формирование рекомендаций для частного использования респондентами, для обучения пенсионеров здоровьесберегающим техникам. Актуальным является анализ процесса обучения нейросетей и оценка их эффективности на различных моделях. Для исследования была выбрана модель прогнозирования индекса биологического старения человека по характеристикам его индивидуальности. Для обучения нейросетей была составлена матрица данных 1632 человек в возрасте от 35 до 70 лет. Выходная переменная: индекс биологического старения; входные переменные: пол, возраст, семейный и профессиональный статус, место жительства, тип телосложения, тип функциональной асимметрии, стиль взаимоотношений с людьми, а также личностные ресурсы. Было обучено четыре нейросети: для мужчин и женщин, для работающих профессионалов и для пенсионеров. Результаты: 1) обученные нейросети дают разные рекомендации для мужчин и женщин допенсионного и постпенсионного возраста. 2) Эффективность прогнозирования индекса биологического старения с помощью нейросетей оказалась достоверно высокой для всех обученных программ. 3) Нейросети можно применять для моделирования различных социальных ситуаций и выявлять, к каким изменениям для выходных переменных это приведет. Были смоделированы ситуации: а) если все одинокие взрослые люди вступят в брак, б) если все семейные взрослые люди расстанутся, в) если все получат рекомендации психологов по подбору личностных ресурсов и станут ими пользоваться. Нейросеть выдала прогноз: взрослым женщинам лучше не менять свой семейный статус. Взрослым мужчинам лучше свой статус изменить. Использование личностных ресурсов, подобранных психологами, эффективно для всех.

Abstract: Neural network training is widely used in various educational fields: staff training, mastering the curriculum at school and university, forming recommendations for private use by respondents, for teaching pensioners health-saving techniques. It is relevant to analyze the learning process of neural networks and evaluate their effectiveness on various models. For the study, a model was chosen for predicting the index of biological aging of a person based on the characteristics of his personality. To train neural networks, a data matrix of 1,632 people aged 35 to 70 years was compiled. Output variable: biological aging index; input variables: gender, age, family and professional status, place of residence, body type, type of functional asymmetry, style of relationships with people, as well as personal resources. Four neural networks were trained: for men and women, for working professionals and for pensioners. Results: 1) trained neural networks give different recommendations for men and women of pre-retirement and post-retirement age. 2) The effectiveness of predicting the biological aging index using neural networks turned out to be significantly high for all trained programs. 3) Neural networks can be used to model various social situations and identify what changes this will lead to for output variables. Situations were modeled: a) if all single adults get married, b) if all family adults break up, c) if everyone receives the recommendations of psychologists on the selection of personal resources and will use them. The neural network has issued a forecast: it is better for adult women not to change their family status/it is better for adult men to change their status. The use of personal resources selected by psychologists is effective for everyone.