Заключение. 
Вероятностное моделирование распространения лесных пожаров

В результате выполнения курсового проекта была разработана программа кластеризации лесных пожаров на основании нейронных сетей. Нейронные сети предоставляют широкие возможности при построении модели лесного пожара. В отличие от классификации с помощью математических функций, нейронные сети позволяют строить непараметрическую модель, в которой отсутствует информация о виде зависимости между исследуемыми переменными, и работать как с числовыми, так и с категориальными типами данных. Это является существенным преимуществом в связи с тем, что задачи классификации географических объектов и явлений часто трудно формализуемы, а сами объекты и явления содержат признаки различной природы. Нейронные сети предоставляют стандартный способ решения многих нестандартных задач и претендуют на то, чтобы стать универсальным аппаратом, решающим различные задачи классификации и кластеризации в ГИС. Это является основным преимуществом нейронных сетей.

Естественно, за предоставляемые преимущества приходится «платить» набором недостатков, которые присущи нейронным сетям. Например, в отличие от классификационных правил и деревьев решений, нейронная сеть является «черным ящиком» и не предоставляет объяснения, на каком основании объект отнесен к тому или иному классу. В отличие от математических функций, при классификации с помощью нейронных сетей возможна проблема «переучивания» (избыточного усложнения модели). Однако перечисленные недостатки нисколько не умаляют достоинств нейронных сетей.