214. Сенашова. М.Ю. Упрощение нейронных сетей. Использование цепных дробей для приближения весов синапсов. // Нейроинформатика и ее приложения: Тезисы докладов v Всероссийского семинара, 3–5 октября, 1997 г., Красноярск; КГТУ. 1997, с. 165–166.
215. Соколов Е.Н., Вайткявичус Г.Г. Нейроинтеллект: от нейрона к нейрокомпьютеру. М.: Наука, 1989. 238 с.
216. Степанян А.А., Архангельский С.В. Построение логических схем на пороговых элементах. Куйбышевское книжное изд-во, 1967.
217. Судариков В.А. Исследование адаптивных нейросетевых алгоритмов решения задач линейной алгебры // Нейрокомпьютер, 1992. № 3,4. С. 13–20.
218. Тарасов К.Е., Великов В.К., Фролова А.И. Логика и семиотика диагноза (методологические проблемы). — М.: Медицина, 1989.— 272 с.
219. Терехов С.А. Нейросетевые информационные модели сложных инженерных систем / Нейроинформатика Новосибирск: Наука, Сибирская издательская фирма РАН, 1998.
220. Транспьютерные и нейронные ЭВМ. /Под ред. В.К.Левина и А.И.Галушкина — М.: Российский Дом знаний, 1992.
221. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. М.: Мир, 1989. 440 с.
222. Уоссермен Ф. Нейрокомпьютерная техника. — М.: Мир, 1992.
223. Федотов Н.Г. Методы стохастической геометрии в распознавании образов. — М.: Радио и связь, 1990.— 144 с.
224. Фор А. Восприятие и распознавание образов. — М.: Машиностроение, 1989.— 272 с.
225. Фролов А.А., Муравьев И.П. Информационные характеристики нейронных сетей. — М.: Наука, 1988.
226. Фролов А.А., Муравьев И.П. Нейронные модели ассоциативной памяти. — М.: Наука, 1987.— 160 с.
227. Фу К. Структурные методы в распознавании образов. — М.: Мир, 1977.— 320 с.
228. Фукунга К. Введение в статистическую теорию распознавания образов. — М.: Наука, 1979.— 367 с.
229. Хартман Г. Современный факторный анализ. — М.: Статистика, 1972.— 486 с.
230. Химмельблау Д. Прикладное нелинейное программирование. М.: Мир, 1975. 534 с.
231. Хинтон Дж. Е. Обучение в параллельных сетях / Реальность и прогнозы искусственного интеллекта. — М.: Мир, 1987.— С. 124–136.
232. Царегородцев В.Г. Транспонированная линейная регрессия для интерполяции свойств химических элементов // Нейроинформатика и ее приложения. Тезисы докладов 5 Всероссийского семинара, 3–5 октября 1997 г. / Под ред. А.Н.Горбаня. Красноярск: изд. КГТУ, 1997. С. 177–178.
233. Цыганков В.Д. Нейрокопьютер и его применение. — М.: "Сол Систем", 1993.
234. Цыпкин Я.З. Основы теории обучающихся систем. М.: Наука, 1970. 252 с.
235. Шайдуров В.В. Многосеточные методы конечных элементов. — М.: Наука, 1989.
236. Шварц Э., Трис Д. Программы, умеющие думать // Бизнес Уик. — 1992.— n.6.— С. 15–18.
237. Шенк Р., Хантер Л. Познать механизмы мышления / Реальность и прогнозы искусственного интеллекта. — М.: Мир, 1987.— С. 15–26.
238. Щербаков П.С. Библиографическая база данных по методам настройки нейронных сетей // Нейрокомпьютер, 1993. № 3,4. С. 5–8.
239. Aleksander I., Morton H. The logic of neural cognition // Adv. Neural Comput.- Amsterdam etc., 1990.- PP. 97-102.
240. Alexander S. Th. Adaptive Signal Processing. Theory and Applications. Springer. 1986. 179 p.
241. Allen J., Murray A.. Development of a neural network screening aid for diagnosing lower limb peripheral vascular disease from photoelectric plethysmography pulse waveforms // Physiol. Meas.- 1993.- V.14, N.1.- P.13-22.
242. Amari Sh., Maginu K. Statistical Neurodynamics of Associative Memory // Neural Networks, 1988. V.1. N1. P. 63-74.
243. Arbib M.A. Brains, Machines, and Mathematics. Springer, 1987. 202 p.
244. Astion M.L., Wener M.H., Thomas R.G., Hunder G.G., Bloch D.A. Application of neural networks to the classification of giant cell arteritis // Arthritis Reum.- 1994.- V.37, N.5.- P.760-770.
245. Aynsley M., Hofland A., Morris A.J. et al. Artificial intelligence and the supervision of bioprocesses (real-time knowledge-based systems and neural networks) // Adv. Biochem. Eng. Biotechnol.- 1993.- N.48.- P.1-27.
246. Baba N. New Topics in Learning Automate Theory and Applications. Springer, 1985. 131 p. (Lec. Not. Control and Information, N71).
247. Barschdorff D., Ester S., Dorsel T et al. Phonographic diagnostic aid in heart defects using neural networks // Biomed. Tech. Berlin.- 1990.- V.35, N.11.- P.271-279.
248. Bartsev S.I., Okhonin V.A. Optimization and Monitoring Needs: Possible Mechanisms of Control of Ecological Systems. Nanobiology, 1993, v.2, p.165-172.
249. Bartsev S.I., Okhonin V.A. Self-learning neural networks playing "Two coins"// Proc. of International Workshop "Neurocomputers and attention II", Manchester Univ.Press, 1991, p.453-458.
250. Bartsev S.I., Okhonin V.A. The algorithm of dual functioning (back-propagation): general approuch, versions and applications. Preprint of Biophysics Institute SB AS USSR, Krasnoyarsk, 1989, №107B, 16 p.
251. Bartsev S.I., Okhonin V.A. Variation principle and algorithm of dual functioning: examples and applications// Proc. of International Workshop "Neurocomputers and attention II", Manchester Univ.Press, 1991, p.445-452.
252. Baxt W.G. A neural network trained to identify the presence of myocardial infarction bases some decisions on clinical associations that differ from accepted clinical teaching // Med. Decis. Making.- 1994.- V.14, N.3.- P.217-222.
253. Baxt W.G. Analysis of the clinical variables driving decision in an artificial neural network trained to identify the presence of myocardial infarction // Ann. Emerg. Med.- 1992.- V.21, N.12.- P.1439-1444.
254. Baxt W.G. Complexity, chaos and human physiology: the justification for non-linear neural computational analysis // Cancer Lett.- 1994.- V.77, N.2-3.- P.85-93.