Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

CCC_1 / Л_ТЕРАТУРА

.doc
Скачиваний:
13
Добавлен:
06.06.2015
Размер:
56.32 Кб
Скачать

ЛІТЕРАТУРА

Основні джерела

1. Хайкин С. Нейронные сети: полный курс. - M.: „Вильямс", 2006. - 1104 c.

2. Люгер Ф. Дж. Искусственный интеллект. Стратегии и методы решения сложных проблем. - M.: „Вильямс", 2003. – 864 с.

3. Снитюк Н.М. Прогнозування. Моделі. Методи. Алгоритми: Навчальний посібник. – К.: “Маклаут”, 2008. – 364 с.

4. Генетические алгоритмы, искусственные нейронные сети и проблеми виртуальной реальности. / Вороновский Г.К., Maхотило K.B., Петрашев C.H., Сергеев C.H. - Харьков: Основа, 1997. -112 с.

5. Уоссермен Ф. Нейрокомпьютерная техника: теория и практика. - M.: Мир, 1992. - 240 с.

6. Матвеев М.Г. Модели и методы искусственного интеллекта. Применение в экономике: учебное пособие / М.Г. Матвеев, А.С. Свиридов, Н.А. Алейникоа. – М.: Финансы и статистика; ИНФРА-М, 2008. – 448 с., ил.

7. Зайченко Ю.П. Основи проектування інтелектуальних систем. Навчальний посібник. – К.: Видавничий дім “Слово”, 2004. – 352 с.

8. Паклин Н.Б. Бизнес-аналитика: от даннях к знаниям: Учебное пособие. 2-е узд.: перераб. и доп. / Н.Б. Паклин, В.И. Орешков. – СПб.: Питер, 2010. –704 с., ил.

9. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский: пер. с польск. И.Д. Рудинского. – М.: Горячая линия – Телеком, 2007. – 452 с.: ил.

10. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. - K.: Техніка, 1975. – 312 с.

11. Айвазян С.А. Прикладная статистика: Классификация и снижение размерности: Справ. изд. / C.A. Айвазян, B.M. Бухштабер, И.С. Енюков, Jl. Д. Мешалкин; Под ред. C.A. Айвазяна. - M.: Финансы и статистика, 1989. - 607 с.

12. Загоруйко Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко. – Новосибирск: Изд-во И-та математики, 1999. - 270 с.

Допоміжні джерела

1. Holland J. H. Adaptation in natural and artificial systems. An introductory analysis with application to biology, control and artificial intelligence. – London: Bradford book edition, 1994. – 211 p.

2. Rumelhart D.E. Learning representation back-propagation errors / D.E. Rumelhart D.E., G.E. Hinton, R.f. Williams // Nature. – 1986. – Vol. 323. – Pp. 533-536.

3. Hecht-Nielsen R. A. Counterpropagation networks. In Proceedings IEEE First International Conference on Neural Networks, eds. M. Caudill and Z. Butler. – San Diego, CA: SOS Printing. – 1987. – Vol. 2. – Pp. 19-32.

4. Kohonen T. Self-organization and associative memory. Series in Information Sciences. – Berlin: Springer Verlag, 1984. – Vol. 8.

5. Grossberg S. Some networks that can learn, remember and reproduce any number complicated space-time patterns // Journal Mathematics and Mechanics. – 1969. – Vol. 19. – Pp. 53-91.

6. Рассел C. Искусственный интеллект / Рассел C., Норвиг П.. Современный подход / C. Рассел C., П. Норвиг. – M.: „Вильямс", 2006. – 1408 с.

7. Минский M. Персептроны / M. Минский, С. Пайперт. – M.: Мир, 1971. – 261 с.

8. Методы нейроинформатики / Под. ред. A.H. Горбаня. – КГТУ, Красноярск, 1998. – 205 с.

9. Снитюк В.Є. Нейромережеве планування процесу проектування з використанням апарату теорії нечітких множин // Херсон: Вестник ХГТу. – 2003. - №2 (18). – с. 249-253.

10. Божич В.И. Разработка генетического алгоритма обучения нейронных сетей / В.И. Божич, О.Б. Лебедев, Ю.Л. Шницер // Таганрог: Перспективные информационные технологии и интеллектуальные системы. – 2002. - № 1. – с. 21-24.

11. Батищев Д.И. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов / Д.И. Батищев, C.A. Исаев // Межвуз. сборник. - ВГТУ: Воронеж, 1997. – с. 4-17.

12. Редько В.Г. Эволюционная кибернетика. – M.: Наука, 2001. – 156 с.

13. Курейчик B.M. Эволюционные вычисления: генетическое и эволюционное программирование / B.M. Курейчик, С.И. Родзин //Новости искусственного интеллекта. – 2003. – № 5. – с. 13-20.

14. Schwefel H.P. Numerical Optimization of Computer Models. – John Wiley&Sons, 1981.

15. Заенцев И.В. Нейронные сети. Основные модели. – Воронеж: ВГУ, 1999. – 76 с.

16. Нейроматематика. Кн. 6. Под ред. А.И. Галушкина. – М.: ИПРЖР, 2002. – 448 с.

17. Снитюк B.E. Эволюционно-параметрическая оптимизация RBF-сети / B.E. Снитюк, B.M. Шарапов // Донецк: Искусственный интеллект. – 2003. - № 4. – с. 493-501.

18. Spears W.M. The Role of Mutation and Recombination in Evolutionary Algorithms. PhD Thesis. – George Mason University: Fairfax, Virginia. – 1998. – 240 p.

19. Айвазян C.A. Прикладная статистика. Основы моделирования и первичная обработка данных / C.A. Айвазян, И.С. Енюков, Л.Д. Мешалкин. – M.: Финансы и статистика, 1983. – 471 с.

20. Вапник B.H. Теория распознавания образов / B.H. Вапник, А.Я. Червоненкис. – M.: Наука, 1974. – 416 с.

21. Загоруйко Н.Г. Алгоритмы обнаружения эмпирических закономерностей / Н.Г. Загоруйко, B.H. Елкина, Г.С. Лбов. – Новосибирск: Наука, 1985. – 110 с.

22. Вапник B.H. Восстановление зависимостей по эмпирическим данным. - M.: Наука, 1979. - 447 с.

23. Браверман Э.М. Структурные методы обработки эмпирических данных. - M.: Наука, 1983. - 464 с.

24. Алгоритмы и программы восстановления зависимостей / Под ред. B.H. Вапника. - M.: Наука, 1984. - 816 с.

25. Факторный, дискриминантный и кластерный анализ: Пер. с англ. /Дж.-О. Ким, Ч.У. Мьюллер, У.P. Клекка и др.; Под ред. И.С. Енюкова. - M.: Финансы и статистика, 1989. - 215 с.

Інтернет-джерела

www.basegroup.ru

www.neuroproject.ru

http://iissvit.narod.ru

http://matlab.ru

http://alife.narod.ru

www.i2.com.ua

www.cis.hut.fi

www.nada.kth.se

www.artint.com.ua

http://gmdh.net

www.illigal.ge.uiuc.edu

http://cs.gmu.edu

www.math.nsc.ru

www.statsoft.ru

www.uran.ru

www.software.basnet.by

www.biometrica.tomsk.ru

www.asu.gubkin.ru

Соседние файлы в папке CCC_1