3.1 Оценка и расчет показателей надежности представления ссои выходной информации по запросу.

Найдем общее время пребывания системы в работоспособном состоянии:

Рассчитаем среднее время наработки системы на отказ:

Определим среднее время восстановления системы в работоспособное состояние после отказа:

Вычислим коэффициент готовности ССОИ:

Найдем среднее время реакции системы:

Рассчитаем вероятность надежного представления выходной информации:

3.2 Определение значений доверительных вероятности и границ показателей надежности.

Найдем доверительные границы для показателя наработки на отказ:

Определим доверительные границы для показателя времени восстановления работоспособности системы:

Вычислим доверительные границы для показателя коэффициента готовности:

Рассчитаем доверительные границы вероятности надежного представления запрашиваемой выходной информации:

Сведем результаты в таблицу:

Среднее время наработки на отказ			Среднее время восстановления работоспособности после отказа			Коэффициент готовности ССОИ			Вероятность надежного представления запрашиваемой выходной информации
,с	,с	,с	,с	,с	,с
1446	2629	6678	163	313,5	918,6	0,612	0,893	0,976	0,606	0,889	0,974

3.3 Определение общей вероятности безотказной работы системы.

Общая вероятность надежного преобразования информации формируется из произведения вероятности безотказной работы аппаратной части и надежного преобразования информационной части за время работы.

Найдем вероятность безотказной работы аппаратной части системы в течение 4 часов:

Вероятность надежного преобразования информационной части за 4 часа:

Вычислим общую вероятность надежного преобразования информации:

Вывод. Вероятность надежной работы информационной части системы получилась очень низкой, поэтому ее использование на производстве невозможно без устранения ошибок, приводящих к сбоям. Повысить надежность программной части возможно за счет увеличения времени наработки на отказ (уменьшения количества отказов во время работы), сокращения времени восстановления, снижения времени реакции. Хотя вероятность безотказной работы аппаратной части системы в течение длительного времени низка, в течение небольшого промежутка времени она близка к 1, так как элементы системы не успевают отказать, и значительно превышает вероятность надежного преобразования информационной части, в которой за это время успевает произойти несколько сбоев, поэтому наибольший вклад в уменьшение времени безотказной работы всей системы вносит информационная часть. Следовательно для увеличения надежности системы в целом требуется повысить надежность программной части. Однако, поскольку восстановление после сбоев в аппаратной части занимает значительно больше времени и требует внимания специалистов, повышение надежности аппаратной части также необходимо.

ЗАКЛЮЧЕНИЕ

Была разработана система сбора информации об опоздавших работниках и рассчитана надежность ее аппаратной и программной частей. Надежность аппаратной части системы влияет на общую надежность только при длительной работе. На коротких временных промежутках надежность аппаратной части близка к 1, и на надежность системы оказывает влияние только надежность программной части, которая значительно ниже.

Таким образом, программная часть системы является ее «слабым местом», и повысить надежность всей системы возможно путем повышения надежности работы программной части. Это достигается при помощи тщательного тестирования и отладки программы в рабочем режиме при всех возможных входных воздействиях, а также включением в ее состав модулей, обрабатывающих исключительные ситуации, возникающие при работе. Необходимо уделить внимание тому, чтобы любая возможная ошибка не приводила к фатальным сбоям, прерывающим работу системы. Обработчик ошибок должен предусматривать выход в нормальный режим (восстановление) автоматически сразу после их устранения.

Нестабильность системы зачастую более опасна, чем ее неработоспособность, поскольку может привести к незамеченным потерям и искажениям данных. Для избежания подобных ситуаций, а также различного рода сбоев в работе ЭВМ, не связанных напрямую с программой, требуется производить резервирование данных. Желательно предусмотреть возможность автоматического резервирования в самой программе.

Также для повышения надежности требуется уделить внимание разработке интерфейса. Он должен быть простым и функциональным, исключать возможность ошибки со стороны оператора, в нем должна быть предусмотрена возможность отмены последних действий. В случае возникновения исключительной ситуации интерфейс должен оперативно предоставлять оператору подробную информацию о возникшей ситуации и обеспечить ее своевременное устранение. Однако, обращение к оператору должно вестись только при необходимости определенных действий с его стороны. Желательно обеспечить при наличии возможности автоматическое восстановление без обращения к оператору для исключения человеческого фактора и снижения времени простоя.

Таким образом, для повышения надежности системы требуется осуществить целый комплекс мероприятий. Однако, залогом надежности является правильность и логическая непротиворечивость алгоритма работы, поэтому основное время все-таки требуется уделить его разработке и наладке.

Основа надежности аппаратной части – своевременное обслуживание и ремонт, поэтому необходимо обеспечить для этого все условия: наличие понятных инструкций по эксплуатации, необходимых контрольно-измерительных приборов и запасных деталей, включение в состав оборудования средств самодиагностики, проведение плановых профилактических работ, обучение специалистов и др. Также надежность аппаратуры можно повысить путем дублирования ее наиболее критических частей. Соблюдение этих мер позволяет снизить потери времени на восстановление при сбое до минимума и сократить количество таких сбоев.

Разработанная система обладает значительно более широкой областью применения, чем рассмотренная в данной работе, и с незначительными изменениями может использоваться для идентификации личности в различных сферах деятельности человека наряду с другими системами идентификации и биометрической подписи для повышения надежности и достоверности распознавания, либо отдельно от них в связи с относительной простотой конструкции и легкостью применения.

Система обладает рядом достоинств, в которые входят простота конструкции, широкая функциональность, гибкость, надежность, низкая вероятность ложных срабатываний.

К недостаткам системы можно отнести достаточно высокую стоимость, относительно низкую пропускную способность, значительное возрастание задержки и вероятности ложных срабатываний при увеличении размеров базы данных.

Путем дальнейшего совершенствования данной системы является увеличение числа датчиков для одновременного обслуживания нескольких посетителей (работников), увеличение разрешающей способности и чувствительности датчика с целью повышения точности получаемой температурной карты руки работника, увеличение частоты опроса с целью снижения задержки, применение более производительной техники для повышения скорости распознавания, увеличение количества циклов сканирования для снижения уровня шумов и случайных помех, введением в датчик тензорезисторов для определения неравномерности прижатия руки с целью ее компенсации, а также более точного определения геометрических размеров руки, и датчиков электрического потенциала для нахождения координат биологически активных точек с целью повышения надежности идентификации, выполнение датчика в виде гибкой пленки на упругой основе для увеличения поверхности контакта с кожей и более равномерного прижатия, усложнение алгоритмов обработки для полного использования изменений в конструкции датчика и системы, серийный выпуск датчиков позволит снизить затраты на производство и, соответственно, их стоимость. Усложненный таким образом датчик может применяться не только в системе идентификации, но и в системах диагностики.

Возможна следующая модификация системы и алгоритма: хранение в базе данных не изображения температурной карты руки, а результата обработки его нейронной сетью, выделяющей отдельные характерные области. В этом случае для идентификации требуется обработка только одного изображения, полученного с датчика. Сравнение результатов производится сразу по всей базе данных нейронной сетью, определяющей корреляцию между ними с требуемым допуском. При этом ускоряется проверка (вследствие снижения требуемого объема вычислений) и уменьшается размер базы данных (в связи с сохранением только значимой части температурной карты и отбрасыванием избыточной) за счет усложнения алгоритма.

Таким образом, система имеет широкие перспективы развития и применения, ее недостатки не являются принципиальными и, следовательно, устранимы, а экономическая эффективность от ее внедрения достаточно велика.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Гладштейн М.А., Лямуков С.В. Комбинированный датчик для идентификации личности. //ж-л «Датчики и системы», №2, 2002 г. – С. 16–21.

2. Биоключ – пароль на кончике пальца. //ж-л «Электроника: наука, технология, бизнес», №5, 1999 г.

3. Стив Стеинк. Идентификация личности и искусство криптографии. Статья.

4. Громов В.И., Васильев Г.А. Энциклопедия безопасности – 2 (С изменениями и дополнениями). – Москва, 2000.

5. Садчикова Г.М. Проектирование и программирование систем на базе 32-разрядных микроконтроллеров МС68332. – Саратов: Ротапринт СГТУ, 2002.

6. Садчикова Г.М. Расчет надежности систем автоматического сбора и обработки информации на базе ЭВМ. Методические указания к выполнению курсовой работы по курсу «ЭВМ, вычислительные системы и сети» для студентов специальности 2101. – Саратов: Ротапринт СГТУ, 2002.

7. Липаев В.В. Сертификация информационных технологий программных средств и баз данных. – Казань, 1995.

8. Костогрызов А.И., Петухов А.В., Щербина A.M. Основы оценки, обеспечения и повышения качества выходной информации в АСУ организационного типа. – М.: Вооружение. Политика. Конверсия, 1994.

9. Климов Г.П. Теория вероятности и математическая статистика. – М.: МГУ, 1983.

10. Шор Я.Б. Статистические методы анализа и контроля качества и надежности. – М.: Сов. радио, 1962.

БИБЛИОГРАФИЯ

Эндрюс. Применение вычислительных машин для обработки изображений.

Харри. Обработка изображений при помощи ЦВМ.

Яншин. Анализ и обработка изображений. Принципы и алгоритмы.

Мартинес. Обработка изображений.

Роджерс. Алгоритмические основы машинной графики.

Оппенгейм. Цифровая обработка сигналов.

Фрини, Кайзер. Применение цифровой обработки сигналов.

ТИИЭР. Том 63. Цифровая обработка изображений.

Преснухин Л.Н., Воробьев Н.В., Шишкевич А.А. Расчет элементов цифровых устройств. – М.: ВШ, 1991 г.

Помехоустойчивость и эффективность систем передачи информации (Справочник).

Труды НИИР, № 2: Красносельский И.Н. Контроль ошибок в информационном сигнале оптимизтрованного порогового декодера.

Черняк Н.Г., Буравцева И.Н., Пушкина Н.М. Архитектура вычислительных систем и сетей. – М.: Статистика, 1980.

Устинов Г.Н. Основы информационной безопасности систем и сетей передачи данных. – М.: СИНТЕГ, 2000. – 248 с.

Человеко-машинные системы и анализ данных. РАН, Институт проблем передачи информации. Сборник научных трудов. – М.: Наука, 1992 г. – 174 с.

Липаев В.В. Системное проектирование сложных программных средств для информационных систем. – М.: СИНТЕГ, 1999. – 224 с.

Липаев В.В. Документирование и управление конфигурацией программных средств. Методы и стандарты. – М.: СИНТЕГ, 1998. – 212 с.

Липаев В.В. Обеспечение качества программных средств. Методы и стандарты. – М.: СИНТЕГ, 2001.

Липаев В.В. Надежность программных средств. – М.: СИНТЕГ, 1998. – 232 с.

Кульба В.В., Ковалевский С.С., Косяченко С.А., Сиротюк В.О. Теоретические основы проектирования оптимальных структур распределенных баз данных. – М.: СИНТЕГ, 1999. – 660 с.

Бурков В.Н., Новиков Д.А. Теория активных систем. Состояние и перспективы. – М.: СИНТЕГ, 1999. – 128 с.

Бурков В.Н., Новиков Д.А. Как управлять проектами. Научно-практическое издание. – М.: СИНТЕГ, 1997. – 188 с.

Управление большими системами. Материалы Международной научно-практической конференции. / Под общ. ред. Буркова В.Н., Новикова Д.А. – М.: СИНТЕГ, 1997. – 432 с.

Теория активных систем. Труды Юбилейной международной научно-практической конференции. / Под общ. ред. Буркова В.Н., Новикова Д.А. – М.: СИНТЕГ, 1999. – 330 с.

Новиков Д.А., Петраков С.Н. Курс теории активных систем. Учебное пособие. – М.: СИНТЕГ, 1999. – 108 с.

Международная конференция по проблемам управления (29 июня – 2 июля 1999 года). ИПУ РАН – 60 лет. Избранные труды. В двух томах. – М.: СИНТЕГ, 1999. – Том 1 – 316 с., Том 2 – 312 с.

Трахтенгерц Э.А. Компьютерная поддержка принятия решений. – М.: СИНТЕГ, 1998. – 376 с.

Трахтенгерц Э.А. Субъективность в компьютерной поддержке управленческих решений. – М.: СИНТЕГ, 2001.

Прангишвили И.В., Абрамова Н.А., Спиридонов В.Ф., Коврига С.В., Разбегин В.П. Поиск подходов к решению проблем. – М.: СИНТЕГ, 1999. – 284 с.

Прангишвили И.В. Системный подход и общесистемные закономерности. – М.: СИНТЕГ, 2000. – 528 с.

Абовский Н.П. Творчество: системный подход, законы развития, принятие решений. – М.: СИНТЕГ, 1998. – 296 с.

Соснин Э.А., Пойзнер Б.Н. Путь в науку XXI века. Учебное пособие. – М.: СИНТЕГ, 2000. – 88 с.

Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. – М.: СИНТЕГ, 1998. – 216 с.

Варшамов Р.Р. Введение в новую нетрадиционную математику. – М.: СИНТЕГ, 1999. – 116 с.

Вагин В.Н. Дедукция и обобщение в системах принятия решений. – М.: Наука, 1988.

Компьютер обретает разум: Пер. с англ./ Под редакцией В.Л.Стефанюка. – М.: Мир, 1990.

Шалютин С. Искусственный интеллект. М., 1981.

Нильсон Н. Принципы искусственного интеллекта. – М.: Радио и связь, 1985.

Лорьер Ж.Л. Системы искусственного интеллекта. – М.: Мир, 1991.

Поспелов Г.С. Системный анализ и искусственный интеллект. – М: Препринт ВЦ АН СССР, 1980.

Экспертные системы: Сборник – М.: Знание, 1990.

Уотермен Д. Руководство по экспертным системам. – М.: Мир, 1989.

Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. – М.: Финансы и статистика, 1990. – 320 с.

Марселлус Д. Программирование экспертных систем на Турбо Прологе: Пер. с англ. / Предисл. Трубицына С.В. – М.: Финансы и статистика, 1994. – 256 с.: ил.

Сойер Б., Фостер Д.В. Программирование экспертных систем на Паскале. – М.: Финансы и статистика, 1990.

Геловани В.А., Ковригин О.В. Экспертные системы в медицине. – М.: Знание, 1987.

Цыганков В.Д. Нейрокомпьютер и его применение. – М.: Сол Систем, 1993.

Цыганков В.Д. Нейрокомпьютер и мозг. Учебное пособие. – М.: СИНТЕГ, серия «Информатизация России в XXI веке», 2001. – 248 с., илл.

Цыганков В.Д. Вселенная Хокинга и нейрокомпьютер. – М.: СИНТЕГ, серия «Информатизация России в XXI веке», 2000. – 84 с., илл.

Цыганков В.Д. Психотроника. – М.: СИНТЕГ, серия «Информатизация России в XXI веке», 2000.

Цыганков В.Д. Нейрокомпьютер и Вселенский Разум. – М.: СИНТЕГ, серия «Информатизация России в XXI веке», 2001.

Цыганков В.Д., Довгий И.Н. Обучающаяся машина. АС № 36028.1967.

Цыганков В.Д. Бытовой нейрокомпьютер «ЭМБРИОН». //ж-л «Байтик» №№ 2,4, 1991.

Цыганков В.Д. Некоторые замечания к общей теории мозга. //Кн. «Принципы системной организации функций». – М.: Наука, 1973.

Цыганков В.Д. Моделирование механизмов интерсенсорного переноса как важнейшего звена искусственного интеллекта. Канд. дисс. – М.: Медицина, 1973.

Цыганков В.Д. Нейрокомпьютер «ЭМБРИОН» как генератор и преобразователь смыслов в вероятностной модели личности. //ж-л «РИУ» (Радиоэлектроника. Информатика. Управление). – № 1, 2000, Запорожье.

Цыганков В.Д. Информационный фантом возбуждения квазинейронной сети в нейрокомпьютере «ЭМБРИОН». //Труды международной конференции «Теория и общие вопросы обработки аналоговой информации». – Ульяновск, 1999.

Цыганков В.Д. Виртуальный нейрокомпьютер «ЭМБРИОН» как информационный лазер. //ж-л «РИУ». – № 2, 1999.

Уоссермен Ф. Нейрокомпьютерная техника. – М.: Мир, 1992.

Беркович С.Я. Клеточные автоматы как модель реальности. – М.: МГУ, 1993.

Хакен Г. Информация и самоорганизация. – М.: Мир, 1991.

Буш Р., Мостеллер Ф. Стохастические модели обучаемости. – М.: Физматлит, 1962.

Проблемы нейрокибернетики. Сборник. – Ростов-на-Дону: РГУ, 1968.

Четаев А.Н. Нейронные сети и цепи Маркова. – М.: Наука, 1985.

Андреев В.Н., Иоффе А.Я. Эти замечательные цепи. – М.: Знание, 1987.

Нейробионика. Сборник. – Киев: АН УССР, 1970.

Бухараев Р.Г. Основы теории вероятностных автоматов. – М.: Наука, 1990.

Горбань А.Н. Обучение нейронных сетей. – М.,С-П.: ПараГраф, 1990.

Бауэр Э.С. Теоретическая биология. М.-Л.: ВИЭМ, 1935.

Налимов В.В. Спонтанность сознания. Вероятностная теория смыслов и смысловая архитектоника личности. – М.: Прометей, 1989.

Поляков Г.И. О принципах нейронной организации мозга. – М.: МГУ, 1965.

Эшби У.Р. Конструкция мозга. – М.: Мир, 1962.

Хакен Г. Синергетика. – М.: Мир, 1980.

Лоскутов А.Ю., Михайлов А.С. Введение в синергетику. – М.: Наука, 1990.

Нечеткие множества. Последние достижения. / Под ред. Ягера Р. – М.: Радио и связь, 1986.

Растригин Л.А. Компьютерное обучение и самообучение. //ж-л «Информатика и образование», № 6, 1991.

Бонгард М.М. Проблемы узнавания. – М.: Наука, 1967.

Запорожец В.П. и др. Восприятие и действие. – М.: Просвещение, 1967.

Холт А.К. Виртуальные пространственно-временные многообразия. – Нью-Йорк, 1981.

Лускинович П. Нанотехнология. //ж-л «Компьютерра», № 41(218), 1997. – С. 43.

Гаряев П.П. Волновой геном. – М.: Общественная польза, 1994.

Вельховер Е.С. Клиническая иридология. – М.: Орбита, 1992.

Дмитриев В.П. Стохастическая механика. – М.: ВШ, 1990.

Шеррингтон Ч. Интегративная деятельность нервной системы. //Кн. «Рефлекторная деятельность спинного мозга». – М.-Л.: Медицина, 1935.

Aбу-Мустафа Я.С., Псалтис Д. Оптические нейронно-сетевые компьютеры. //ж-л «В мире науки», № 5, 1987 г. – С. 42–50.

Барцев С.И. Некоторые свойства адаптивных сетей (программная реализация). – Красноярск: Институт физики СО АН СССР, 1987.

Барцев С.И. Адаптивные сети обработки информации. – Красноярск: Институт физики СО АН СССР, 1986.

Гольцев А.Д. Яркостная сегментация изображения при помощи нейроподобной сети. //ж-л «Автоматика», №5, 1965. – С. 40–50.

Джеффри Е. Хинтон. Как обучаются нейронные сети. //ж-л «В мире науки», №№ 11–12, 1992. – С. 103–107.

Иванченко А.Г. Персептрон – системы распознавания образов. – К.: Наукова думка, 1972.

Куссуль В.М., Байдык Т.Н. Разработка архитектуры нейроподобной сети для распознавания формы объектов на изображении. //ж-л «Автоматика», №5, 1990. – С. 56–61.

Масалович А.И. От нейрона к нейрокомпьютеру. //«Журнал доктора Добба», №1, 1992. – С. 20–23.

Минский М., Пейперт С. Персептроны. – М.: МИР, 1971. – 261 с.

Розенблат Ф. Аналитические методы изучения нейронных сетей. //ж-л «Зарубежная радиоэлектроника», №5, 1965. – С. 40–50.

Розенблат Ф. Принципы нейродинамики. – М.: МИР, 1965.

Соколов Е.Н., Вайтнявичус Г.Г. Нейроинтеллект: от нейрона к нейрокомпьютеру. – М.: Наука, 1989. – 283 с.

Суворов С.В., Матихина Н.Ю. Программное моделирование нейроподобных структур. //Распределенная обработка информации. Сборник статей. – Улан-Уде, 1989. – С. 28.

Трикоз Д.В. Нейронные сети: как это делается? //ж-л «Компьютеры + программы», № 4(5), 1993. – С. 14–20.

Тэнк Д.У., Хопфилд Д.Д. Коллективные вычисления в нейроноподобных электронных схемах. //ж-л «В мире науки», №2, 1988. – С. 44–53.

Белозерский Л.А. Основы построения систем распознавания образов. Курс лекций. – Донецкий Институт Искусственного Интеллекта, 1997.

Горелик А.Л. Методы распознавания. – М.: Высшая школа, 1986 г.

Аркадьев А.Г., Браверман Э.М. Обучение машины распознаванию образов. – М.: Наука, 1964 г.

Левин Б.Р. Теоретические основы статистической радиотехники. – М.: Сов. радио, 1968 г.

Вентцель Е.С. Теория вероятностей. – М.: Физматгиз, 1969 г.

Вентцель Е.С., Овчаров Л.А. Теория случайных процессов и ее инженерные применения. – М.: Наука, 1991.

Пугачев В.С. Теория вероятности и математическая статистика. – М.: Наука, 1979г.

Мартин Ф. Моделирование на вычислительных машинах. – М.: Сов. радио, 1972 г.

Полляк Ю.С. Вероятностное моделирование. – М.: Сов. радио, 1971 г.

Бусленко Н.П., Голенко Д.И., Соболь И.М. и др. Метод статистических испытаний (Метод Монте-Карло). – М.: ГИФМЛ, 1962 г.

Васильев В.И. Распознающие системы. Справочник. – Киев: Наукова думка, 1983 г.

Барабаш Ю.Л., Зиновьев Б.В. и др. Вопросы статистической теории распознавания. – М.: Сов. радио, 1967 г.

Физика визуализации изображений в медицине, т.2. – М.: Мир, 1991 г.

Aarts E.H.L., Korst J.H.M. Boltzmann machines and their applications//Lect. Notes Comput. Sci. 1987. V. 258. P. 34-50.

Aarts E.H.L., Korst J.H.M. Boltzmann machines for travelling salesman problem//European J. Oper. Res. 1989. V. 39. P. 79-95.

Abu-Mostafa Y.S., Jaques J.N.St. Information capacity of the Hopfield model//IEEE Trans. Inform. Theory. 1985. V. 31. P. 461.

Ackley D.H., Hinton G.E., Sejnowski T.J. A learning algorithm for Bolzmann machines//Cognit. Sci. 1985. V. 9. N 1. P. 147-169.

Amari S. Field theory of self-organizing neural networks//IEEE Trans. Syst., Man, Cybern. 1983. V. 13. P. 741.

Artificial Intelligence. // Amsterdam: Time - Life - Books, 1986.

Athale R., Stirk C.W. Compact architectures for adaptive neuraal nets//Ibid. 1989. V. 28. N 4.

Bardcev S.I., Okhonin V.A. The algorithm of dual functioning (back-propagation): general approach, vesions and applications. Krasnojarsk: Inst. of biophysics SB AS USSR - 1989.

Carpenter G.A., Grossberg S. A massively parallel architecture for a self-organizing neural pattern recognition machine.//Comput. Vision Graphics Image Process. 1986. V. 37. p. 54-115.

Cohen M.A., Grossberg S. Absolute stability of global pattern formation and parallel memory storage by competitive neural networks//IEEE Trans. Syst., Man, Cybern. 1983. V. 13. N 5. P. 815-826.

Computing with neural circuits: a model.//Science, 1986. V. 233. p. 625-633.

Cross Michael. Brain ware hits Japanese computers.// New Sci. - 1988 - 120, # 1640 - p. 33.

Dayhoff J. Neural network architectures.//New-York:Van Nostrand reinhold, 1991.

Fogelman Soulie F. Neural networks, state of the art, neural computing.// London: IBC Technical Services, 1991.

Fox G.C., Koller J.G. Code generation by a generalized neural networks: general principles and elementary examples.//J. Parallel Distributed Comput. 1989. V. 6. N 2. P. 388-410.

Hecht-Nielsen R. Neurocomputing: picking the human brain.// IEEE SPECTRUM 1988 - V. 25. N 3 - p. 36-41.

Hebb D.O. The organization of behaviour. N.Y.: Wiley, 1949.

Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities.//Proc. Natl. Acad. Sci. 1984. V. 9. p. 147-169.

Hopfield J.J., Tank D.W. Neural computation of decision in optimization problems.//Biol. Cybernet. 1985. V. 52. P. 141-152.

Hopfield J.J., Feinstein D.I., Palmer F.G. Unlearning has a stabilizing effect in collective memories//Nature. 1983. V. 304. P. 141-152.

Jeffery W., Rosner R. Neural network processing as a tool for friction optimization.//Neuronet Comput. Conf., Snowbird, Utah, Apr. 13-16, 1986. New York, N.Y., 1986 - p. 241-246.

Kuzewski Robert M., Myers Michael H., Grawford William J. Exploration of fourword error propagation as self organization structure.//IEEE Ist. Int. Conf. Neural Networks, San Diego, Calif., June 21-24, 1987. V. 2. - San Diego, Calif., 1987. - p. 89-95.

Lippmonn Richard P. Gold Ben Neuronet classifiers useful for speech recognition.// IEEE Ist. Conf. Neural Networks, San Diego, (Calif), 1987 - p. 417-425.

Montgomery, Douglas C. Forecasting and time series analysis./Douglas C. Montgomery, Lynwood A. Johnson, John S. Gardiner. - 2nd ed. - ISBN 0-07-042858-1.

Neural Computing.// London: IBE Technical Services, 1991.

Rosenblatt F. The peseptron: a probabilistic model for information storage and organization in the brain//Psychol. Rev. 1958. V. 65. P. 386.

Rosenblatt F. Principles of neurodynamics. Spartan., Washington, D.C., 1962.

Rumelhart B.E., Minton G.E., Williams R.J. Learning representations by back propagating error.// Wature, 1986. V. 323. p. 1016-1028.

Takefuji D.Y. A new model of neural networks for error correction.//Proc. 9th Annu Conf. IEEE Eng. Med. and Biol. Soc., Boston, Mass., Nov. 13-16, 1987. V. 3, New York, N.Y., 1987 - p. 1709-1710.

Treliven P. Neurocomputers.// London: University college, 1989.