Все выпуски

Список литературы:

1. А. М. Ахметвалеев. Нейросетевое моделирование функционального состояния человека на примере диагностики зрачкового рефлекса / Проблемы анализа и моделирования региональных социально-экономических процессов: материалы докладов VII Международной очной научно-практической конференции. — Казань, 2017. — С. 37–41.
   • A. M. Akhmetvaleev. Nejrosetevoe modelirovanie funkcional'nogo sostoyaniya cheloveka na primere diagnostiki zrachkovogo refleksa / Proc. 7th International full-time scientific and practical conference “Problems of analysis and modeling of regional socio-economic processes”. — Kazan, 2017. — P. 37–41. — in Russian.
2. А. М. Ахметвалеев, А. С. Катасёв. Нейросетевая модель и программный комплекс определения функционального состояния человека // Автоматизация процессов управления. — 2017. — № 3(49). — С. 88–95.
   • A. M. Akhmetvaleev, A. S. Katasyov. Neural network model and software for determining the functional state of a person // Automation of management processes. — 2017. — no. 3(49). — P. 88–95. — in Russian.
3. А. М. Ахметвалеев, А. С. Катасёв, А. П. Кирпичников. Редукция нейросетевых моделей на основе метода двухэтапной генетической оптимизации // Вестник технологического университета. — 2017. — Т. 20, № 9. — С. 71–75.
   • A. M. Akhmetvaleev, A. S. Katasyov, A. P. Kirpichnikov. Reduction of neural network models based on the method of two-stage genetic optimization // Journal of technological University. — 2017. — V. 20, no. 9. — P. 71–75. — in Russian.
4. А. Г. Зеренин, С. М. Мостовой. Предрейсовые, послерейсовые и текущие медицинские осмотры водителей транспортных средств. — пособие для врачей и средних медицинских работников. — М: Национальный научный центр наркологии, 2008.
   • A. G. Zerenin, S. M. Mostovoj. Pre-trip, post-trip and on-going medical examinations of vehicle drivers. — a manual for doctors and nurses. — Мoscow: Nacional’nyj nauchnyj centr narkologii, 2008. — in Russian.
5. Н. Н. Иванец. Наркология. Национальное руководство. — М: Гэотар-Медиа, 2008.
   • N. N. Ivanecz. Narcology. National guide. — Мoscow: Geotar-Media, 2008. — in Russian.
6. В. В. Колесников, В. Е. Кальницкая, А. И. Погребной. Особенности зрачкового рефлекса у больных наркоманией в период острой абстиненции // Вопросы наркологии. — 2004. — № 4. — С. 39–46.
   • V. V. Kolesnikov, V. E. Kal’niczkaya, A. I. Pogrebnoj. Features of pupillary reflex in patients with drug addiction during acute abstinence // Issues of addiction. — 2004. — no. 4. — P. 39–46. — in Russian.
7. А. С. Куприянов. Моделирование реакции сложной адаптивной системы на импульсное воздействие. — СПб, 2012.
   • A. S. Kupriyaniv. Simulation of complex adaptive system response to impulse action. — Saint Petersburg, 2012. — in Russian.
8. А. Л. Куцало. Пупиллометрия в качестве метода экспресс-диагностики наркотической интоксикации. — СПб, 2004.
   • A. L. Kuczalo. Pupillometry as a method of rapid diagnosis of drug intoxication. — Saint Petersburg, 2004. — in Russian.
9. А. С. Михайлов, Б. А. Староверов. Проблемы и перспективы использования искусственных нейронных сетей для идентификации и диагностики технических объектов // Вестник Ивановского государственного энергетического университета. — 2013. — № 3. — С. 64–68.
   • A. S. Mikhajlov, B. A. Staroverov. Problems and prospects of using artificial neural networks for identification and diagnostics of technical objects // Bulletin of Ivanovo state power engineering University. — 2013. — no. 3. — P. 64–68. — in Russian.
10. L. Yu. Emaletdinova, I. V. Matveev, A. N. Kabirova. Method of constructing a neural regulator for the automatic one-dimensional control of a technical object // Russian Aeronautics. — 2015. — no. 58(2). — P. 227–232. — DOI: 10.3103/S1068799815020154.
11. L. Yu. Emaletdinova, E. D. Tsaregorodtseva. Algorithms of constructing a neural network model for a dynamic object of control and adjustment of PID controller parameters // Russian Aeronautics. — 2013. — no. 56(3). — P. 247–256. — DOI: 10.3103/S1068799813030069.
12. C. Ge, B. Wang, X. Wei, Y. Liu. Exponential synchronization of a class of neural networks with sampled-data control // Applied Mathematics and Computation. — 2017. — no. 315. — P. 150–161. — MathSciNet: MR3693461.
13. J. I. Gold, M. N. Shadlen. The neural basis of decision making // Annual Review of Neuroscience. — 2007. — no. 30. — P. 535–574. — DOI: 10.1146/annurev.neuro.29.051605.113038.
14. A. S. Katasev, D. V. Kataseva. Neural network diagnosis of anomalous network activity in telecommunication systems / Dynamics of Systems, Mechanisms and Machines (Dynamics). — 2016. — 7819020.
15. A. S. Katasev, D. V. Kataseva, L. Yu. Emaletdinova. Neuro-fuzzy model of complex objects approximation with discrete output / 2nd International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM. — Proceedings. — 2016. — 7911653.
16. A. Nazemi, M. Dehghan. A neural network method for solving support vector classification problems // Neurocomputing. — 2015. — no. 152. — P. 369–376. — DOI: 10.1016/j.neucom.2014.10.054.
17. H. Sug. The effect of training set size for the performance of neural networks of classification // WSEAS Transactions on Computers. — 2010. — no. 9(11). — P. 1297–1306.