Список статей, опубликованных в журнале «Нейрокомпьютеры: разработка, применение» в 2010 году. Журнал нейрокомпьютеры

разработка, применение» в 2016 году Publishing house Radiotekhnika

XIV Всероссийская научная конференция «Нейрокомпьютеры и их применение». № 3 Авалиани Т.В., Апраксина Н.К., Быкова А.В., Константинов К.В., Цикунов С.Г. Предотвращение нару-шений поведения у потомства стрессированных крыс методом биоакустической коррекции. № 2 Александр Иванович Галушкин, (1940 – 2016). № 12 Алексеев А.Ю., Воинов Е.М. Применение нейрокомпьютеров в религиоведении. № 5 Алексеев А.Ю., Пожарев Т. Парадоксы компьютерного творчества и нейрокомпьютерный тест Лавлейс. № 5 Андриевская Н.В. Решение задачи классификации символов с использованием искусственной нейронной се-ти. № 8 Антинескул А.В., Тюрин С.Ф. Модифицированный логический элемент программируемых логических инте-гральных схем типа FPGA нейросетевых информационно-управляющих систем критического применения. № 8 Антонов С.М., Нур М.М. Новые механизмы внутриклеточной кальциевой регуляции и их роль в нейродеге-нерации (краткое сообщение). № 2 Арефьева А.В., Глухих Т.А., Фатеева Н.М. Исследования кратковременной и долговременной памяти у подростков. № 12 Арефьева А.В., Фатеева Н.М. Адаптация к учебному процессу студентов с различными латеральными про-филями. № 5 Байдаров А.А., Южаков А.А., Лоскутов А.А. Интеллектуальные системы управления микроклиматом по-мещений. № 8 Баксанский О.Е. Автопоэзис и нейронные сети. № 5 Баксанский О.Е. Информация в информационную эпоху. № 2 Безукладников И.И., Гаврилов А.В. Управление и мониторинг в беспроводных распределенных сетевых инфраструктурах. № 8 Белова О.А. Роль развития моторики у учащихся младших классов с нарушением слуховой сенсорной системы. № 12 Бережной В.В., Нагорнов Н.Н. Реализация методов коррекции ошибок в системе остаточных классов на ПЛИС. № 10 Бондарев Д.В., Бочавер К.А., Бондарев В.Н. Подход системной нейробиологии к пониманию регуляции циклической мышечной деятельности. № 5 Бронфельд Г.Б. Анализ изменений понятия «знание» с точки зрения современных структурных представле-ний. № 4 Бронфельд Г.Б. Анализ содержательной трактовки понятия «информация» с точки зрения современных структурных представлений. № 11 Брянцев И.С., Колушов В.В., Савельев А.В. «Виртуальное оживление» информационных нейродинамиче-ских объектов. № 5 Брянцев И.С., Рязанов М.А., Савельев А.В. Код положения нейрона как возможный материальный суб-страт кодов сознания. № 12 Бугаков И.А. Универсальность технологии интеллектуализации природных и искусственных систем. № 5 Булыгина О.В., Окунев Б.В. Нечетко-сетевые инструменты анализа перспективности проектов по развитию информационно-телекоммуникационной инфраструктуры. № 7 Бурлов В.Г., Лепешкин О.М. Моделирование процесса управления на основе теории радикалов. № 3 Веденеев В.С., Бычков И.В. Выявление аномалий с использованием самоорганизующихся нейронных сетей Кохонена. № 10 Винограденко А.М. Модель системы мониторинга контролируемых объектов диспетчерского пункта управ-ления. № 1 Вислобоков А.И., Марышева В.В., Орлов В.И., Шабанов П.Д. Мембранотропные эффекты амтизола и его производных. № 2 Воробьев В.В., Бахарев Б.В., Бобкова Н.В. Дофаминергическая модификация корково-гиппокампальных взаимоотношений в модели болезни Альцгеймера. № 5 Выучейская М.В., Бирюков И.С. Применение искусственных нейронных сетей для диагностики когнитивных нарушений. № 5 Гончаренко В.И., Кучерявенко Д.С., Гальямов А.М. Распознавание типов маневров при испытаниях аэро-баллистических летательных аппаратов на основе нейросетевого подхода и вейвлет-технологий. № 3 Гончаренко В.И., Кучерявенко Д.С., Гойденко В.К., Скорик Н.А. Распознавание типа аварийной ситуа-ции при испытании беспилотного космического аппарата на основе использования вейвлет-преобразования. № 1 Гончаров В.В., Мишенина О.В. Нейросетевая модель формирования математических знаний в высшей школе. № 3 Гребнева Н.Н., Сазанова Т.В., Смирнова М.В. Особенности развития детей с разными профилями функ-циональной межполушарной асимметрии в условиях Севера. № 5 Даденков С.А. Общий алгоритм проектирования распределенных систем управления на основе нейрочипов с методом доступа CSMA. № 8 Дам В.Н. Дерево логических решений и многослойная нейронная сеть в задаче распознавания видов цифро-вой модуляции. № 7 Денисов Э.И., Пфаф В.Ф., Степанян И.В., Горохова С.Г. Сдвиг медико-биологической парадигмы: от го-меостаза к аллостазу. № 2 Дли М.И., Пучков А.Ю. Совершенствование системы диагностики котельного агрегата на основе нейро-нечетких алгоритмов. № 7 Дли М.И., Стоянова О.В. Способы представления экспертных данных в системах поддержки принятия реше-ний по управлению сложными проектами. № 7 Думин П.Н. Концепция системы поддержки принятия решений на основе вероятностной модели. № 9 Думин П.Н., Куравский Л.С. Анализ психологических аспектов игры на основе модифицированной функции Раша. № 4 Егоров Г.О. Стэнфордская школа в современной философии и методологии науки и нейронауки. № 12 Елисеев В.Л., Свириденков К.И., Филаретов Г.Ф. Программный пакет для моделирования, анализа и синтеза нейросетевых систем управления. № 7 Елтышев А.В., Онискива Л.М., Посягин А.И., Южаков А.А. Сравнительный анализ реализованных в сре-де Anylogic имитационной и аналитической моделей нейронной сети самомаршрутизирующегося аналого-цифрового преобразователя. № 8 Ефимов О.И., Ефимова В.Л., Рожков В.П. Изменение временных характеристик центральной обработки звуковой информации в результате нейроакустических тренировок по методам Tomatis и InTime у детей. № 2 Жданов А.А., Преображенский Н.Б., Холопов Ю.А., Степанян И.В., Нгуен Хыу Чунг Аппаратная реа-лизация нейронной сети в адаптивной системе управления. № 6 Журавлев Б.В., Муртазина Е.П. Иерархический принцип организации субсистем в функциональной системе питания. № 5 Журавлев Б.В., Муртазина Е.П., Шпрингель Н.А. Анализ спектрально-когерентных характеристик ЭЭГ у испытуемых в условиях новизны сенсомоторной деятельности. № 5 Журавлева Н.Г., Легович Ю.С., Максимов Д.Ю., Максимов Ю.В. Уязвимость сети связи информацион-но-управляющей системы. № 1 Звягина Н.В., Потуткин Д.С., Соколова Л.В. Динамика показателей пространственной синхронизации по-тенциалов мозга девушек при восприятии изображений. № 5 Зернов М.И., Сак-Саковский В.И., Сеньков А.В., Букачев Д.С. Генетический алгоритм обучения системы нечеткого вывода. № 7 Зернов М.М. Принципы построения ситуационно-событийного исчисления со многими исходами и одновре-менными действиями. № 7 Игнатик Н.И., Соловьев С.В., Цыганков В.Д. Практическое применение виртуального нейрокомпьютера «ЭМБРИОН» для шифрования. № 12 Исаков Р.В., Сунцова О.В. Исследование искусственных нейронных сетей в задаче идентификации личности по электрокардиосигналу, зарегистрированному устройством CardioQVARK. № 3 Каменских А.Н. Анализ достоверности функционирования отказоустойчивых асинхронных нейронных сетей. № 8 Каменских А.Н., Тюрин С.Ф. Методика комбинированного резервирования асинхронных нейронных сетей. № 8 Карпенко М.Н., Пестерева Н.С., Обламская И.С., Щукина В.А. Связь между степенью активации каль-паинов и уровнем внесинаптосомального дофамина. № 2 Катаева Н.Г., Замощина Т.А., Хоч Н.С., Берестнева О.Г., Аржаник М.Б. Психофизиологическое обоснование нейрореабилитационных программ у пациентов с хронической ишемией мозга. № 12 Кечин А.А., Кель А.Э., Кушлинский Н.Е., Филипенко М.Л. Нейроподобный текст-майнинг для выявления и характеризации самых популярных микроРНК. № 9 Клюева Н.Н., Абдурасулова И.Н., Захарова Е.Т., Мухин В.Н., Агеева Е.В., Никульчева Н.Г. Улучшение когнитивных функций и изменение спектра липидов сыворотки крови у крыс при курсовом интраназальном введении лактоферрина и инсулина в модели болезни Альцгеймера. № 5 Кокоулин А.Н. Разработка эффективного метода надежного хранения и обработки многомерных массивов результатов научных исследований с использованием преобразований Хафа. № 8 Колушов В.В., Савельев А.В. Функциональная морфодинамика дендритов нейронов. № 2 Кольчугина Е.А. Самоорганизация программных систем на основе моделей искусственной химии. № 2 Коляда А.А., Кучинский П.В., Червяков Н.И. Вычисление денормирующего коэффициента для криптогра-фических преобразований по схеме RSA с применением минимально избыточной модулярной арифметики. № 10 Кон Е.Л., Кулагина М.М. Резервирование в однородных структурах. № 8 Константинов К.В., Мирошников Д.Б., Шайтор В.М. Динамика пространственной синхронизации био-электрической активности мозга в процедурах биоакустической коррекции у детей с задержкой психического и речевого развития. № 2 Константинова М.В., Анисимов В.Н., Латанов А.В. Вызванные изменения электрической активности моз-га в верхнем альфа-диапазоне при решении школьных задач разных семантических областей. № 12 Коршунова К.П. Нейросетевой способ классификации сложных объектов на основе признаков-отношений. № 9 Кравченко Ю.П., Савельев А.В. Электромагнитное поле мозга – это не только ЭЭГ. № 5 Кулик С.Д., Никонец Д.А. Использование существующих почерковедческих методик для идентификацион-ного поиска исполнителя рукописи. № 9 Куравский Л.С., Попков С.И. Вероятностная модель поведения прикладной многоагентной системы. № 9 Ле Т.Ч.Л. Сравнение нейронной сети СМАС и многослойной нейронной сети в задаче обнаружения DoS-атак. № 7 Леготкина Т.С., Хижняков Ю.Н. Адаптивное нечеткое управление нефтегазового сепаратора дожимной насосной станции. № 8 Леготкина Т.С., Хижняков Ю.Н., Никулин В.С. Метод нечеткой аппроксимации для определения утечки в нефтепроводе. № 8 Лещёв С.В. Моделирование причинности в сложных информационных системах. № 5 Логинова Н.А., Панов Н.В., Федулов М.В. Использование искусственно вводимых сознанием человека правил построения движений для повышения эффективности боевых искусств. № 12 Лосева Е.В., Савельев А.В. От редакторов выпуска. № 5 Лоскутов А.И., Ращупкин А.Ю., Дуников А.С. Нейросетевой подход к реализации системы символьной синхронизации радиотелеметрических средств. № 1 Мартынова Е.Н. Сознание как материя: к вопросу об искусственном интеллекте. № 12 Мелихов А.А. Применение дерева синтаксического разбора предложений для повышения релевантности ре-зультатов частотного анализа текста. № 3 Мисник А.Е., Борисов В.В. Композиционное нейросетевое моделирование сложных технических систем. № 7 Михайлюк Т.Е., Жернаков С.В. Повышение эффективности использования ресурсов микросхемы ППВМ при реализации нейронных сетей. № 11 Муртазина Е.П., Гурковский Б.В., Журавлев Б.В. Особенности самопроизвольного обучения крыс выбору пусковых и целевых сигналов в интерактивной среде. № 5 Найденов Е.В., Лямец Л.Л. Сетевая модель сложного технологического процесса. № 10 Никитина Е.А. Субъект познания и информационная «инженерия» мозга. № 5 Николашин Ю.Л., Будко П.А., Жуков Г.А. Нейробионический подход к решению задачи оптимизации приема информации в канале с переменными параметрами. № 1 Никульчева Н.Г., Клюева Н.Н., Парфёнова Н.С., Виноградова Т.В., Калашникова Н.М., Белова Е.В., Цикунов С.Г. Исследование влияния психогенного стресса на липидный обмен крыс-самцов в отдалённом периоде. № 5 Новосёлова-Савельева Н.А., Савельев А.В. Принципы офтальмонейрокомпьютинга. № 5 Новосёлова-Савельева Н.А., Савельев А.В. Обоснование цифрового латерализационного нейроинтерфейса. № 6 Овсянкина М.А., Поскотинова Л.В., Кривоногова Е.В. Особенности изменений психоэмоционального со-стояния при биоуправлении параметрами нейровегетативной регуляции вариабельности сердечного ритма у педагогов с признаками нестабильного артериального давления. № 11 Оганджанян С.Б., Рожнов А.В., Бурмистров П.А., Лобанов И.А., Тюрин С.А. Творческие материалы «круглого стола». Часть I. Ретроспектива и реальная конкорданция исследований в сфере интеллекта. № 1 Опёнков М.Ю., Малышев А.С. Квантовый нейрокомпьютер как модель мозга и сознания. № 6 Павловский И.С. Смысловая интеграция научно-технической информации в области разработки и примене-ния нейросетевых технологий. № 3 Памяти Юрия Павловича Кравченко (1947–2016). № 5 Панченко С.В., Пучков А.Ю., Селявский Ю.В. Параметрическая настройка нечеткого фильтра Калмана в системе управления электротермическим реактором. № 7 Петлеванный А.А., Финько О.А. Имитоустойчивое кодирование информации в радиоканалах с активным аналитиком. № 10 Петрова Е.С. ХАТ-иммунопозитивные клетки в нейротрансплантатах эмбрионального неокортекса крысы, развивающихся в периферическом нерве. № 2 Петрунин Ю.Ю. Нейрогосударственное управление. № 6 Петруня О.Э. Метод аналогий и нейрокомпьютинг. № 6 Подвальный С.Л., Васильев Е.М. Концепция многоальтернативности в интеллектуальных системах: актив-ные нейросетевые модели. № 10 Попков С.И. Программная реализация вероятностной модели поведения прикладной многоагентной систе-мы. № 9 Посохова М.А., Фатеева Н.М. Использование дыхательных методик для формирования речевого дыхания у детей с нарушением речи. № 6 Потапова О.В., Потапов В.Ю., Юматов Е.А. Информационно-программное обеспечение для электроэнце-фалографического анализа психической деятельности мозга. № 11 Рожков В.П., Бекшаев С.С., Сороко С.И. Маркеры перестроек волновой структуры паттерна ЭЭГ у детей и подростков северян. № 2 Рожнов А.В. Творческие материалы «круглого стола». Часть II. Системная интеграция и моделированиено-вых эффектов в сфере интеллекта. № 3 Савельев А.В. Моделирование молекулярной многопроцессорности синаптического нейроэкзоцитоза нейрона. № 2 Савельев А.В. Нейрокомпьютерные технологии в распознавании музыкального заимствования. № 6 Савельев А.В. Нейросолитоника. № 6 Савельев А.В. Общая теория сверхсложных систем и конструируемость. № 6 Салибекян С.М., Петрова С.Б. Методика анализа смысла текста с помощью семантической сети, содержа-щей нечеткие данные. № 4 Свириденков К.И., Горчакова О.В. Алгоритмы фрактального сжатия изображений на основе самооргани-зующихся искусственных нейронных сетей. № 7 Сеньков А.В., Марголин М.С., Сорокин Е.В. Способ интерпретации бизнес-процессов в нечеткие времен-ные сети Петри. № 7 Синцов М.Ю., Сучков Д.С., Мухтаров М.Р., Хазипов Р.Н., Минлебаев М.Г. Развитие внутреннего опти-ческого сигнала в соматосенсорной коре новорожденных крысят. № 6 Смирнов В.В. Моделирование конфликтов, вызванных несоответствием потребностей и ресурсов. № 4 Соколова Л.В., Роева М.В. Анализ когерентности бета-ритма ЭЭГ в процессе выполнения вербальных задач. № 6 Степанян И.В. Предложения и замечания по проекту развития рынка «НейроНет». № 2 Степанян И.В., Савельев А.В. Управление хаотическими свойствами нейрона. № 6 Степанян И.В., Свирин В.И. Генетические проекционные операторы в робототехнических комплексах. № 6 Сущин М.А. Об одной предсказывающей модели интеллекта. № 12 Тесленко Е.Л. Чигалейчик Л.А. Дамянович Е.В., Базиян Б.Х. Идентификация координированных движе-ний при болезни Паркинсона и дисциркуляторной энцефалопатии. № 6 Умрюхин Е.А. Информационная модель работы мозга и идеальные свойства сознания. № 6 Фархадов М.П., Васьковьский С.В., Смирнов В.А., Фархадова М.Э. Проектирование системы анализа неструктурированной речевой информации. № 4 Федоренко Ю.С., Гапанюк Ю.Е. Кластеризация данных на основе самоорганизующихся растущих нейрон-ных сетей и марковского алгоритма кластеризации. № 4 Федоров Е.А., Маслов А.Е., Пирогов М.В. Радикальное моделирование – основа автоматизации разработ-ки бортового комплекса управления космического аппарата и обеспечения его взаимодействия с комплексом планирования и управления. № 11 Федулов А.С. К читателям. № 7 Федулов А.С., Борисов В.В. Анализ нечетких реляционных когнитивных карт. № 7 Хивинцева Е.В., Сергеева М.С., Пятин В.Ф., Колсанов А.В., Захаров А.В., Антипов О.И., Коровина Е.С. Динамика сенсомоторной активности коры головного мозга при интенции движения. № 6 Цыганков В.Д. Возможная физическая природа морфогенетического поля Р. Шелдрейка. № 12 Цыганков В.Д. На пути к искусственной небелковой живой материи: нейрокомпьютерная интерпретация. № 12 Цыганков В.Д. Нейрокомпьютерная модель онтогенеза интеллекта ребенка от 0 до 15 лет. № 12 Цыганков В.Д. Нейрокомпьютерная модель оптимального соотношения ассимиляции и аккомодации в развитии интеллекта. № 6 Чан Ван Фу, Щербаков М.В., Нгуен Туан Ань, Скоробогатченко Д.А. Метод сбора и слияния разнотип-ных данных в проактивных системах интеллектуальной поддержки принятия решений. № 11 Червяков Н.И., Бабенко М.Г., Черных А.Н., Кучуков В.А., Дерябин М.А. Кучукова Н.Н. Разработка но-вого нейросетевого метода вычисления модульного умножения в системе остаточных классов. № 10 Червяков Н.И., Ляхов П.А., Семенова Н.Ф., Валуева М.В. Применение сумматоров с параллельно-префиксной архитектурой для перевода чисел из двоичной системы счисления в систему остаточных классов. № 10 Черненький В.М., Терехов В.И., Гапанюк Ю.Е. Структура гибридной интеллектуальной информационной системы на основе метаграфов. № 9 Чечкин А.В., Пирогов М.В. Лексикон программирования А.П. Ершова и моделирующая среда широкой проблемной области целенаправленных систем в форме среды радикалов. № 11 Чечкин А.В., Пирогов М.В. Радикальное программирование на основе радикального моделирования. № 1 Чигалейчик Л.А., Дамянович Е.В., Тесленко Е.Л., Полещук В.В., Базиян Б.Х. Применение нового аппа-ратно-программного комплекса для исследования семиотики саккад при болезни Паркинсона. № 6 Шабуров А.С. Разработка модели распознавания компьютерных атак на основе нейронной сети. № 8 Шелухин О.И., Калугин Ю.А. Влияние «прореживания» пакетов на качество классификации потоков сете-вого трафика методами машинного обучения. № 4 Шепелев И.Е., Надтока И.И., Вялкова С.А., Губский С.О. Сравнительный анализ итерационного и прямо-го нейросетевого краткосрочного прогнозирования электропотребления крупного города. № 3 Шестакова М.А., Шестаков Е.И. Искусственный интеллект и проблема управления многоагентными систе-мами. № 6 Ширванян А.М., Тумченок Д.А. Линейное представление точечной карты препятствий для построения маршрута движения мобильного робототехнического комплекса. № 4 Шульгина Г.И. Реализация принципа голографической теории памяти в работе мозга и сети из нейронопо-добных элементов. № 6

Список литературы:

www.radiotec.ru

разработка, применение» в 2010 году Publishing house Radiotekhnika

Список литературы:

Алакоз Г. М. Нейрокомпиляция как основа инструктированного синтеза квантовых вычислительных структур....................................................................................... № 10

Александр Иванович Галушкин (к 70-летию со дня рождения).......................................... № 4

Анищенко С. И., Шапошников Д. Г., Камли Р., Гао К. Сегментация изображений лиц на основе комбинации цветовых атрибутов................................................................................ № 2

Балака Е.С., Тельпухов Д.В. Принципы построения специализированного вычислителя для задач матричной алгебры с применением параллельной арифметики............................... № 9

Балакин А. В., Эдель Д. А. Аналогия естественных языков и исполнимых кодов.................. № 10

Басистов Ю. А., Яновский Ю. Г. Сравнение эффективности распознавания изображений для алгоритмов Байеса, корреляционной и модифицированной сети Хопфилда..................... №12

Бахарев Б. В., Жадин М. Н. Нелинейное моделирование ритмических процессов биоэлектрической активности коры головного мозга............................................................................................... № 2

Безобразов С. В., Головко В. А. Применение нейронных детекторов в искусственных иммунных системах для обнаружения и классификации компьютерных вирусов№ 5

Бияшев Р.Г., Нысанбаева С.Е. Модулярные схемы электронной цифровой подписи............... № 9

Бояринов Ю. Г. Анализ марковской модели производственно-экономической системы с неполной информацией об интенсивностях потоков................................................................ № 7

Буриков С. А., Доленко С. А.,Ю Доленко Т. А., Персианцев И. Г.Применение адаптивных нейросетевых алгоритмов для решения задач идентификации и определения концентраций солей в многокомпонентном водном растворе по спектрам комбинационного рассеяния света.......... № 3

Васильев В. И., Идрисов И. И., Макаров А. С. Вопросы синтеза и технической реализации нейросетевых алгоритмов управления газотурбинным двигателем........................................... № 5

Васильев В. И., Нугаев И. Ф. Нейросетевое сглаживание геофизических данных на основе алгоритма многоуровневой регуляризации................................................................ № 4

Васильков В. А., Тикиджи-Хамбурьян Р. А. Исследование влияния джиттера во входном сигнале на чувствительность к интерауральным временным различиям популяции EI нейронов.......... № 2

Вичугов В. Н., Суходоев М. С., Цапко Г. П. Динамическое формирование структуры радиально-базисной нейронной сети......................................................................................... №12

Вишневский А.К., Финько О.А. Параллельная реализация функций подстановок посредством модулярных арифметико-логических форм............................................................................... № 9

Гужва А. Г., Доленко С. А., Оборнев Е. А., Персианцев И. Г., Шимелевич М. И., Шугай Ю. С. Использование адаптивных алгоритмов отбора существенных признаков при нейросетевом решении обратной задачи электроразведки................................................. № 3

Гужва А. Г., Доленко С. А., Персианцев И. Г. Методика отбора существенных входных признаков при нейросетевом решении задач регрессии.............................................................................. № 3

Гужва А. Г., Доленко С. А., Персианцев И. Г., Шугай Ю. С. Многоступенчатый алгоритм на основе комитета нейронных сетей для анализа многомерных временных рядов.................. № 3

Деветьяров Д. А., Кумсков М. И. Использование нейронных сетей в задаче «структура-свойство» с использованием нечеткого описания пространственных структур молекул............................. № 3

Дорогов А. Ю., Лесных В. Ю., Шестопалов М. Ю. Нейросетевая классификация в неоднородном признаковом пространстве............................................................................... № 4

Зимина С. В. Аналоговое моделирование регулярных механизмов супрахиазматических ядер гипоталамуса..................................................................................................................... №12

Зимина С. В. Влияние флуктуаций весовых коэффициентов на статистические характеристики искусственной нейронной сети, настраивающейся по алгоритму Хэббаи принимающей широкополосные сигналы................................................................................ № 4

Ирхин В.П., Федяев В.Н. Реализация операций модулярной арифметики на когерентных фазовращателях................................................................................................ № 9

Ковалев И. В. Интеллектуальная система прогнозирования загрязнения атмосферы........... № 7

Кожевников А.А. Аналого-цифровые преобразователи в системе остаточных классов.......... № 9

Комарцова Л. Г., Кадников Д. С. Исследование генетических алгоритмов для обучения многослойного персептрона....................................................................................................... №12

Корнеев П.К. Разложение тригонометрических и гиперболических функций в ветвящиеся цепные дроби........................................................................................................ № 9

Кулик С. Д., Никонец Д. А., Ткаченко К. И., Жижилев А. В. Нейросетевое устройство определения фальшивых рукописных документов на русском языке............................................................ № 10

Куравский Л. С., Баранов С. Н., Юрьев Г. А. Синтез и идентификация скрытых марковских моделей для диагностики усталостного разрушения............................................................................... №12

Курейчик В. М., Лебедев Б. К., Лебедев О. Б. Разбиение на основе моделирования адаптивного поведения биологических систем................................................................................................ № 2

Лавриненко И. Н., Колдаев А. И. Исследование аппроксимирующих свойств вейвлет-нейронной сети.............................................................................................................. № 1

Лавриненко И.Н. Математические модели целочисленной обработки данных на основе параллельной модулярной алгебры........................................................................... № 9

Локтюхин В. Н., Челебаев С. В., Антоненко А. В. Об унификации инвариантной к виду входного сигнала структуры нейросетевого аналого-цифрового преобразователя........ № 4

Макаренко А. С., Билюга В. М. Нейронные сети с неединственностью значений текущих состояний элементов................................................................................................................... № 2

Макоха А.Н., Тышляр Т.Е. Имитационные модели нейронных сетей, реализующих операции тензорной алгебры над полем комплексных чисел............................. № 9

Мармалюк П. А. Оценка степени адекватности факторных моделей с помощью самоорганизующихся карт признаков Кохонена....................................................................... № 10

Новикова Н. М., Ляликова В. Г. Математические модели нейросетевых и статистических обнаружителей сигналов............................................................................................................ № 4

Перегуда А. И., Тимашов А. А. Исследования надежности аналоговых нейронных сетей методом Монте-Карло................................................................................................................ № 10

Петрушан М. В. Модель многоуровневой преднастройки зрительной системы при распознавании трехмерных объектов.................................................................................. № 2

Потапов И. В. Отказоустойчивые функционально избыточные нейронные сети с индивидуальной адаптацией к отказам нейронов.................................................................... № 5

Прохоров Е. И., Перевозников А. В., Пономарева Л. А., Кумсков М. И. Нейронная сеть как инструмент реализации кусочно-линейного классификатора при массовом скрининге молекул        № 3

Редько В. Г., Бесхлебнова Г. А. Моделирование адаптивного поведения автономных агентов№ 3

Рыбак Л. А., Ержуков В. В., Почекаев С. Г., Чичварин А. В. Построение нейросетевых алгоритмов решения прямой задачи кинематики для робота-станка с параллельной структурой............... № 5

Самойлин Е. А. Адаптивный метод непараметрической фильтрации изображений на основе многофункциональной нейронной сети...................................................................... № 4

Самойлин Е. А. Первичная параметрическая оптимизация модели нейронной сети для задач обработки изображений............................................................................................. № 5

Самойлин Е. А. Повышение степени функциональной полноты нейроподобных элементов модели нейронной сети............................................................................................................. № 10

Сараев П. В. Обучение нейронных сетей прямого распространения на основе декомпозиции вектора весов и псевдообращения...................................................... № 1

Синявский О. Ю., Кобрин А. И. Обучение спайкового нейрона с учителем в задаче детектирования пространственно-временного импульсного паттерна......................... № 8

Сирота А. А., Воронова Е. В. Моделирование изображений пространственно-распределенных объектов на однородном фоне с использованием нейронных сетей   № 10

Станкевич Л. А., Ефремов В. А. Распознавание последовательных образов на нейрологических сетях  № 2

Тимофеев А. В., Дерин О. А. Селекция объектов в мультиизображениях методом иерархических нейросетей......................................................................................................... № 7

Титенко Е. А. Сравнительный анализ алгоритмов подстановки на потоках и их адаптация№ 10

Фраленко В. П. Нейросетевое шифрование с применением архитектуры «кодер/декодер»№ 5

Цукерман В. Д., Каримова О. В., Кулаков С. В., Сазыкин А. А. Современные нейробиологические данные и новое в нейродинамике навигационного поведения.................................................. № 2

Цыганков В. Д. Квантовые биения в нейрокомпьютере........................................................ №12

Червяков Н. И., Головко А. Н., Лавриненко И. Н. Нейронная сеть для преобразования позиционного кода в код системы остаточных классов в эллиптической криптографии............ № 4

Червяков Н. И., Евдокимов А. А., Шаров Д. А. Нейроподобная пороговая схема пространственного разделения секретных изображений........................................................... № 4

Червяков Н.И., Бабенко М.Г. Алгебраические подходы к разработке алгоритмов кодирования алфавита точками эллиптической кривой................................................................................... № 9

Червяков Н.И., Головко А.Н. Модулярная система защиты информации основанная на спаривании криптосистем (проблема укладки рюкзака и эллиптических кривых)............... № 9

Червяков Н.И., Евдокимов А.А. Нейронная сеть Ли и ее приложения...................................... № 9

Червяков Н.И., Лобес М.В. Разработка параллельных алгоритмов для решения теоретико-числовых задач на кластерах..................................................................................... № 9

Чернявский А.Ф., Коляда А.А., Коляда Н.А., Шабинская Е.В. Умножение по большим модулям методом Монтгомери с применением минимально избыточной модулярной арифметики........ № 9

Чечулин В. Л., Ясницкий Л. Н. Некоторые ограничения алгоритмически реализуемых нейронных сетей........................................................................................................................ №12

Шепелев И. Е., Владимирский Б. М. Построение нейросетевого классификатора для интерфейса «мозг-компьютер»............................................................................................ № 2

Яхно В. Г. Модели «адаптивных распознающих ячеек» для формализованного описания психологических реакций человека............................................................................................ № 2

 

 

 

Журнал в журнале

«Интеллектуальные информационные системы»

Алакоз Г. М., Котов А. В. Глобальные технотронные комплексы как источник конфликт-индуцированных опасностей...................................................................................... № 1

Алексеев А. Ю. Роль нейрокомпьютера в электронной культуре........................................... № 8

Артамонов Д. В., Исупов М. А. Анализ качества гетерогенных структур дорог с применением методов DataMining.................................................................................................................. № 11

Аюев В. В. Распределенное нейросетевое решение задачи классификации на основе выборочной кластеризации данных......................................................................... № 11

Басистов Ю. А., Яновский Ю. Г. Нейронная сеть с ассоциативной и наследственной памятью как модель вязкоупругих сред.................................................................................................... № 7

Бахтизин А. Р., Бахтизина Н. В. Опыт построения гибридной агент-ориентированной модели с нейронными сетями.................................................................................................................. № 8

Белова О. Ю., Горбаченко В. И., Соломаха А. А. Сравнение методов диагностики синдрома эндогенной интоксикации у больных с хронической почечной недостаточностью............................................................. № 11

Белоногов Г. Г., Гиляревский Р. С., Хорошилов Александр А., Хорошилов Алексей А. Развитие систем автоматической смысловой обработки текстовой информации........................ № 8

Бобин А. В., Мишулина О. А., Слатин А. В. Нейросетевой классификатор модульной архитектуры для распознавания типа воздушной цели........................................................................................ № 11

Борзов Д. В., Зотов И. М., Ключникова О. Е., Аль-Ашвал М. М. Метод оперативного переразмещения задач в отказоустойчивых логических мультиконтроллерах........................... № 1

Бураковский П. Е., Нечаев Ю. И. Информационно-аналитический блок контроля динамики судна при движении в условиях ограниченной акватории................................................................... № 6

Васильев А. Н., Осипов В. П., Тархов Д. А. Унифицированный процесс моделирования систем с распределенными параметрами............................................................................................... № 7

Васильев А. Н., Тархов Д. А. Нейросетевые подходы к регуляризации решения задачи продолжения температурных полей по данным точечных измерений...................................... № 7

Володин К. И. Унифицированные интеллектуальные модули для исследования пространственно-распределенных объектов.............................................................................. № 1

Горбаченко В. И., Артюхина Е. В. Бессеточные методы и их реализация на радиально-базисных нейронных сетях....................................................................................................................... № 11

Граничин О. Н., Васильев В. И. Гибридная модель процесса вычислений: обобщение концепции машины Тьюринга.................................................................................. № 6

Дубовик С. А., Нечаев Ю. И. Оценка остойчивости в бортовом информационно-вычислительном комплексе как задача о вероятности больших уклонений возмущенной динамической системы............. № 7

Жук А. П., Фомин Л. А., Романько Д. В., Орел Д. В. Использование класса особых сигналов для передачи информации в радиосистемах с кодовым разделением каналов......................... № 1

Земскова Ю. Н. Использование метода конечных элементов на компактно поддерживаемых радиально-базисных нейронных сетях........................................................ № 11

Истомина Т. В., Истомин Б. А. Применение нейросетевых технологий для анализа электрокардиосигнала.......................................................................................... № 11

Клионский Д. М., Орешко Н. И., Геппенер В. В., Неунывакин И. В. Декомпозицияна эмпирические моды и ее применение для идентификации информативных компонент и прогнозирования сигналов с использованием нейронных сетей............................................. № 6

Колушов В. В., Савельев А. В. Методология индивидуально-коллективного моделирования нейронной биовозбудимости как новая нейрокомпьютерная парадигма................................... № 8

Лавров А. А. Нейрокомпьютерное моделирование массовых сцен в социокультурной сфере№ 8

Малыхина Г. Ф., Шалаевский О. В. Предотвращение вторжений в локальную информационно-измерительную систему.............................................................. № 6

Милова К. А. Интеллектуальная система прогнозирования развития осложнений у хирургических больных......................................................................................................... № 11

Нечаев Ю. И. Модель катастроф нелинейной нестационарной системы (концепция и приложения)   № 6

Петрунин Ю. Ю. Анализ футбольной результативности: от классических методов к нейросетевым     № 8

Покалицына О. В. Алгоритм диагностики образовательного процесса в нейросетевом базисе№ 1

Протасевич М. В.Информационно-аналитический модуль контроля вибрации судна в модовых условиях с использованием методов теории игр....................................................... № 6

Рожнов А. В., Губин А. Н., Михайлов Р. А., Белавкин П. А. Становление вычислительных систем и комплексов военного назначения на заре стратегических ракетных войск....................................... № 11

Розенберг М. Я. Нейроподобное моделирование человеческого фактора в процессе разработка программного обеспечения....................................................................................................... № 11

Сиек Ю. Л., Соэ Мин Лвин. Нейросетевое моделирование морского динамического объекта на основе эволюционного подхода.............................................................................................. № 6

Соломатин В. Ф. Отношение сигнал/помеха при извлечении из ассоциативной памяти и при обнаружении записей....................................................................................................... № 7

Суханов Н. В., Зайцев А. В., Никишов А. Н., Талиманчук Л. Л., Олейник А. А. Инверсно-адаптивная схема управления сложным динамическим объектом............................. № 1

Тимофеев А. В., Косовская Т. М. Логико-аксиоматические и нейросетевые методы распознавания сложных изображений и сцен.................................................................................................... № 6

Фомин Л. А., Будко П. А., Мухин А. В., Будко Н. П. Исследование эффективности использования ресурсов при синтезе телекоммуникационных сетей.................................................................. № 1

Хаматдинова Д. Р., Ганеев А. Р., Хаматдинова З. Р. Автоматизация процесса диагностики острых лейкозов с использованием искусственных нейронных сетей...................................... № 11

Хейн Тун. Информационная система слежения за динамикой судна в условиях периодического изменения остойчивости................................................................. № 6

Ясницкий А. Н., Черепанов Ф. М. О возможностях применения нейросетевых технологии в политологии.......................................................................................................... № 8

 

www.radiotec.ru

Нейрокомпьютеры и их применение Publishing house Radiotekhnika

 

Нейросетевые модели и алгоритмы

Тархов Д. А.

Рассмотрены математические модели и алгоритмы функционирования и обучения нейронных сетей, а также используемые при их обучении алгоритмы построения линейной и нелинейной регрессии, метод главных компонент ...

М: Издательство «Радиотехника» ISBN 978-5-88070-376-0

Нейросетевая защита персональных биометрических данных

Волчихин В.И., Иванов А.И., Назаров И.Г., Фунтиков В.А., Язов Ю.К.

Излагаются теоретические и практические основы защиты персональных биометрических данных с использованием нейросетевых преобразователей «биометрия-код». Освещаются исторические аспекты развития биометрических механизмов идентификации личности. Приводятся требования, варианты ...

М: Издательство «Радиотехника» ISBN 978-5-88070-044-8

Нейронные сети в задачах радиолокации

Татузов А.Л.

Рассмотрены основы построения систем автоматической обработки информации с использованием технологии нейронных сетей для радиолокационных станций. Проведен анализ теоретических моделей различных этапов обработки информации в радиолокаторах ...

М: Издательство «Радиотехника» ISBN 978-5-88070-244-2

Нейрокомпьютеры в авиации (самолеты). Кн. 14

Под ред. В. И. Васильева, Б. Г. Ильясова, С. Т. Кусимова

Исследованы возможности применения нейронных сетей в задачах управления летательными аппаратами; построения отказоустойчивых систем управления, контроля и диагностики их силовых установок; идентификации аэродинамических параметров; построения интеллектуальных ...

М: Издательство «Радиотехника» ISBN 5-93108-055-4

Нейросетевые алгоритмы биометрической идентификации личности. Кн. 15

Иванов А.И.

Изложены теоретические и практические аспекты проектирования биометрических систем идентификации личности по голосу, рукописной подписи, клавиатурному почерку; рассмотрены процедуры принятия решений, построенные на основе классического анализа ...

М: Издательство «Радиотехника» ISBN 5-93108-048-1

Нейрокомпьютеры с параллельной архитектурой Кн. 16

Кирсанов Э. Ю.

Рассмотрены вопросы организации высокопроизводительных цифровых нейрокомпьютеров с параллельной структурой. Изложена методология построения и аппаратной реализации нейрокомпьютеров общего и специального назначения. Рассмотрены вопросы систематизации и проведена ...

М: Издательство «Радиотехника» ISBN 5-93108-069-4

Нейрокомпьютеры в космической технике. Кн. 17

Под ред. В. В. Ефимова

Рассмотрены вопросы применения нейросетевых технологий для решения задач обработки бортовых данных объектов космической техники. Изложены принципы и методы построения основных компонентов нейросетевого обеспечения бортовых комплексов ...

М: Издательство «Радиотехника» ISBN 5-93108-049-Х

Нейронные сети. Модели и алгоритмы.(Справочник). Кн. 18

Тархов Д. А.

Рассмотрены математические модели и алгоритмы функционирования и обучения нейронных сетей и алгоритмы из смежных разделов математикии линейной и нелинейной регрессии, метода главных компонент, нелинейной оптимизации ...

М: Издательство «Радиотехника» ISBN 5-88070-067-4

Нейроматематика

Агеев А.Д., Балухто А.Н., Бычков А.В. и др.

Рассмотрены нейросетевые алгоритмы решения различных математических задач. Представлены статьи отечественных авторов, опубликованные в журнале "Нейрокомпьютеры: разработка и применение" (1992–2001) и в трудах Всероссийской конференции ...

М: Издательство «ИПРЖР» ISBN 5-93108-007-4

www.radiotec.ru

обработка, применение в 2012 году Publishing house Radiotekhnika

Список литературы:

Котов А. В. Психофизиологический базис становления аддиктивных форм поведения...................... № 1

Глущенко В. В. Психофизиологические аспекты оценки когнитивной активности............................ № 1

Ревина Н. Е. Фазы синдрома эмоционального выгорания в показателях вариабельности сердечного ритма..................................................................................................................... № 1

Рабичев И. Э. Виртуальный бинокулярный зрительный образ» как показатель сенсомоторной интеграции в системе восприятия зрительной информации двумя глазами...................................... № 1

Судаков К. В., Умрюхин Е. А. Компьютерная модель оценки системной организации психической деятельности человека........................................................................................... № 1

Куравский Л. С., Юрьев Г. А. Об одном подходе к адаптивному тестированию и устранению его артефактов........................................................................................................................ № 1

Аюпов А. И., Пляскота С. И. Разрешимость проблемы формализованного описания витасистем за счет использования категориальных переменных..................................................... № 1

Никитин В. П., Шерстнев В. В. Специфичность молекулярных процессов как основа интегративной деятельности нейрона.......................................................................................... № 1

Серова О. Н. Центрально-периферические взаимодействия сенсорных рецепторных аппаратов....... № 1

Алакоз Г. М. Эволюционные аспекты возрастания «сложности» структурно-функциональной схемы формального нейрона..................................................................................................... № 1

Лукин В. В., Фесик Е. О. Графовая модель организации динамических пользовательских интерфейсов в экспериментальной психологии............................................................................. № 1

Чечкин А. В., Пирогов М. В. Метод интеллектуализации критических систем с использованием таблиц радикалов........................................................................................... № 2

Колбин И. С., Ревизников Д. Л. Решение задач математической физики с использованием нормализованных реадиально-базисных нейроподобных сетей............................. № 2

Згуральская Е. Н. Выбор информативных признаков для решения задач классификации с помощью искусственных нейронных сетей................................................................................. № 2

Шульгина Г. И. Что более реально, uploading и downloading посредством интерфейса «мозг – компьютер – мозг», или искусственный мозг.................................................................... № 2

Овод И. В., Осадчий А. Е., Пупышев А. А., Фрадков А. Л. Формирование нейрообратной связи на основе адаптивной модели активности головного мозга................................................... № 2

Коршунова С. Г., Степанова О. Б., Тетик Л. В. Сферическая модель пространства эмоционального выражения лица, основанная на воспринимаемых различиях................................. № 2

Гунько Н. Е. Подход к решению задачи составления психологического портрета человека по почерку№ 2

Мисник А. Е. Нейросетевое моделирование систем теплоснабжения............................................. № 2

Астапенко В. А., Головинский П. А. Нейронные сети с квантовой интерференцией...................... № 4

Романов С. П. Моторный выход (движение) в робототехнических и биологической системах........... № 4

Кольцов Ю. В., Бобошко Е. В. Использование модельных данных для обучения нейронных сетей в условиях недостатка информации................................................................... № 4

Шевгунов Т. Я. Структура динамической нейронной сети для оценки порядка линейной модели..... № 4

Усков А. А., Шипилов М. В. Комплексная поддержка принятия решений при диагностике и лечении острых респираторных вирусных инфекций средствами нечетко-логических экспертных систем......... № 4

Аистов С. А., Селезнев В. П. Влияние информационных технологий на возможности инжиниринга бизнес-процессов предприятия машиностроения.......................................................................... № 4

Роженцов А. А., Наумов А. С., Баев А. А. Диагностика заболеваний органа зрения по данным периметрических исследований с применением комплекснозначных нейронных сетей....................... № 4

Даниелян Г. Л., Румянцева В. Д., Щамхалов К. С., Шилов И. П., Кочмарев Л. Ю., Иванов А. В., Рябов А. С. Измерительная система на основе сенсора-миниспектрометра типа FSD-9 для флуоресцентной диагностики рака........................................................................................ № 4

Мухин К. О. Методы, модели и алгоритмы управления рисками в сложных производственных процессах.............................................................................................................................................. № 4

Чечкин А. В., Пирогов М. В. Активаторы и регуляторы среды радикалов..................................... № 5

Гончаров М. М. Модель и способ анализа рисков информационной безопасности компьютерных систем на основе гибридных нечетких моделей....................................................... № 5

Червяков Н. И., Ляхов П. А. Реализация КИХ-фильтров в системе остаточных классов.................. № 5

Кольцов Ю. В., Бобошко Е. В. Сравнительный анализ нейросетевых архитектур и алгоритмов обучения для задачи прогнозирования потерь электроэнергии.................................. № 5

Неволин А. В. Структурный синтез многоуровневых иерархических организационно-технических систем на основе метода структурных функций эффективности............................................................... № 5

Вартанов А. В., Малясова Е. А. Зрительное восприятие и категоризация объектов с вариативной формой.............................................................................................................. № 5

Порошина А. М. Нейросетевой подход в оценке банковских кредитных рисков.............................. № 5

Алексеев А. Ю., Игнатов С. А., Конькова Т. А. Нейрокомпьютинг в комплексном тесте Тьюринга. № 5

Неволин А. В. Структурный синтез многоуровневых иерархических организационно-технических систем на основе метода структурных функций эффективности........... № 6

Кирсанов А. П., Кузнецов А. А. Эффективность клиринга для различных моделей платежей между участниками расчетов....................................................................................... № 6

Сидняева Е. Н. Нейронная биовозбудимость и построение функциональных схем искусственного нейрона............................................................................................................ № 6

Сидняева Е. Н., Сидняев Н. И. Обоснование математической модели нейронной биовозбудимости для построения функциональных схем искусственного нейрона............................ № 6

Хачумов В. М., Фраленко В. П. Высокопроизводительная обработка изображений на кластерных устройствах........................................................................................................ № 6

Алёхин М. Д. Процедура определения оптимальных параметров вейвлет-преобразования и нейросетевого классификатора для распознавания паттернов нестационарных биорадиолокационных сигналов................................................................................................. № 6

Кольцов Ю. В., Бобошко Е. В. Сравнительный анализ нейросетевых архитектур и алгоритмов обучения для задачи прогнозирования потерь электроэнергии.................................. № 6

Аль-Хулейди Н. А., Исаков Р. В., Сушкова Л. Т. Результаты исследования нейронных сетей в задачах распознавания вариабельности сердечного ритма................................................. № 6

Карпенко А. П., Козлова О. Г. Метод нейродинамического программирования в задаче траекторной безопасности летательного аппарата.......................................................... № 7

Геппенер В. В., Клионский Д. М., Орешко Н. И. Комплексный подход к задаче анализа и обработки многокомпонентных измерительных сигналов на основе мультимасштабныхи спектральных методов высокого разрешения............................................................................ № 7

Громов О. Б., Дудников С. Ю., Жаргалова А. Д., Михеев П. И. Особенности построения автоматизированной системы управления физико-механическими свойствами производства Al-профиля на базе нейронной сети........................................................................ № 7

Бахшиев А. В., Романов С. П. Воспроизведение реакций естественных нейронов как результат моделирования структурно-функциональных свойств мембраны и организации синаптического аппарата...................................................................................... № 7

Хакимов Б. В., Михеев И. М. Нелинейная моде ль нейрона – многомерный сплайн........................ № 7

Александров Д. В., Салех Х. М., Жигалова М. И. Формальная нейроподобная модель системы мониторинга транспортного потока.................................................................... № 7

Савельев А. В. Нейроэкзистенциальное моделирование детальных диффузионно-синергетических аспектов объемного нейротрансмиттинга: нейрокомпьютеры нейробиологии.............................................................................................. № 7

Чернопятов А. В. Поиск и нейросетевое распознавание автомобильных номерных знаков.............. № 7

Дегтярев А.Б., Бусько И.В. Проблемы идентификации параметров волнения в бортовых интеллектуальных системах....................................................................................... № 8

Мандрикова О.В., Полозов Ю.А., Пережогин А.С. Метод выявления аномальных особенностей в параметрах ионосферы на основе вейвлет-преобразования................................... № 8

Колушов В.В., Савельев А.В. Новые 3D-информационные технологии в анимационном «оживлении» клеточной биоткани на основе коммуникативной социо-имитационной методологии........................ № 8

Басалин П.Д., Безрук К.В. Архитектура оболочки гибридной системы интеллектуальной поддержки процессов принятия решений.................................................................................... № 8

Соломатин В.Ф. Модель ассоциативной памяти с суперпозиционной записью и раздельным хранением ассоциаций.............................................................................................................. № 8

Кокорин А.В., Александров Д.В. Прогнозирование работы магистрального газопровода в части определения работоспособности сценариев устранения нештатных ситуаций....................... № 8

Кокорин А.В., Александров Д.В., Бухвалов И.Р. Способ локализации места разрыва линейной части магистрального газопровода и последующего перераспределения газовых потоков.......................................................................................... № 8

Кузовников А.В. Классификация радиосигналов в нейронных сетях.............................................. № 8

Макаров Г.Н. Техническая устойчивость нейросетевой системы автоматического управления..................................................................................................... № 8

Куравский Л. С. Х Всероссийская научная конференция «Нейрокомпьютеры и их применение»...... № 9

Панфилова А. С. Система тестирования интеллекта на базе факторных моделей и самоорганизующихся карт Кохонена........................................................................................ № 9

Козлов Д. С., Тюменцев Ю. В. Применение неоднородных NARX-сетей для обнаружения отказных ситуаций........................................................................................... № 9

Кулик С. Д., Юрьева Н. Е. Подход к построению психологического портрета человека на основе почерка.................................................................................................................... № 9

Скрибцов П. В., Казанцев П. А., Червоненкис М. А. Применение нейросетевых методов для решения обратных задач гидродинамики рек......................................................................... № 9

Кулик С. Д., Ткаченко К. И., Сергеев М. С. Специализированная интеллектуальная подсистема и возможность нейросетевой интерпретации для модели Г. Раша................................. № 9

Скрибцов П. В., Казанцев П. А., Долгополов А. В. Применение нейронных сетей для решения обратных задач деконволюции изображений и устранения искажений типа смаз и расфокусировка... № 9

Синча Д. П., Казанцев П. А. Улучшение качества изображений трехмерных сцен на основе адаптивного алгоритма построения диспаритетных карт с использованием RBF-сетей...................... № 9

Скрибцов П. В., Казанцев П. А., Долгополов А. В. Применение окон с адаптивной формой для нейросетевой фильтрации и интерполяции изображений......................................................... № 9

Сергин А. В., Сергин В. Я. Нейробиологические механизмы субъективного восприятия................ № 10

Сирота А. А., Дрюченко М. А., Митрофанова Е. Ю. Нейросетевые технологии создания скрытых цифровых водяных знаков........................................................................................... № 10

Яковлев М. А., Скрибцов П. В., Червоненкис М. А., Загоруйко С. Н. Особенности реализации распознавания произносимых слов с помощью нейронных сетей для мобильной роботизированной платформы с применением сигнальных процессоров....................................... № 10

Литвинович А. В. Язык описания графических объектов GRASP.................................................. № 10

Воробьева И. В. Многофакторный нейроподобный алгоритм анализа состава слезы как маркера изменений сетчатки у больных сахарных диабетом второго типа............................... № 10

Дудкин К. Н., Миронов С. В., Чуева И. В., Коломенский Н. Ю. Информационная система для управления поведенческим экспериментом на обезьянах........................................... № 10

Прохоров Е. И. Нейронные сети для построения ограничений допустимости в задаче «структура–свойство»............................................................................................................. № 10

Чан Конг Тан. Разработка электронной цифровой подписи на основе алгоритма Эль-Гамаля для аутентификации электронных документов Вьетнама............................................. № 10

Ле Суан Дык, Ткаченко В. М. Разработка и реализация нейроподобной структуры онлайн-безопасного протокола электронного паспорта на ASP.Net............................................... № 10

Нгуен Чунг Тин, Фан Суан Чыонг. Классификация задач параметрической коррекции системы управления по безопасности......................................................................................................... № 10

Доан Нго Ань Туан, Нгуен Чунг Тин. Метод анализа безопасности человек–машина–среда на базе нейрочетких множеств................................................................................................................ № 10

Нечаев Ю. И. Концептуальные основы реализации нейронечетких систем при исследовании экстремальных ситуаций методами теории катастроф в среде облачной модели............................ № 11

Нечаев Ю. И. Нейронечеткая система управления высокопроизводительными вычислениями при интерпретации динамики сложного объекта на основе теории катастроф в среде облачной модели............................................................................................................................................. № 11

Безгодов А. А., Князьков К. В., Ковальчук С. В., Бухановский А. В. Технология разработки нейрокомпьютерных систем виртуальной реальности на основе облачных вычислений................... № 11

Нечаев Ю. И., Петров О. Н. Нейропрогноз эволюции нестационарной динамической системы на основе геометрии фракталов и современной теории катастроф.................................. № 11

Амелин К. С., Амелина Н. О., Граничин О. Н., Корявко А. В. Применение алгоритма локального голосования для достижения консенсуса в децентрализованной сети интеллектуальных агентов..... № 11

Геппенер В. В., Мандрикова О. В., Глушкова Н. В. Метод моделирования данных критической частоты на основе совмещения вейвлет-преобразования и моделей авторегрессии.................................... № 11

Васильев А. Н., Тархов Д. А. Математические модели систем с интервально заданными параметрами на основе гетерогенных нейронных сетей. Продолжение температурного поля – классическая постановка задачи............................................................. № 11

Потапов А. С. Синтез прогнозирующих динамических ИНС на основе алгоритмической теории информации................................................................................................................ № 11

Бендерская Е. Н.Возможности применения некоторых характеристик синхронизации для выявления самоорганизующихся кластеров в осцилляторной нейронной сети с хаотической динамикой........... № 11

Научная школаИсследование и разработка интеллектуальных устройств управления средствами поражения и систем обнаружения, классификации и идентификации объектов

Назаров И. Г., Ефимов О. В., Язов Ю. К. Пакет национальных стандартов, обеспечивающих биометрико-нейросетевую защиту конфиденциальности массового оборота персональных данных... № 3

Ахметов Б. С., Надеев Д. Н., Урнев И.ю В., Сериков И. В. Аппроксимация биномиального зависимого закона композициями нормального, равномерного, апксинусного распределений значений............. № 3

Фунтиков В. А. Оценка «нано» и «пико» вероятностей появления редких событий биометрической аутентификации на малых тестовых выборках...................................................... № 3

Иванов А. И., Егорова Ю. Ю. Корреляционный метод быстрой оценки текущего значения показателя Херста биометрических данных и данных рынка........................................................... № 3

Андреев Д. Ю. Оценка эффективности применения обычной и взвешенной метрики Хэмминга при упорядочивании баз естественных биометрических образов...................................... № 3

Иванов А. И., Майоров А. В., Язов Ю. К. Энтропийно-корреляционная оценка хэширующих свойств нейросетевого преобразователя биометрия-код доступа.............................................................. № 3

Ахметов Б. С., Волчихин, Куликов С. В., Малыгина Е. А. Моделирование длинных биометрическихкодов, воспроизводящих корреляционные связи выходных данных нейросетевого преобразователя. № 3

Иванов А. И., Хальметова А. Н., Захаров О. С., Рыболовлев А. А., Рыжков А. П. Нейросетевой вокодер-архиватор, сохраняющий биометрические особенности голоса говорящего при высоком уровне сжатия шипящих звуков.................................................. № 3

Волчихин В. И., Артемов И. И., Безяев В. С., Малыгин А. Ю. Особенности тестирования средствбиометрико-нейросетевой аутентификации пользователей телекоммуникационной системы Министерства образования и науки Российской Федерации............................................... № 3

Безяев А. В. Нейросетевой преобразователь биометрии в самокорректирующийся код, совершенно не обладающий избыточностью................................................................................ № 3

Куликов С. В., Секретов М. В., Захаров О. С., Иванов А. И., Майоров А. В. Учет «тяжелых хвостов» ненормального закона распределения биометрических параметров все «Чужие» при настройке нелинейного элемента нейрона с несколькими дискретными состояниями....................................... № 3

Секретов М. В., Волчихин В. И., Безяев В. С. Нейросетевой классификатор типов узора папиллярного рисунка отпечатков пальцев................................................................................. № 3

Майоров А. В., Куликов С. В. Энтропийная оценка качества параметра нейросетевого преобразователя биометрия-код................................................................................................ № 3

Буханик А. А., Рыбалкин С. Б., Секретов М. В. Биометрико-нейросетевое обезличивание пациентов при первичном анонимном обращении в медучреждение............................................... № 3

Недеев Д. Н., Фунтиков В. А., Иванов А. И. Связь энтропии выходных состояний нейросетевых преобразователей биометрия-код с коэффициентами парной корреляции.................. № 3

Научная школаНейроматематика, модулярные нейрокомпьютеры и высокопроизводительные вычисления Северо-Кавказский федеральный университет

Червяков Н. И., Евдокимов А. А., Масленников Е. В. Криптография с открытым ключом на базе многослойной нейронной сети....................................................................................... № 12

Червяков Н. И., Евдокимов А. А., Масленникова Е. В. Применение нейронных сетей для оценки качества хэш-функции............................................................................................ № 12

Червяков Н. И., Евдокимов А. А. Масленникова Е. В. Особенности нейросетевой криптографии с открытым ключом............................................................................................ № 12

Червяков Н. И., Бабенко М. Г., Семенова Н. Ф. Построение генератора псевдослучайных числе на базе криптосистемы XTR с использованием приближенного метода................................. № 12

Червяков Н. И., Бабенко М. Г., Ляхов П. А. Аналитический обзор методов определения позиционных характеристик в системе остаточных классов.......................................................... № 12

Червяков Н. И., Бабенко М. Г., Ляхов П. А. Применение приближенного метода для реализации схемы разделения секрета на эллиптической кривой............................................ № 12

Макоха А. Н., Тышляр Т. Е. Построение нейронной сети для классификации точек линейных комплексов плоскостей типов А5и А6.......................................................................... № 12

Червяков Н. И. Бабенко М. Г., Ляхов П. А., Копыткова Л. Б., Лавриненко И. Н. Приближенный метод определения позиционной характеристики модулярного числа и его применение для выполнения немодулярных процедур нейропроцессоров в системе остаточных классов................................... № 12

Лавриненко И. Н., Федорова М. А., Роженко О. Д., Гладков А. В. Эффективные методы вычисления позиционных характеристик модульного кода нейропроцессора, построенного на основе целочисленной алгебры........................................................................ № 12

Корнеев П. К., Главдков А. В. Построение прямого метода решения систем линейных алгебраических уравнений с почти треугольной матрицей на основе восходящих цепных дробей........................... № 12

Червяков Н. И., Ляхов П. А. Метод определения знака числа в системе остаточных классов на основе приближенных вычислений............................................................................ № 12

Бабченко О. В. Использование марковских случайных процессов для моделирования систем различной природы....................................................................................................... № 12

Чечкин А. В., Савельев А. В. Нейрокомпьютеры в 2012 году: новая парадигма         № 12

www.radiotec.ru

Нейрокомпьютер — Википедия

Нейрокомпьютер — устройство переработки информации на основе принципов работы естественных нейронных систем[1]. Эти принципы были формализованы, что позволило говорить о теории искусственных нейронных сетей. Проблематика же нейрокомпьютеров заключается в построении реальных физических устройств, что позволит не просто моделировать искусственные нейронные сети на обычном компьютере, но так изменить принципы работы компьютера, что станет возможным говорить о том, что они работают в соответствии с теорией искусственных нейронных сетей.

Термины нейрокибернетика, нейроинформатика, нейрокомпьютеры вошли в научный обиход недавно — в середине 80-х годов XX века. Однако электронный и биологический мозг постоянно сравнивались на протяжении всей истории существования вычислительной техники. Знаменитая книга Н. Винера «Кибернетика» (1948)[2] имеет подзаголовок «Управление и связь в животном и машине».

Первыми нейрокомпьютерами были перцептроны Розенблатта: Марк-1 (1958) и Тобермори (1961—1967)[3], а также Адалин, разработанный Уидроу (англ.)русск. и Хоффом (1960) на основе дельта-правила (формулы Уидроу)[4]. В настоящее время Адалин (адаптивный сумматор, обучающийся по формуле Уидроу) является стандартным элементом многих систем обработки сигналов и связи.[5] В этом же ряду первых нейрокомпьютеров находится программа «Кора», разработанная в 1961 году под руководством М. М. Бонгарда[6].

Большую роль в развитии нейрокомпьютинга сыграла монография Розенблатта (1958)[7].

Идея нейро-бионики (создания технических средств на нейро-принципах) стала интенсивно реализовываться в начале 1980-х гг. Импульсом было следующее противоречие: размеры элементарных деталей компьютеров сравнялись с размерами элементарных «преобразователей информации» в нервной системе, было достигнуто быстродействие отдельных электронных элементов в миллионы раз большее, чем у биологических систем, а эффективность решения задач, особенно связанных задач ориентировки и принятия решений в естественной среде, у живых систем пока недостижимо выше.

Другой импульс развитию нейрокомпьютеров дали теоретические разработки 1980-х годов по теории нейронных сетей (сети Хопфилда, сети Кохонена, метод обратного распространения ошибки).

В отличие от цифровых систем, представляющих собой комбинации процессорных и запоминающих блоков, нейропроцессоры содержат память, распределённую в связях между очень простыми процессорами, которые часто могут быть описаны как формальные нейроны или блоки из однотипных формальных нейронов. Тем самым основная нагрузка на выполнение конкретных функций процессорами ложится на архитектуру системы, детали которой в свою очередь определяются межнейронными связями. Подход, основанный на представлении как памяти данных, так и алгоритмов системой связей (и их весами), называется коннекционизмом.

Три основных преимущества нейрокомпьютеров:

1. Все алгоритмы нейроинформатики высокопараллельны, а это уже залог высокого быстродействия.
2. Нейросистемы можно легко сделать очень устойчивыми к помехам и разрушениям.
3. Устойчивые и надёжные нейросистемы могут создаваться и из ненадёжных элементов, имеющих значительный разброс параметров.

Разработчики нейрокомпьютеров стремятся объединить устойчивость, быстродействие и параллелизм АВМ — аналоговых вычислительных машин — с универсальностью современных компьютеров.[8]

На роль центральной проблемы, решаемой всей нейроинформатикой и нейрокомпьютингом, А. Горбань[9] предложил проблему эффективного параллелизма. Давно известно, что производительность компьютера возрастает намного медленнее, чем число процессоров. М. Минский сформулировал гипотезу: производительность параллельной системы растёт (примерно) пропорционально логарифму числа процессоров — это намного медленнее, чем линейная функция (Гипотеза Минского).

Для преодоления этого ограничения применяется следующий подход: для различных классов задач строятся максимально параллельные алгоритмы решения, использующие какую-либо абстрактную архитектуру (парадигму) мелкозернистого параллелизма, а для конкретных параллельных компьютеров создаются средства реализации параллельных процессов заданной абстрактной архитектуры. В результате появляется эффективный аппарат производства параллельных программ.

Нейроинформатика поставляет универсальные мелкозернистые параллельные архитектуры для решения различных классов задач. Для конкретных задач строится абстрактная нейросетевая реализация алгоритма решения, которая затем реализуется на конкретных параллельных вычислительных устройствах. Таким образом нейросети позволяют эффективно использовать параллелизм.

Многолетние усилия многих исследовательских групп привели к тому, что к настоящему моменту накоплено большое число различных «правил обучения» и архитектур нейронных сетей, их аппаратных реализаций и приёмов использования нейронных сетей для решения прикладных задач.

Эти интеллектуальные изобретения[10] существуют в виде «зоопарка» нейронных сетей. Каждая сеть из зоопарка имеет свою архитектуру, правило обучения и решает конкретный набор задач. В последнее десятилетие прилагаются серьёзные усилия для стандартизации структурных элементов и превращений этого «зоопарка» в «технопарк»[11]: каждая нейронная сеть из зоопарка реализована на идеальном универсальном нейрокомпьютере, имеющем заданную структуру.

Основные правила выделения функциональных компонентов идеального нейрокомпьютера (по Миркесу):

1. Относительная функциональная обособленность: каждый компонент имеет чёткий набор функций. Его взаимодействие с другими компонентами может быть описано в виде небольшого числа запросов.
2. Возможность взаимозамены различных реализаций любого компонента без изменения других компонентов.

Постепенно складывается рынок нейрокомпьютеров. В настоящее время широко распространены различные высокопараллельные нейро-ускорители[12] (сопроцессоры) для различных задач. Моделей универсальных нейрокомпьютеров на рынке мало отчасти потому, что большинство из них реализованы для спецприменений. Примерами нейрокомпьютеров являются нейрокомпьютер Synapse (Siemens, Германия),[13] процессор NeuroMatrix[14]. Издаётся специализированный научно-технический журнал «Нейрокомпьютеры: разработка, применение»[15]. Проводятся ежегодные конференции по нейрокомпьютерам[16]. С технической точки зрения сегодняшние нейрокомпьютеры — это вычислительные системы с параллельными потоками одинаковых команд и множественным потоком данных (MSIMD-архитектура). Это одно из основных направлений развития вычислительных систем с массовым параллелизмом.

Искусственная нейронная сеть может передаваться от (нейро)компьютера к (нейро)компьютеру, так же как и компьютерная программа. Более того, на её основе могут быть созданы специализированные быстродействующие аналоговые устройства. Выделяются несколько уровней отчуждения нейронной сети от универсального (нейро)компьютера[17]: от сети, обучающейся на универсальном устройстве и использующей богатые возможности в манипулировании задачником, алгоритмами обучения и модификации архитектуры, до полного отчуждения без возможностей обучения и модификации, только функционирование обученной сети.

Одним из способов подготовки нейронной сети для передачи является её вербализация: обученную нейронную сеть минимизируют с сохранением полезных навыков. Описание минимизированной сети компактнее и часто допускает понятную интерпретацию.

В нейрокомпьютинге постепенно созревает новое направление, основанное на соединении биологических нейронов с электронными элементами. По аналогии с Software (программное обеспечение) и Hardware (электронное аппаратное обеспечение), эти разработки получили наименование Wetware (англ.).

В настоящее время уже существует технология соединения биологических нейронов со сверхминиатюрными полевыми транзисторами с помощью нановолокон (Nanowire (англ.)).[18] В разработках используется современная нанотехнология. В том числе, для создания соединений между нейронами и электронными устройствами используются углеродные нанотрубки. [19]

Распространено также и другое определение термина «Wetware» — человеческий компонент в системах «человек-компьютер».

1. Управление в реальном времени[20][21], в том числе:
   • самолётами и ракетами[22],
   • технологическими процессами непрерывного производства (в энергетике, металлургии и др.)[23],
   • гибридным (электробензиновым) двигателем автомобиля[24],
   • пневмоцилиндром[25],
   • сварочным аппаратом [26],
   • электропечью[27],
   • турбогенератором[28].
2. Распознавание образов:
   • изображений[29], человеческих лиц[30], букв и иероглифов, отпечатков пальцев в криминалистике, речи, сигналов радара и сонара,
   • элементарных частиц и происходящих с ними физических процессов (эксперименты на ускорителях или наблюдение за космическими лучами),
   • заболеваний по симптомам (в медицине)[31],
   • местностей, где следует искать полезные ископаемые (в геологии, по косвенным признакам),
   • признаков опасности в системах безопасности,
   • свойств химических соединений по структуре (в хемоинформатике)[32]
3. Прогнозирование в реальном времени:
   • погоды,
   • курса акций (и других финансовых показателей)[33],
   • исхода лечения,
   • политических событий (результатов выборов, международных отношений и др.)[34][35],
   • поведения противника (реального или потенциального) в военном конфликте и в экономической конкуренции,
   • устойчивости супружеских отношений.
4. Оптимизация — поиск наилучших вариантов:
   • при конструировании технических устройств,[36]
   • при выборе экономической стратегии,
   • при подборе команды (от сотрудников предприятия до спортсменов и участников полярных экспедиций),
   • при лечении больного.
5. Обработка сигналов при наличии больших шумов.
6. Протезирование («умные протезы») и усиление естественных функций[37], в том числе — за счёт прямого подключения нервной системы человека к компьютерам (Нейро-компьютерный интерфейс).
7. Психодиагностика[38][39][40]
8. Телекоммуникационное мошенничество, его обнаружение и предотвращение с помощью нейросетевых технологий — по мнению некоторых специалистов[41] являются одной из самых перспективных технологий в области защиты информации в телекоммуникационных сетях.
9. Информационная безопасность[42]

• Neurocomputing, Elsevier ISSN 0925-2312
• Журнал «Нейрокомпьютеры: разработка, применение», ИПРЖР Радиотехника (недоступная ссылка) ISSN 1999-8554
• Аляутдинов М. А., Галушкин А. И., Казанцев П. А., Остапенко Г. П. Нейрокомпьютеры: от программной к аппаратной реализации. — М.: Горячая линия - Телеком, 2008. — 152 с. — ISBN 978-5-9912-0044-8.
• Горбань А. Н., Россиев Д. А., Нейронные сети на персональном компьютере. — Новосибирск: Наука, 1996. — 276 с. DOI: 10.13140/RG.2.1.4114.1600
• Нейрокомпьютерная парадигма и общество. / Под ред. Ю. Ю. Петрунина. — М.: Издательство Московского университета, 2012. — 304 с. — ISBN 978-5-211-06375-4.
• Чечкин А. В., Савельев А. В. Нейрокомпьютеры в 2012 году: новая парадигма

1. ↑ Дунин-Барковский В. Л., Нейрокибернетика, Нейроинформатика, Нейрокомпьютеры, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с ISBN 5-02-031410-2
2. ↑ Винер Н., Кибернетика, или Управление и связь в животном и машине. / Пер. с англ. И. В. Соловьева и Г. Н. Поварова; Под ред. Г. Н. Поварова. — 2-е издание. — М.: Наука, 1983. — 344 с.
3. ↑ Neural networks-then and now
4. ↑ Королев Л. Н. Нейрокомпьютинг, нейросети и нейрокомпьютеры
5. ↑ Уидроу Б., Стирнс С., Адаптивная обработка сигналов. — М.: Радио и связь, 1989. — 440 c.
6. ↑ Бонгард М. М., Проблема узнавания М.: Физматгиз, 1967. Другая копия онлайн: [1]
7. ↑ Rosenblatt, F. The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain. In, Psychological Review, Vol. 65, No. 6, pp. 386—408, November, 1958. Lancaster, PA and Washington, DC: American Psychological Association, 1958. Розенблатт Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга — М.: Мир, 1965.
8. ↑ Горбань А. Н. Нейрокомпьютер, или Аналоговый ренессанс, Мир ПК, 1994, № 10, 126—130.
9. ↑ Горбань А. Н., Кто мы, куда мы идем, как путь наш измерить?, Пленарный доклад на открытии конференции Нейроинформатика-99, МИФИ, 20 января 1999. Журнальный вариант: Горбань А. Н., Нейроинформатика: кто мы, куда мы идем, как путь наш измерить // Вычислительные технологии. — М.: Машиностроение. — 2000. — № 4. — С. 10-14. = Gorban A.N., Neuroinformatics: What are us, where are we going, how to measure our way? The Lecture at the USA-NIS Neurocomputing Opportunities Workshop, Washington DC, July 1999 (Associated with IJCNN’99)
10. ↑ Савельев А. В., Нейрокомпьютеры в изобретениях // «Нейрокомпьютеры: разработка, применение». (недоступная ссылка), М. Радиотехника, 2004, № 2-3, с. 33-49.
11. ↑ Миркес Е. М., Нейрокомпьютер. Проект стандарта. — Новосибирск: Наука, 1999. — 337 с ISBN 5-02-031409-9 Другие копии онлайн: Архивированная копия. Проверено 15 октября 2008. Архивировано 3 июля 2009 года.
12. ↑ Савельев А. В., Нейроускоритель. Neural Network accelerator // Свид. о регистрации программы для ЭВМ № 2003610307, заявка 2002612174, 2003.
13. ↑ Шахнов В., Власов А., Кузнецов А., Нейрокомпьютеры — архитектура и реализация. Часть 1. ChipNews, 2000, N 5; Часть 2. Элементная база нейровычислителей. ChipNews, 2000, N 6; Часть 3.Аппаратная реализация нейровычислителей. ChipNews, 2001, 1.
14. ↑ Процессор цифровой обработки сигналов Л1879ВМ1 (NM6403) НТЦ «Модуль»
15. ↑ Журнал «Нейрокомпьютеры: разработка, применение». (недоступная ссылка)
16. ↑ Савельев А.В.X ВСЕРОССИЙСКАЯ НАУЧНАЯ КОНФЕРЕНЦИЯ "НЕЙРОКОМПЬЮТЕРЫ И ИХ ПРИМЕНЕНИЕ" НКП-201
17. ↑ Горбань А. Н. Обучение нейронных сетей, изд. СССР-США СП «Параграф», 1990, 160 с.
18. ↑ Patolsky F., Timko B.P., Yu G., Fang Y., Greytak A.B., Zheng G., and Lieber C.M. «Detection, Stimulation, and Inhibition of Neuronal Signals with High-Density Nanowire Transistor Arrays» (англ.) // Science. — 25 August 2006. — Iss. 313. — No. 5790. — P. 1100—1104. — DOI:10.1126/science.1128640.
19. ↑ Mazzatenta A., Giugliano M., Campidelli S., Gambazzi L., Businaro L., Markram H., Prato M., and Ballerini L. «Interfacing Neurons with Carbon Nanotubes: Electrical Signal Transfer and Synaptic Stimulation in Cultured Brain Circuits» (англ.) // The Journal of Neuroscience. — 27 June 2007. — No. 27. — P. 6931-6936. — DOI:10.1523/JNEUROSCI.1051-07.2007.
20. ↑ Терехов В. А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. — М.: Высшая школа, 2002. — С. 184. — ISBN 5-06-004094-1.
21. ↑ Тюкин И. Ю., Терехов В. А., Адаптация в нелинейных динамических системах, (Серия: Синергетика: от прошлого к будущему), Санкт-Петербург: ЛКИ, 2008. — 384 с. ISBN 978-5-382-00487-7
22. ↑ Применение нейрокомпьютеров в ракетно-космической технике. Сборник статей. Ефимов В. В. (ред). — М.: Радиотехника, 2006. — 144 C.
23. ↑ Галушкин А. И. Применение нейрокомпьютеров в энергетических системах, М.: Научный центр нейрокомпьютеров, 1997.
24. ↑ Danil V. Prokhorov. Toyota Prius HEV Neurocontrol and Diagnostics, Neural Networks. – 2008. – No. 21. – P. 458 - 465
25. ↑ Змеу К.В., Марков Н.А., Шипитько И.А., Ноткин Б.С. Безмодельное прогнозирующее инверсное нейроуправление с регенерируемым эталонным переходным процессом // Интеллектуальные системы. – 2009. – № 3. – С. 109 – 117.
26. ↑ D’Emilia G., Marrab A., Natalea E. Use of neural networks for quick and accurate auto-tuning of PID controller // Robotics and Computer-Integrated Manufacturing. – 2007. – Vol. 23. – P. 170 – 179.
27. ↑ Dias F.M., Mota A.M. Comparison between Different Control Strategies using Neural Networks // 9th Mediterranean Conference on Control and Automation. – Dubrovnik, Croatia, 2001
28. ↑ Venayagamoorthy G.K., Harley R.G., Wunsch D.C. Implementation of Adaptive Critic-based Neurocontrollers for Turbogenerators in a Multimachine Power System, IEEE Transactions on Neural Networks. – 2003. – Vol. 14, Issue 5. – P. 1047 – 1064.
29. ↑ Ruaro M.E., Bonifazi P., and Torre V., Toward the Neurocomputer: Image Processing and Pattern Recognition With Neuronal Cultures, IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 52, NO. 3, MARCH 2005, 371—383.
30. ↑ Micheli-Tzanakou, E., Uyeda, E., Ray, R., Sharma, A., Ramanujan, R., Dong, J., Comparison of Neural Network Algorithms for Face Recognition, SIMULATION 65 (1995), 37-51
31. ↑ Россиев Д. А., Медицинская нейроинформатика, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с.
32. ↑ И. И. Баскин, В. А. Палюлин, Н. С. Зефиров. Применение искусственных нейронных сетей для прогнозирования свойств химических соединений // Нейрокомпьютеры: разработка, применение. - 2005. - № 1 - 2. - С. 98 - 101.
33. ↑ Галушкин А. И., Применения нейрокомпьютеров в финансовой деятельности.
34. ↑ Миркес Е. М.,Логически прозрачные нейронные сети и производство явных знаний из данных, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с ISBN 5-02-031410-2
35. ↑ Borisyuk, R., Borisyuk, G., Rallings, C., and Thrasher, M. Forecasting the 2005 General Election: A Neural Network Approach. British Journal of Politics and International Relations. 7(2) (2005), 199—209.
36. ↑ Терехов С. А., Нейросетевые информационные модели сложных инженерных систем, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с ISBN 5-02-031410-2
37. ↑ Morillas C., Romero S., Martinez A., Pelayo F., Reyneri L., Bongard M., Fernandez, E., A neuroengineering suite of computational tools for visual prostheses, Neurocomput., 70 (16-18) (2007), 2817—2827.
38. ↑ Gorban A.N., Rossiyev D.A., Dorrer M.G., MultiNeuron — Neural Networks Simulator For Medical, Physiological, and Psychological Applications, Wcnn’95, Washington, D.C.: World Congress on Neural Networks 1995 International Neural Network Society Annual Meeting : Renaissance Hotel, Washington, D.C., USA, July 17-21, 1995.
39. ↑ Dorrer M.G., Gorban A.N., Kopytov A.G., Zenkin V.I., Psychological Intuition of Neural Networks. Proceedings of the 1995 World Congress On Neural Networks, A Volume in the INNS Series of Texts, Monographs, and Proceedings, Vol. 1, 1995, 193—196.
40. ↑ Доррер М. Г., Психологическая интуиция искусственных нейронных сетей, Дисс. … 1998. Другие копии онлайн: [2]
41. ↑ Taniguchi M., Haft M., Hollm\'en J., Tresp V., Fraud detection in communications networks using neural and probabilistic methods, In Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP’98), volume II, pages 1241—1244, 1998.
42. ↑ Червяков Н.И., Евдокимов А.А., Галушкин А.И., Лавриненко И.Н. и др.,Применение искусственных нейронных сетей и системы остаточных классов в криптографии,- М.: ФИЗМАТЛИТ, 2012.- 280 c. - ISBN 978-5-9221-1386-1.

ru.bywiki.com

Neurocomputers Publishing house Radiotekhnika

 

Neurophysiological models of neural networks

Е.А. Umryukhin – Corresponding member оf RAS, Dr.Sc. (Biol.), Professor, Leading Research Scientist, Head of Laboratory of intellectual activity physiological mechanisms, Р.K. Anokhin Institute of normal physiology (Moscow)Е-mail: [email protected]	8-13
A.G. Gorkin – Ph.D. (Psychol.), Senior Research Scientist, Institute of Psychology RAS (Moscow)E-mail: [email protected]. Kusina – Junior Research Scientist, Institute of Psychology RAS (Moscow)E-mail: [email protected]	14-15
E.A. Kuzina – Junior Research Scientist, Institute of Psychology RAS, Laboratory of Psychophysiology n.a. V.B. Schyrkov (Moscow)E-mail: [email protected]	16-17
E.A. Kuzina – Junior Research Scientist, Institute of Psychology RAS, Laboratory of Psychophysiology n.a. V.B. Schyrkov (Moscow)E-mail: [email protected]	18-19
E.P. Murtazina– Ph.D. (Med.), Leading Research Scientist, P.K. Anochin Institute of Normal Physiology (Mos-cow)E-mail: [email protected]. Zhuravlev – Dr.Sc. (Med.), Professor, Head of Laboratory, P.K. Anokhin Institute of Normal Physiology (Moscow)E-mail: [email protected] – Junior Research Scientist, P.K. Anokhin Institute of Normal Physiology (Moscow)E-mail: [email protected]	20-22
E.P. Murtazina – Ph.D. (Med.), Leading Research Scientist, P.K. Anochin Institute of Normal Physiology (Moscow)E-mail: [email protected] I.S. Matuylko – Student, Biological Faculty, Lomonosov Moscow State UniversityE-mail: [email protected]. Zhuravlev – Dr.Sc. (Med.), Professor, Head of Laboratory, P.K. Anokhin Institute of Normal Physiology (Moscow)E-mail: [email protected]. Lazarev – Student, Medical Faculty, A.I. Yevdokimov Moscow State University of Medicine and DentistryE-mail: [email protected]	23-24
N.R. Sabanina – Master, Department of Pedagogy, Institute «Higher School of Education», Moscow Pedagogical State UniversityE-meil: [email protected]. Zhuravlev – Dr.Sc. (Med.), Professor, Head of Laboratory, P.K. Anokhin Institute of Normal Physiology (Moscow)E-meil: [email protected] V.S. Meskov – Dr.Sc. (Philos.), Professor, Department of Pedagogy, Institute «Higher School of Education» Moscow Pedagogical State UniversityE-meil: [email protected]. Murtazina – Ph.D. (Med.), Leading Research Scientist, P.K. Anochin Institute of Normal Physiology (Moscow)E-meil: [email protected]	25-26
I.S. Bryantcev – Post-graduate Student, Moscow City Pedagogical University E-mail: [email protected]. Kolushov – Ph.D. (Eng.), Associate Professor, Department of «Нigher Mathematics», Ufa State Aviation Technical University E-mail: [email protected]. Savelyev – Ph.D. (Philos.), Senior Research Scientist, Director of the Patent agency «©Uniquely honest patenting» (Moscow)E-mail: [email protected]	27-30

Applied problems in neuroscience in psychology and medicine

O.I. Efimov – Neurologist, Head of Children's Neurological Clinic «Prognoz» (Saint-Petersburg)E-mail: [email protected]. Efimova – Ph.D. (Ped.), Speech Therapist, Manager Speech Therapy Center “Logoprognoz” (Saint-Petersburg) E-mail: [email protected]. Rozhkov – Ph.D. (Biol.), Leading Research Scientist, I.M. Sechenov Institute of Evolutionary Physiology and Biochemistry of the Russian Academy of Sciences (Saint-Petersburg)E-mail: [email protected] N.A. Ryabchikova – Dr.Sc. (Biol.), Senior Research Scientist, Department of The Higher Nervous Activity, Faculty of Biology, Lomonosov Moscow State University E-mail: [email protected]	31-37
V.L. Efimova – Ph.D. (Ped.), Principal Director of Scientific Research «Prognoz» Group Neurological Clinics (Saint-Petersburg)E-mail: [email protected]. Ryabchikova – Dr.Sc. (Biol.), Senior Research Scientist, Senior of the Higher Nervous Activity, Faculty of Biology, Lomonosov Moscow State University E-mail: [email protected]	38-40
M.V. Fedulov – Vice-President, Federation Vovinam Viet Vo Dao of Russia (Moscow)E-mail: [email protected]. Panov – Assistant, Laboratory of Functional Neurocytology, Institute of Higher Nervous Activity and Neurophysiology of RAS (Moscow)E-mail: [email protected]. Loginova – Ph.D. (Biol.), Senior Research Scientist, Laboratory of Functional Neurocytology, Institute of Higher Nervous Activity and Neurophysiology of RAS (Moscow)E-mail: [email protected]. Savelyev – Ph.D. (Philos.), Senior Research Scientist, Director of the Patent agency «©Uniquely honest patenting» E-mail: [email protected]. Kositsyn – Dr.Sc. (Biol.), Professor, Honored Scientist of Russian Federation, Chief Research Scientist, Laboratory of Functional Neurocytology, Institute of Higher Nervous Activity and Neurophysiology of RAS (Moscow)E-mail: [email protected]	41-43

Neurophilopophy

Information

Yu.Yu. Petrunin – Dr.Sc. (Philos.), Professor, Head of Department of Mathematical Methods and Information Technology in Management, School of Public Administration, Lomonosov Moscow State UniversityE-mail: [email protected]	54-55
V.S. Meskov – Dr.Sc. (Philos.), Professor, Department of Pedagogy, Institute “Higher School of Education», Moscow State Pedagogical UniversityE-mail: [email protected]. Sabanina – Master, Department of Pedagogy, Institute "Higher School of Education", Moscow State Pedagogical UniversityE-mail: [email protected]	56-57
A.V. Savelyev – Ph.D. (Philos.), Senior Research Scientist, Director of the Patent agency «©Uniquely honest patenting» E-mail: [email protected]	58-60

www.radiotec.ru

Neurocomputers Publishing house Radiotekhnika

 

N.V. Andrievskaya – Ph.D. (Eng.), Associate Professor, Automation Means Department, Perm National Research Polytechnic UniversityE-mail: [email protected]	3-8
S.A. Dadenkov – Research Assistant, Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]. Kon – Ph.D. (Eng.), Professor, Department of Automation and Telemechanics», Perm National Research Polytechnic University E-mail: [email protected]	9-14
A.V. Eltishev – Student, Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]. Posyagin – Assistant, Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]. Yuzhakov – Dr.Sc. (Eng.), Professor, Head of Department of Automation and Telemechanics, Perm National Research Polytechnic University	15-19
M.V. Kavalerov – Ph.D. (Eng.), Department of Automation and Telemechanics,  Perm National Research Polytechnic UniversityE-mail: [email protected]	20-26
A.N. Kamenskih – Post-graduate Student, Assistant of the Faculty of Electrical Engineering, Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]	27-31
A.N. Kamenskih – Post-graduate Student, Assistant, Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]. Tyurin – Dr.Sc. (Eng.), Professor, Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]	32-38
T.S. Legotkina – Ph.D. (Eng.), Lecturer, Department of Automation and Telemechanics, Perm National Research Polytechnic University E-mail: [email protected]. Khizhnyakov – Dr.Sc. (Eng.), Professor, Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]	39-44
A.I. Tur – Post-graduate Student, Perm National Research Polytechnic University E-mail: [email protected] A.N. Kokoulin – Ph.D. (Eng.), Associate Professor, Perm National Research Polytechnic UniversityA.A. Yuzhakov – Dr.Sc.(Eng.), Professor, Head of Department of Automation and Telemechanics,  Perm National Research Polytechnic University	45-48
V.I. Freyman – Ph.D. (Eng.), Professor, Deputy Head of the Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]	49-54
V.I. Freyman – Ph.D. (Eng.), Professor, Deputy Head of the Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]	55-59
A.S. Shaburov – Ph.D. (Eng.), Associate Professor, Department of Automation and Telemechanics, Perm National Research Polytechnic UniversityE-mail: [email protected]	60-64

www.radiotec.ru

---

Смотрите также

• 
  Журнал эпос
• 
  Журнал геориск
• 
  Геориск журнал
• 
  Журнал водопонижения
• 
  Сайенс журнал
• 
  Журнал армянка
• 
  Журнал трибуна
• 
  Журнал шмель
• 
  Грузоперевозки журнал
• 
  Журналы почвенников
• 
  Горец журнал