Новости
Корзина
Вход в систему
Нейросетевые и нечеткие методы оценивания стохастических систем
Автореферат
200 руб.
Диссертация
500 руб.
Артикул: 210270
Год:
2004
Тема диссертации:
Нейросетевые и нечеткие методы оценивания стохастических систем
Ученая cтепень:
доктор технических наук
Место защиты диссертации:
Комсомольск-на-Амуре
Код cпециальности ВАК:
05.13.18
Специальность:
Математическое моделирование, численные методы и комплексы программ
Количество cтраниц:
352
Оглавление:
ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ ВВЕДЕНИЕ
1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ ОПТИМАЛЬНОГО ОЦЕНИВАНИЯ И ФИЛЬТРАЦИИ
1.1. Традиционные методы стохастического оценивания
1.2. Постановка и решение задачи оценивания на основе байесовского подхода
1.3. Постановка и решение задачи оценивания на основе ||v небайесовского подхода
1.4. Постановка и решение задачи оценивания на основе метода наименьших квадратов
1.5. Постановка и решение задачи фильтрации марковских последовательностей
1.6. Основные проблемы и недостатки традиционных методов оценивания jk
1.7. Аналитический обзор и классификация работ по использованию нейронных сетей и нечетких систем для оценивания
1.8. Обсуждение современного состояния проблемы оптимального оценивания на основе нейронных сетей и нечетких систем
1.9. Выводы и постановка задач исследования
2. БАЙЕСОВСКОЕ ОЦЕНИВАНИЕ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ
2.1, Постановка и решение традиционной задачи байесовского оценивания
2.2. Постановка задачи «байесовского» оценивания при наличии обучающей выборки
2.3. Решение задачи оценивания с использованием линейной нейронной сети
2.4. Постановка и решение задачи оценивания с идентификацией матрицы и шумов измерения
2.5. Примеры решения задач оценивания
2.6. Выводы
3. ОПТИМАЛЬНАЯ РЕКУРРЕНТНАЯ ФРШЬТРАЦИЯ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ
3.1. Традиционный рекуррентный алгоритм фильтрации
3.2. Нейросетевой рекуррентный алгоритм фильтрации
3.3. Доказательство эквивалентности ФК и «обученного с учителем» нейросетевого алгоритма
3.4. Сопоставление нейросетевого алгоритма и фильтра Калмана
3.5. Пример оценивания марковского процесса второго порядка
3.6. Традиционный рекуррентный алгоритм нелинейной фильтрации расширенный фильтр Калмана
3.7. Нейросетевой рекуррентный алгоритм нелинейной фильтрации
3.8. Доказательство эквивалентности расширенного ФК и «обученного с учителем» нейросетевого алгоритма
3.9. Выводы
4. ОЦЕНИВАНИЕ С ПОМОЩЬЮ МЕТОДА МОНТЕ-КАРЛО И НЕЙРОННОЙ СЕТИ С РАДИАЛЬНЫМИ БАЗИСНЫМИ ФУНКЦИЯМИ
4.1. Постановка и решение традиционной задачи оценивания с помощью метода Монте-Карло
4.2. Постановка и решение задачи оценивания при наличии обучающей выборки
4.3. Сопоставление неиросетевого алгоритма и алгоритма на основе метода Монте-Карло
4.4. Обобщенные нейронные сети с РБФ
4.5. Обучение нейронной сети с РБФ
4.6. Иллюстрирующие примеры
4.7. Выводы
5. ОЦЕНИВАНИЕ НА ОСНОВЕ НЕЙРОЬШОЙ СЕТИ ПРИ ЕЕ ОБУЧЕНИИ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ
5.1. Постановка и решение традиционной задачи оценивания на Щ. основе метода наименьших квадратов
5.2. Постановка задачи «неиросетевого» оценивания при отсутствии обучающей выборки
5.3. Решение задачи оценивания с использованием линейной нейронной сети
5.4. Примеры решения задач оценивания
5.5. Сопоставление неиросетевого алгоритма и алгоритма на основе метода наименьших квадратов
5.6. Выводы
6. ОЦЕНИВАНИЕ СЛУЧАЙНЫХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ НА ОСНОВЕ СИСТЕМ НЕЧЕТКОЙ ЛОГИКИ И НЕЙРОНЕЧЕТКИХ СЕТЕЙ
6.1. Решение задачи байесовского оценивания при наличии обучающей выборки с использованием нечеткой системы
6.2. Генерация нечеткой системы на основе алгоритма Sugeno с проведением кластеризации данных
6.3. Настройка нейронечеткой системы с учителем при использовании обучающей выборки
6.4. Использование нечеткой системы для рекуррентного оценивания и оценивания в режиме реального времени
6.5. Примеры оценивания случайных последовательностей с использованием нечетких систем на основе алгоритма Sugeno
6.6. Основная концепция построения структурных схем систем оценивания на основе нейронных сетей и нечетких систем
6.7. Выводы
7. ПРИМЕНЕНИЕ БАЙЕСОВСКОГО, НЕЙРОСЕТЕВОГО ПОДХОДОВ И СИСТЕМ НЕЧЕТКОЙ ЛОГИКИ ДЛЯ ОЦЕНИВАНИЯ МАРКОВСКИХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ
7.1. Постановка и решение задачи адаптивной нелинейной фильтрации случайных последовательностей для параметрической неопределенности
7.2. Синтез оптимальных и адаптивных нелинейных фильтров для оценки параметров движения объектов на основе байесовского подхода
7.3. Фильтрация марковских последовательностей на основе байесовского, нейросетевого подходов и систем нечеткой логики при оценке параметров движущихся объектов
7.5. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ ОПТИМАЛЬНОГО ОЦЕНИВАНИЯ И ФИЛЬТРАЦИИ
1.1. Традиционные методы стохастического оценивания
1.2. Постановка и решение задачи оценивания на основе байесовского подхода
1.3. Постановка и решение задачи оценивания на основе ||v небайесовского подхода
1.4. Постановка и решение задачи оценивания на основе метода наименьших квадратов
1.5. Постановка и решение задачи фильтрации марковских последовательностей
1.6. Основные проблемы и недостатки традиционных методов оценивания jk
1.7. Аналитический обзор и классификация работ по использованию нейронных сетей и нечетких систем для оценивания
1.8. Обсуждение современного состояния проблемы оптимального оценивания на основе нейронных сетей и нечетких систем
1.9. Выводы и постановка задач исследования
2. БАЙЕСОВСКОЕ ОЦЕНИВАНИЕ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ
2.1, Постановка и решение традиционной задачи байесовского оценивания
2.2. Постановка задачи «байесовского» оценивания при наличии обучающей выборки
2.3. Решение задачи оценивания с использованием линейной нейронной сети
2.4. Постановка и решение задачи оценивания с идентификацией матрицы и шумов измерения
2.5. Примеры решения задач оценивания
2.6. Выводы
3. ОПТИМАЛЬНАЯ РЕКУРРЕНТНАЯ ФРШЬТРАЦИЯ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ
3.1. Традиционный рекуррентный алгоритм фильтрации
3.2. Нейросетевой рекуррентный алгоритм фильтрации
3.3. Доказательство эквивалентности ФК и «обученного с учителем» нейросетевого алгоритма
3.4. Сопоставление нейросетевого алгоритма и фильтра Калмана
3.5. Пример оценивания марковского процесса второго порядка
3.6. Традиционный рекуррентный алгоритм нелинейной фильтрации расширенный фильтр Калмана
3.7. Нейросетевой рекуррентный алгоритм нелинейной фильтрации
3.8. Доказательство эквивалентности расширенного ФК и «обученного с учителем» нейросетевого алгоритма
3.9. Выводы
4. ОЦЕНИВАНИЕ С ПОМОЩЬЮ МЕТОДА МОНТЕ-КАРЛО И НЕЙРОННОЙ СЕТИ С РАДИАЛЬНЫМИ БАЗИСНЫМИ ФУНКЦИЯМИ
4.1. Постановка и решение традиционной задачи оценивания с помощью метода Монте-Карло
4.2. Постановка и решение задачи оценивания при наличии обучающей выборки
4.3. Сопоставление неиросетевого алгоритма и алгоритма на основе метода Монте-Карло
4.4. Обобщенные нейронные сети с РБФ
4.5. Обучение нейронной сети с РБФ
4.6. Иллюстрирующие примеры
4.7. Выводы
5. ОЦЕНИВАНИЕ НА ОСНОВЕ НЕЙРОЬШОЙ СЕТИ ПРИ ЕЕ ОБУЧЕНИИ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ
5.1. Постановка и решение традиционной задачи оценивания на Щ. основе метода наименьших квадратов
5.2. Постановка задачи «неиросетевого» оценивания при отсутствии обучающей выборки
5.3. Решение задачи оценивания с использованием линейной нейронной сети
5.4. Примеры решения задач оценивания
5.5. Сопоставление неиросетевого алгоритма и алгоритма на основе метода наименьших квадратов
5.6. Выводы
6. ОЦЕНИВАНИЕ СЛУЧАЙНЫХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ НА ОСНОВЕ СИСТЕМ НЕЧЕТКОЙ ЛОГИКИ И НЕЙРОНЕЧЕТКИХ СЕТЕЙ
6.1. Решение задачи байесовского оценивания при наличии обучающей выборки с использованием нечеткой системы
6.2. Генерация нечеткой системы на основе алгоритма Sugeno с проведением кластеризации данных
6.3. Настройка нейронечеткой системы с учителем при использовании обучающей выборки
6.4. Использование нечеткой системы для рекуррентного оценивания и оценивания в режиме реального времени
6.5. Примеры оценивания случайных последовательностей с использованием нечетких систем на основе алгоритма Sugeno
6.6. Основная концепция построения структурных схем систем оценивания на основе нейронных сетей и нечетких систем
6.7. Выводы
7. ПРИМЕНЕНИЕ БАЙЕСОВСКОГО, НЕЙРОСЕТЕВОГО ПОДХОДОВ И СИСТЕМ НЕЧЕТКОЙ ЛОГИКИ ДЛЯ ОЦЕНИВАНИЯ МАРКОВСКИХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ
7.1. Постановка и решение задачи адаптивной нелинейной фильтрации случайных последовательностей для параметрической неопределенности
7.2. Синтез оптимальных и адаптивных нелинейных фильтров для оценки параметров движения объектов на основе байесовского подхода
7.3. Фильтрация марковских последовательностей на основе байесовского, нейросетевого подходов и систем нечеткой логики при оценке параметров движущихся объектов
7.5. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
Введение:
В диссертационной работе поставлена актуальная научная задача, состоящая в теоретическом сопоставлении традиционных методов оценивания с методами на основе нейронных сетей, нечеткой логики, неиронечетких систем, выявления преимуществ и недостатков последних и синтеза на их основе адаптивных систем оценивания. Методы оценивания, область использования, актуальность проблемы. Методы теории оптимального оценивания и фильтрации широко используются при оценивании состояния стохастических систем, случайных процессов и последовательностей [1, 7, 21, 23, 24, 36, 38, 54, 73-78, 80-83, 88-90, 93, 94, 102, 182, 193-195, 211]. Среди традиционных методов оценивания и фильтрации особо выделяется байесовский подход, который лежит в основе теории фильтрации. Достоинством байесовского подхода является то, что он обеспечивает решение задачи оценивания при: 1) нелинейности уравнений динамики и/или измерений; 2) наличии неточно известных параметров в этих уравнениях; 3) негауссовском характере функции плотности распределения вероятности (ф.п.р.в.) для ошибок измерений или начального вектора состояния. При решении задачи оценивания в рамках классического (небайесовского) подхода широкое распространение получила процедура, основанная на максимизации функции правдоподобия. В случае, когда не привлекается какая-либо априорная статистическая информация, задача оценивания решается с помощью метода наименьших квадратов (МНК). Повышение точности оценивания в режиме реального времени состояний и параметров динамических систем по зашумленным измерениям выходных переменных по-прежнему во многих инженерных приложениях представляет актуальную проблему оценки состояния, которая включает в себя решение задач сглаживания, фильтрации и прогноза. Среди таких приложений можно назвать управление состоянием системы, прогноз случайных последовательностей, слежение за подвижными объектами. В полной мере это относится и к навигационным системам, основное назначение которых заключается в определении местоположения объекта в пространстве, его ориентации и характера передвижения [17,23, 24, 26, 31, 33, 46, 47, 51, 53, 55, 57, 58, 66, 73, 77, 81, 90, 97, 103, 184]. Современное применение на состояние практике проблемы оценивания на основе традиционных методов. В рамках байесовского подхода наибольшее нашли быстродействующие алгоритмы калмановского типа, которые опираются на хорошо разработанную теорию линейной фильтрации марковских последовательностей и процессов [24, 54, 81,74-76,78,193-196]. Простота получаемых здесь оптимальных алгоритмов, в частности, линейная зависимость вычисляемых оценок вектора состояния от измерений, является следствием гауссовского характера апостериорной (условной к измерениям) плотности вероятности (АПВ) для этого вектора. Используют параметров Существует различные приближенные процедуры такого нахождения плотности. рода. Здесь гауссовской широкое аппроксимации апостериорной разнообразие основанные алгоритмов на необходимо выделить алгоритмы нелинейной фильтрации марковских последовательностей, апостериорной гауссовской фильтр аппроксимации Калмана (ОФК), вероятности: обобщенный итерационный ОФК, называемый иногда также фильтром с локальными итерациями. В случаях, когда апостериорная плотность многоэкстремальна, применяются другие методы ее аппроксимации: ряды Грамма-Шарлье, ряды Эджворта, сплайн-аппроксимации. Однако получающиеся при этом алгоритмы мало пригодны для реализации на ЭВМ. Один из заслуживающих специального рассмотрения методов аппроксимации АПВ метод сеток, основан на ее представлении с помощью набора дельта-функций. Одно из наиболее удобных описаний, обеспечивающих зет локального поведения АПВ, основано на ее полигауссовской аппроксимации. Недостатки традиционных методов фильтрации. Один из основных недостатков методов фильтрации при байесовском подходе заключается в том, что для построения оптимальных алгоритмов требуется исчерпывающая априорная информация о свойствах оцениваемых процессов и ошибок их измерений. При решении нелинейных задач, кроме того, возникает проблема построения реализуемых алгоритмов, поскольку для нахождения апостериорной плотности, необходимой для отыскания оценок, требуется в непрерывном случае решать интегро-дифференциальное уравнение ФоккераПланка-Колмогорова, а в дискретном вычислять громоздкие многократные интегралы [24, 81, 104, 193]. Реализация метода наименьших квадратов характеризуется низкой скоростью сходимости. Указанные недостатки заставляют исследователей искать новые подходы к построению алгоритмов. Один из таких подходов может быть основан на использовании нейронных сетей, нечеткой логики и нейронечетких систем. Нерешенные проблемы использования нейронных и нечетких систем. При попытке использования нейронных сетей для решения задач фильтрации весьма важным является вопрос взаимосвязи и отличий предлагаемых алгоритмов с теми, которые применяются традиционно для решения этих задач. Установив эти отличия и взаимосвязи, можно более обоснованно рассуждать о преимуществах или недостатках нейросетевого подхода по сравнению с традиционным. К сожалению, как показал обзор отечественных и зарубежных публикаций, этот вопрос должным образом не обсуждается. Как правило, сопоставление предлагаемых и традиционных алгоритмов опирается на результаты моделирования частных примеров [3,26,67,70,180,192,197,203] Из работ теоретического толка следует выделить работу [197], в которой показано, что рассматриваемые там
Список литературы:
1. Балакришнан А. Теория фильтрации Калмана: Пер. с англ. М.: Мир, 1988.-168 с.
2. Бахшиян Б.Ц., Назиров P.P., Эльясберг П.Е. Определение и коррекция движения (гарантирзющий подход). М.: Наука. Гл. ред. физ.мат.лит., 1980.-360 с.
3. Безмен Г.В. Анализ возможностей использования нейронных сетей для решения задач фильтрации Навигация и управление движением: Сб. докл. IY конф. молодых ученых. 2002. 103-106.
4. Берзигияров П.К., Султанов В.Г. Технология разработки масштабируемых параллельных вычислений для SMP-систем на базе MPI, http://www2.sscc.ru/Litera/2002. 154-160. 5. 240 с. Бесекерский В. А., Небылов А.В. Робастные системы автоматического управления. М.: Наука. Гл. ред. физ.-мат. лит., 1983.
5. Боровков А.А. Теория вероятностей: Уч. пособие для вузов. М.: Наука. Гл. ред. физ.-мат. лит., 1986. 432 с.
6. Брайсон А., Хо Ю-Ши. Прикладная управления. М.: Мир, 1972.
7. Бутенко А.А., Святный Д.А., Шахтарин Б.И. Обучение нейронной сети при помощи алгоритма фильтра Калмана. М.: МГТУ, 2002. 220-225. 9. Ван Трис Г. Теория обнаружения оценок и модуляции. Т.
8. Теория обнаружения оценок и линейной модуляции. М.: Сов. радио, 1972. 744 с. Т.
9. Теория нелинейной модуляции. Сов. радио, 1975. 342 с.
10. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука, 1979. 447 с. #1 i теория оптимального
11. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974.-416 с.
12. Вентцель E.G. Теория вероятностей: Учеб. для вузов. М.: Высш. шк., 2001.-575 с.
13. Вентцель E.G., Овчаров Л.А. Теория вероятностей и ее инженерные приложения: Учеб. для втузов. М.: Высш. шк., 2000. 480 с.
14. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. Спб.: БХВ-Петербург, 2002. 609 с.
15. Галушкин А.И. Основы нейроуправления Приложение к журналу «Информационные технологии», 2002. 10.
16. Галушкин А.И. Теория нейронных сетей. Кн. 1. Сер. «Нейрокомпьютеры и их применение Под ред. Галушкина А.И. М.: ИПРЖР,2000.-416с. 17. Глобальная спутниковая радионавигационная система ГЛОНАСС Под ред. В.Н. Харисова, А.И. Перова, В.А. Болдина. 2-е изд. исправ. М.: ИПРЖР, 1999.-560 с.
18. Гнеденко Б.В. Курс теории вероятностей: Учебник. 6-е изд., перераб. и доп. М.: Наука, 1988. 448 с.
19. Горбань А.Н. Обучение нейронных сетей. М.: ОП ParaGraf, 1990. -160 с. *s,
20. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука (Оиб. отделение), 1996. 276 с.
21. Граничин О.Н., Поляк Б.Т. Рандомизированные 2003.-293 с.
22. Девятисильный А.С., Дорожко В.М., Гриняк В.М. Нейроподобные алгоритмы 23. высотной Дмитриев СП. классификации Высокоточная движущихся морская объектов Л.: Информационные технологии, 2001. Ш 12. навигация. Судостроение, 1991. 222 с. алгоритмы оценивания и оптимизации при почти произвольных помехах. М.: Наука,
23. Дмитриев СП., Степанов О.А. Нелинейная фильтрация в задачах обработки навигационной информации Нелинейная теория управления и ее приложения. М.: Физматлит, 2003. 127-146.
24. Дьяконов В.П., Абраменкова И.В., Круглов В.В. MATLAB 5.3.1 с пакетами расширений Под ред. проф. В.П. Дьяконова. М.: Нолидж. 2001. 880 с.
25. Ефименко B.C., Харисов В.Н., Стребков Е.Г. Применение нейронных сетей в задачах оптимальной фильтрации Радиотехника. 2000. 7 С 56-61.
26. Задачи навигации и управления при стабилизации судна на траектории СП. Дмитриев, А.Е. Пелевин. СПб.: ГНЦ РФ-ЦНИИ «Электроприбор», 2002. 160 с.
27. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений Пер. с англ. М.: Мир, 1976. 165 с.
28. Зарицкий B.C., Светник В.Б., Шимелевич Л.И. Метод Монте-Карло в задачах оптимальной обработки информации. Автоматика и телемеханика. -1975.-№12.-С95-103.
29. Зингер Р.А. Оценка характеристик оптимального фильтра при слежении за пилотируемой целью Зарубежная радиоэлектроника, 1971. 8 С 40-57.
30. Ивановский Р.И., Эпштейн М.К. Оценка параметров движения маневрирующих объектов. Л.: ЦНИИ «Румб», 1982. 96 с.
31. Ивахненко А.Г., Мюллер И.А. Самоорганизация прогнозирующих моделей. К.: Технка, 1985; Берлин: ФЕБ Ферлаг Техник, 1984. 223 с.
32. Интегрированные системы ориентации и навигации для морских подвижных объектов О.Н. Анучин, Г.И. Емельянцев Под общей ред. академика РАН В.Г. Пешехонова. СПб.: ГНЦ РФ-ЦКИИ «Электроприбор», 2003.-390 с. S-
33. Казаков И.Е., Гладков Д.И. Методы оптимизации стохастических систем. М.: Наука. Гл. ред. физ.-мат. лит., 1987. 304 с.
34. Каллан P. Основные концепции нейронных сетей: Пер. с англ. М.: 0 Издательский дом «Вильяме», 2001. 288 с.
35. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем. М Мир, 1971. 400 с.
36. Кобяков П.В. Анализ классических нейронных сетей и сетей, основанных на фильтре Калмана Межд. конф. по мягким вычислениям и измерениям «SCM2003». Сб. докл. Т. 1. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2003.-С. 367-370.
37. Колмогоров А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей Известия АН СССР. Сер. Матем. 1941. Т. 5. 1. 3-14.
38. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров). М.: Наука, 1978. 832 с.
39. Короткий Нейронные сети: основные положения http://www.neuropower.de/rus/books/index.html. 1-4.
40. Короткий Нейронные сети: алгоритм обратного распространения http://www.neuropower.de/rusooks/index.html. 1-9.
41. Коршунов Ю.М. Математические основы кибернетики. М.: Щ Энергоатомиздат, 1987. 496 с.
42. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2002. 382 с.
43. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети: Уч. пособие. М.: Физматлит, 2001.-224 с.
44. Кузнецов В.П. Интервальные статистические модели. М.: Радио и связь, 1991.-352 с.
45. Кузьмин З. Основы проектирования систем цифровой обработки радиолокационной информации. М.: Радио и связь, 1986. 352 с.
46. Кузьмин З. Основы теории цифровой обработки радиолокационной информации. М.: Сов. радио, 1974. 432 с.
47. Левин Б.Р. Теоретические основы статистической радиотехники. 3-е изд., перераб. и доп. М.: Радио и связь, 1989. 656 с.
48. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fiizzyTECH. СПб.: БХВ-Петербург, 2003. 736 с.
49. Лепинин Е.Ф. Нейросетевая реализация алгоритма фильтрации Нейрокомпьютеры и их применение: Тр. VIII всеросс. конф. НКП-2002 с междун. участием, 21-22 марта 2002, М.: 2002. 226 231. 51. Ли Р. Оптимальные оценки, определение характеристик и управление: Пер. с англ. М.: Наука, 1966. 176 с.
50. Логинов В.П. Приближенные алгоритмы нелинейной фильтрации Зарубежная радиоэлектроника. 1975.- 2, Ч. 1. 28-48; 1976. 3, 4 2 С 3-28.
51. Лукомский Ю.А., Пешехонов В.Г., Скороходов Д.А. Навигация и управление движением судов: Учебник. СПб.: «Элмор», 2002. 360 с.
52. Медич Дж. Статистически оптимальные линейные оценки и управление: Пер. с англ. Под ред. А.С. Шаталова. М.: Энергия, 1973. 440 с.
53. Методические рекомендации диспетчерам службы движения по работе с оборудованием районной автоматизированной системы управления воздушным движением. М.: Воздушный транспорт, 1988. 406 с.
54. Методы нейроинформатики Под ред. А.Н. Горбаня; отв. за выпуск М.Г. Доррер. Красноярск: КГТУ, 1998. 205 с.
55. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации В.К. Баклицкий, A.M. Бочкарев, М.П. Мусьяков; Под ред. В.К. Баклицкого. М.: Радио и связь, 1986. 216 с.
56. Небылов А.В. Измерение параметров полета вблизи морской поверхности. СПб.: СПбГААП, 1994. 307 с.
57. Нейроматематика. Кн. 6. Сер. «Нейрокомпьютеры их применение» Под ред. Галушкина A.M. М.: ИПРЖР, 2002. 448 с.
58. Нейронные сети. STATISTICA Neural Networks: Пер. с англ. М.: Горячая линия-Телеком, 2000. 182 с.
59. Нечеткие множества в моделях управления и искусственного интеллекта Под ред. Д. А. Поспелова. М.: Наука. Гл. ред. физ.-мат. лит., 1986.-312 с. 62. 408 с.
60. Омату С, Халид М., Юсов Р. Нейроуправление и его приложения. Кн. 2. Сер. «Нейрокомпьютеры и их применение» Под ред. Галушкина А.И. -М.:РШРЖР,2000.
61. Пащенко Ф.Ф. Нечеткие регуляторы. Состояние и возможности Дальневосточная матем. школа-семинар им. академика Е.В. Золотова: Тез. докл., Владивосток, 6-11 сентября 2004 г. Владивосток: Изд-во Дальневосточного ун-та, 2004. 130-131.
62. Первачев СВ. Радиоавтоматика: Учеб, для вузов. М.: Радио и связь, 1982.-296 с.
63. Перевезенцев Л.Т., Огарков В.Н. Радиолокационные системы Нечеткие множества теория возможностей. Последние достижения: Пер. с англ. Под ред. P.P. Ягера. М.: Радио и связь, 1986. аэропортов. М.: Транспорт, 1991. 360 с.
64. Перов А.И., Соколов Г.Г. Сравнительный анализ нейросетевых и статистических алгоритмов в задачах обнаружения сигналов Цифровая обработка сигналов и ее применение: Тр. 3 междун. конф. «DSPA-2000». М., 2000.-С. 28-31.
65. Пивкин В.Я., Бакулин Е.П., Кореньков Д.И. Нечеткие множества в системах управления http://www.idisys.iae.nsk.su/fuzzy-book/.
66. Пискунов Н.С. Дифференциальное и интегральное исчисления для втузов: Уч. пособие для втузов. 13-е изд. М.: Наука, 1985. Т. 1—2.
67. Покалов В.А.. Применение нейронных сетей для решения задачи линейной фильтрации Современные технологии в задачах управления,
68. Поляхов И.Д., Приходько И.А. Нечеткие системы управления: Уч. пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2002. 48 с.
69. Производственные системы с искусственным интеллектом Р.А. Алиев, Н.М. Абдикеев, М.М. Шахназаров. М.: Радио и связь, 1990. 264 с.
70. Радиотехнические системы Ю.П. Гришин, В.П. Ипатов, Ю.М. Казаринов и др.; Под ред. Ю.М. Казаринова. М.: Высш. шк., 1990. 496 с.
71. Ройтенберг Я.Н. Автоматическое управление: Уч. пособие. М.: Наука. Гл. ред. физ.-мат. лит., 1978. 552 с.
72. Сейдж Э., Меле Дж. Теория оценивания и ее применение в связи и управлении: Пер. с англ. Под ред. Б.Р. Левина. М.: Связь, 1976. 496 с.
73. Сейдж Э.П., Уайт Ч.С., III. Оптимальное управление системами: Пер. с англ. Под ред. Б.Р. Левина. М.: Радио и связь, 1982. 392 с.
74. Сосулин Ю.Г. Теоретические основы радиолокации и радионавигации. -М.: Радио и связь, 1992. 304 с.
75. Справочник по теории автоматического управления Под ред. А.А. Красовского. М. Наука, 1987. 712 с.
76. Справочник по радиолокации Под ред. М. Сколника. Нью-Йорк, 1970: Пер. с англ. (в четырех томах) Под обш;ей ред. К.Н. Трофимова; Т.
77. Радиолокационные антенные устройства Под ред. П.И. Дудника. М.: Сов. радио, 1977.-408 с.
78. Степанов О.А. Основы теории оценивания и фильтрации с приложениями к обработке навигационной информации и примерами на Matlab: Уч. пособие. СПб.: ГНЦ РФ-ЦНИИ «Электроприбор», 2003. (http://education.ed).
79. Степанов О.А. Применение теории нелинейной фильтрации в задачах обработки навигационной информации.-СПб.: ГНЦ РФ-ЦНИИ «Электроприбор», 1998. 370 с.
80. Стратонович Р.Л. Принципы адаптивного приема. М.: Сов. радио, 1973.-144 с.
81. Стратонович Р.Л. Условные марковские процессы и их применение к теории оптимального управления. М.: МГУ, 1966. 320 с.
82. Терехов В.А., Ефимов Д.В., Тюкин И.Ю., Антонов В.Н, Неиросетевые системы управления. Кн. 8. Сер. «Нейрокомпьютеры и их применение» Под ред. Галушкина А.И. М.: ИПРЖР, 2002. 480 с.
83. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М Наука, 1979, 86. 174 с.
84. Тихонов В,И. Статистическая радиотехника. М,: Радио и связь, 1982.-624 с.
85. Тихонов В.И., Кульман Н.К. Нелинейная фильтрация и квазикогерентный прием сигналов. М.: Сов. радио, 1975. 704 с,
86. Тихонов В.И., Миронов М.А. Марковские процессы, М.: Сов, радио, 1977.-488 с,
87. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем. М.: Радио и связь, 1991.-608 с.
88. Турчак Л.И. Основы численных методов. М.: Наука, 1987.-320 с.
89. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. 240 с.
90. Фильтрация и стохастическое управление в динамических системах Под ред. К,Т. Леондеса: Пер, с англ. М.: Мир, 1980. 408 с,
91. Фомин В.Н, Рекуррентное оценивание и адаптивная фильтрация. М,: Наука, 1984.-288 с.
92. Фомин В.Н, Операторные методы теории линейной фильтрации случайных процессов, СПб.: Изд-во СПбГУ, 1
93. Тихонов А.Н., Уфимцев М.В. Статистическая обработка результатов экспериментов: Уч. пособие. М.: Изд-во Моск. ун-та, 1988.
94. Цыпкин Я.З. Информационная теория идентификации. М.: Наука. Физматлит, 1995. 336 с.
95. Ширман Я.Д., Манжос В.Н. Теория и техника обработки радиолокационной информации на фоне помех.-М.:Радио и связь, 1981.-416 с.
96. Ширяев А.Н. Вероятность: Уч. пособие для вузов. М.: Наука. Гл. ред. физ.-мат. лит., 1989. 640 с.
97. Эйкхофф П. Основы идентификации систем управления. М.: Мир, 1975.-686 с.
98. Элементы параллельного программирования В.А. Вальковский, В.Е. Котов, А.Г. Марчук, Н.Н. Миренков; Под ред. В.Е. Котова. М.: Радио и связь, 1983.-240 с.
99. Энциклопедия. Вероятность и математическая статистика. М.: Научное изд-во «Большая Российская энциклопедия», 1999.
100. Ярлыков М.С. Применение марковской теории нелинейной фильтрации в радиотехнике. М.: Сов. радио, 1980.-360 с.
101. Ярлыков М.С. Статистическая теория радионавигации. М.: Радио и связь, 1985.-344 с.
102. Ярлыков М.С, Миронов М.А. Марковская теория оценивания случайных процессов. М.: Радио и связь, 1993. 464 с.
103. Амосов О.С. Адаптивная нелинейная фильтрация случайных последовательностей на основе нейронных сетей и нечеткой логики Приборы и системы. Управление, контроль, диагностика. 2004. 5. 48-53.
104. Амосов О.С. Фильтрация марковских последовательностей на основе байесовского, нейросетевого подходов и систем нечеткой логики при обработке навигационной информации Известия РАН. Теория и системы управления. 2004. Т. 43. 4. 61-69.
105. Амосов О.С. Системы нечеткой логики для 11.-С. 16-24. фильтрации марковских последовательностей Информационные технологии. 2004.
106. Степанов Щ 2 0 0 4 6 С 46-55.
107. Степанов О.А., Амосов О.С. Оптимальная линейная фильтрация с использованием нейронной сети Гироскопия и навигация. 2004. 3 4 6 С 14-29. ПО. Амосов О.С, Девятисильный А.С. Сравнение точности нейросетевых фильтров и фильтров Калмана для оценки параметров движущихся объектов Приборы и системы. Управление, контроль, диагностика. 2003. 9. 32-36.
108. Амосов О.С. Синтез и исследование точности нелинейных и нейросетевых фильтров для оценки параметров движения объектов Гироскопия и навигация. 2003. 3 (42). 84; X СПб междун. конф. по интегрированным навигационным системам: Сб. науч. тр. СПб.: ГНЦ РФЦНИИ «Электроприбор», 2003. 95-97.
109. Амосов О.С. Алгоритмы обработки информации в системах управления движением на основе методов адаптивной нелинейной фильтрации, технологий искусственных нейронных сетей, нечеткой логики и баз знаний Дальневосточный математический журнал. 2003. Т. 4. 1. О.А., Амосов О.С. Байесовское оценивание с использованием нейронной сети Авиакосмическое приборостроение. -С. 52-70.
110. Амосов О.С. Нелинейная фильтрация случайных последовательностей на основе байесовского, нейросетевого подходов и нечеткой логики Идентификация систем и задачи управления: Тр. III междун. конф. «SICPRO04», Москва, 28-30 января 2004. М.: Ин-т проблем управления РАН, 2004. 522-540.
111. Амосов О.С. Повышение точностных характеристик и эффективности систем управления движением на основе методов адаптивной нелинейной фильтрации и искусственного интеллекта Идентификация систем и задачи управления: Тр. II междун. конф. «SICPRO03», Москва, 2931 января 2003. М.: Ин-т проблем управления РАН, 2003. 2169-2182.
112. Амосов О.С. Применение нейронных сетей и нечеткой логики для фильтрации марковских последовательностей Межд. конф. по мягким вычислениям и измерениям «SCM2003». Сб. докл. Т. 1. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2003. 348-351.
113. Амосов О.С. Нейрокомпьютерная обработка в решении задач нелинейной фильтрации параметров движения объектов Цифровая обработка сигналов и ее применение: Доклады 5 междун. конф. «DSPA2003».-М.: Издательское предприятие редакции журнала «Радиотехника», 2003.-С. 588-590.
114. Амосов О.С. Адаптивное оценивание случайных последовательностей на основе нейронных сетей и нечеткой логики Системы управления и информационные технологии: Междун. сб. научн. тр. Вып.
115. Воронеж: Научная книга, 2003. 54-61.
116. Амосов О.С. Методы адаптивной нелинейной фильтрации, нейроинтеллекта, нечеткой логики и баз знаний в системах управления движением объектов Системы управления и информационные технологии:
117. Воронеж: Центрально-Черноземное книжное изд-во, 2002. 42-49.
118. Амосов О.С. Байесовский подход к построению алгоритмов адаптивной дискретной нелинейной фильтрации при воздействии на объект случайного полумарковского процесса Математика и информатика: наука и образование: Межвуз. сб. научн. тр. Ежегодник. Вып.
119. Омск: Изд-во ОмГПУ, 2001.-С. 52-56.
120. Амосов О.С. Численная реализация алгоритмов оптимальной нелинейной дискретной фильтрации Компьютерные технологии в науке, производстве, социальных и экономических процессах: Матер. II междун. научн.-практич. конф., 25 ноября 2001 г.: Сб. докл. Новочеркасск: Юж.-Рос. гос. техн. ун-т (НПИ), 2001. Ч. 5. 17-21.
121. Амосов О.С. Адаптивная фильтрация случайных процессов на основе байесовского подхода, нейронных сетей и нечеткой логики Дальневосточная матем. школа-семинар им. академика Е.В. Золотова: Тез. докл. Владивосток: Изд-во Дальневост. ун-та, 2003. 128.
122. Амосов О.С. Синтез моделей и алгоритмов для систем управления движением на основе методов адаптивной нелинейной фильтрации нейроинтеллекта и нечеткой логики Дальневосточная матем. школасеминар им. академика Е.В. Золотова: Тез. докл., Владивосток, 25-31 августа 2002 г. Владивосток: Дальнаука, 2002. 111-112.
123. Амосов О.С. Нейронные сети и базы знаний в задачах адаптивной нелинейной фильтрации параметров движения воздушных судов Образование и наука в третьем тысячелетии: Сб. матер, к 4 междун. научн.теорет. конф. Барнаул: Изд-во Алтайского ун-та, 2002. Ч. 1. -С. 162-164.
124. Амосов О.С. Оценивание случайных последовательностей на основе нейронных сетей и нечеткой логики Роль науки, новой техники и технологий в экономическом развитии регионов: Матер. Дальневосточного инновационного форума с междун. участием, 23-26 сентября 2003 г.
125. Амосов О.С, Иванов Н., Евсеев В.П Оценка состояния электромеханических преобразователей на основе методов искусственного интеллекта Роль науки, новой техники и технологий в экономическом развитии регионов. Матер. Дальневосточного инновационного форума с междун. участием, 23-26 сентября 2003 г. Хабаровск: Изд-во Хабаровского Дальневосточного техн. ун-та, 2003. Ч. 2. 16-18.
126. Амосов О.С. Численные методы решения задач адаптивной нелинейной фильтрации с применением возможностей нейронных сетей и нечеткой логики Наука Техника Технологии: Матер. IV междун. научн.практ. конф.- Находка: Ин-т технологии и бизнеса, 2002. Ч. 2. -С. 3-4,
127. Амосов О.С. Исследование алгоритмов нелинейной фильтрации марковских последовательностей на основе байесовского и нейросетевого подходов при обработке навигационной информации Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. унта, 2003. 83-96.
128. Амосов О.С. Нелинейная нейросетевая фильтрация и экстраполяция координат и параметров движения объектов Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. унта, 2003. 96-104.
129. Амосов О.С. Параллельные вычисления в задачах оптимальной и :ф/ адаптивной нелинейной фильтрации Нелинейная динамика и прикладная синергетика: Матер, междун. научи, конф. 21—27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2003. 104109.
130. Амосов О.С. Синтез оптимальных и адаптивных нелинейных фильтров для оценки параметров движения объектов Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2003. 109-122.
131. Амосов О.С, Иванов Н. Синтез системы управления электромеханическим преобразователем на основе оптимального оценивания Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2003. 123-128.
132. Амосов О.С, Лапчинский Е.Н. Нейросетевые алгоритмы оценки параметров движения объектов Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: ГОУВПО «КнАГТУ», 2003. Ч. 2. 14-19.
133. Амосов О.С Адаптивный байесовский алгоритм нелинейной фильтрации параметров траектории маневрирующей цели Вестник КнАГТУ: Сб. науч. тр. Вып.
134. Нелинейная динамика, фракталы и нейронные сети в системах и технологиях. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002. 145-154.
135. Амосов О.С. Моделирование адаптивных алгоритмов оптимальной дискретной нелинейной фильтрации на основе байесовского подхода Математика, компьютер, образование: Матер. 9 междун. конф.: Сб. тез. Дубна, 2002. 1 с.
136. Амосов О.С Оптимальная дискретная нелинейная фильтрация (оценивание) в условиях неопределенности стохастических характеристик
137. Нелинейная динамика, фракталы и нейронные сети в системах и технологиях.— Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002.-С. 154-160.
138. Амосов О.С. Об одной модели искусственных нейронных сетей в переменных пространства состояний Вестник КнАГТУ: Сб. науч. тр. Вып.
139. Нелинейная динамика, фракталы и нейронные сети в системах и технологиях. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002.-С. 161-164.
140. Амосов О.С. Субоптимальное оценивание координат и параметров траектории движения воздушных судов в системе УВД с использованием базы знаний Вестник КнАГТУ: Сб. науч. тр. Вып. 3. Сб.
141. Прогрессивные технологии 31.
142. Амосов О.С. Адаптивная процессов нелинейная фильтрация и в специальном машиностроении и строительстве. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002. 24- идентификация динамических и возмущений в условиях априорной неопределенности Вестник КнАГТУ: Сб. науч. тр. Вып. 3. Сб.
143. Прогрессивные технологии в специальном машиностроении и строительстве. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002. 3240.
144. Амосов О.С, Голубева Т.Г., Иванов Н. Электромеханический преобразователь с синтетическим управлением Пути и технологии экономии и повышения эффективности использования энергетических ресурсов региона: Матер, междун. научн. конф. ЭЭЭ-2003 23-27 сентября 2003 г. Комсомольск-на-Амуре: ГОУВПО «КнАГТУ», 2003. Ч. 2. 913.
145. Амосов О.С, Лапчинский Е.Н. Автосопровождение движущихся объектов с помощью адаптивного алгоритма фильтрации на основе байесовского подхода Современные проблемы информатизации в системах
146. Амосов О.С. Нейросетевой подход к решению задачи дискретной нелинейной фильтрации Современные проблемы информатизации в технике и технологиях: Сб. тр. Вып. 8 (по итогам VIII междун. откр. научн. конф.) Воронеж: Центрально-Черноземное книжное изд-во, 2003. 2829.
147. Амосов О.С. Распараллеливание алгоритмов адаптивной нелинейной фильтрации на основе метода сеток Современные проблемы информатизации в технике и технологиях: Сб. тр. Вып. 8 (по итогам VIII междун. откр. научн. конф.) Воронеж: Центрально-Черноземное книжное изд-во, 2003. 27-28.
148. Амосов О.С. Компьютерная реализация адаптивных алгоритмов дискретной нелинейной фильтрации в условиях априорной неопределенности Современные проблемы информатизации в технике и технологиях: Сб. тр. Вып. 7 (по итогам VII междун. откр. научн. конф.). Воронеж: Центрально-Черноземное книжное изд-во, 2002. 29.
149. Амосов О.С. Интеллектуальные информационные системы. Нейронные сети и нечеткие системы: Уч. пособие. Комсомольск-на-Амуре: ГОУ ВПО «Комсом. н/А гос. техн. ун-т», 2004. 104 с.
150. Амосов О.С, Желевский Д.В. Составление расписаний с использованием нейронной сети Синергетика. Самоорганизующиеся процессы в системах и технологиях: Матер, междун. научн. конф., 20-24 сентября 2000 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. унта, 2000. 231-234.
151. Амосов О.С, Иванов СН, Синергетика и надежность электромеханических систем Синергетика. Самоорганизующиеся процессы в системах и технологиях: Матер, междун. научн. конф., 20-24 сентября
152. Амосов О.С. Математическое и алгоритмическое обеспечение вторичной обработки информации в системе УВД Методы распознавания изменений в случайных процессах и полях: Тез. докл. междун. конф. ChanDe
154. Латко Ю.И., Амосов О.С, экспериментальные исследования путей Гузь В.И. Теоретические повышения и эффективности автоматизированной системы УВД Методы распознавания изменений в случайных процессах и полях. Тез. докл. междун. конф. ChanDe
156. Амосов О.С, Безруков В.В., Вологжанин В.Е. Цифровое моделирование системы обработки и управления траекторными перемещениями объектов в реальном времени Математическое и имитационное моделирование в системах проектирования и управления: Тез. докл. всесоюзн. конф. Чернигов, 1990. 354.
157. Безруков В.В., Амосов О.С, Вологжанин В.Е. Имитация траекторных перемещений группы объектов Математическое и имитационное моделирование в системах проектирования и управления: Тез. докл. всесоюзн. конф. Чернигов, 1990. С 353.
158. Олейник В.Н., Амосов О.С, Трушляков А. Синтезаторы частот с повышенной стабильностью выходного колебания Повышение эффективности авиационных радиоэлектронных систем. Сб. научн. матер. Харьков: ХВВАУРЭ, 1986. Вып. VIL 4.1. 90-98.
159. Амосов О.С, Соколов Ю.Н., Олейник В.Н. Синтез статистически оптимальных синтезаторов частот при частично заданной структуре Автоматизированные системы управления. Тематический сборник научных трудов. Харьков: ХАИ, 1984. Вып. 5. 87-95.
160. Амосов О.С. Моделирование синтезаторов частот на ЭВМ с учетом случайных возмущений Стабилизация частоты и прецизионная
161. Соколов Ю.Н., Амосов О.С. Моделирование автоматизации проектирования синтезаторов частот в задачах Современные проблемы стабилизации частоты. Науч. тр. Межведомств, темат. сб. 8. М.: МЭИ, 1983. 160-164.
162. Олейник В.Н., Соколов Ю.Н., Амосов О.С. Особенности вычисления фундаментальной матрицы АЦСЧ Самолетостроение. Техника воздушного флота: Респ. межведомств, научн.-техн. сб. Вып. 49. -Харьков: Вища школа, 1982. 95-102.
163. Соколов Ю.Н., Олейник В.Н., Амосов О.С. Функциональные модели и программные модули ФНЧ систем синтеза частот Системы управления летательных аппаратов: Тематич. сб. научн. тр. Харьков: ХАИ, 1982.-Вып. 7.-С. 74-79. 161. Пат. РФ 33478 на полезную модель, МПК 7 Н 05 В 3/02, F 24 Н 3/
164. Тепловые жалюзи Ю.Г. Кабалдин, A.M. Шпилев, О.С. Амосов, СИ. Иванов (РФ). 2003115261/20; Заявлено 23.05.03; Зарегистр. 20.10.03, Бюл. 29, 1 с. 162. Пат. РФ 33479 на полезную модель, МПК 7 Н 05 В 6/10, F 25 В 29/
165. Управляемый электронагреватель Ю.Г. Кабалдин, A.M. Шпилев, О.С. Амосов, СП. Р1ванов (РФ). 2003115260/20; Заявлено 23.05.03; Зарегистр. 20.10.03, Бюл. 2 9 1 с 163. Пат. РФ 37899 на полезную модель, МПК 7 Н 05В 6/10, F 24Н 3/
166. Управляемый центробежный электромеханический преобразователь Ю.Г. Кабалдин, A.M. Шпилев, О.С. Амосов, СП. Иванов (РФ). 003133467/20, Заявлено 26.12.03; Зарегистр. 10.05.04, Бюл. 13. 1 с.
167. Свид-во об офиц. регистр, программы для ЭВМ 2002611
168. Нечеткая логика и гибридные сети в задачах сопровождения воздушных объектов «Нечеткое стробирование» О.С. Амосов, Д.Н. Кулешов (РФ). №2002611273; Заявлено 15.07.02; Опубл. 30.08.02, ОБ РОСПАТЕНТа
169. Свид-во об офиц. регистр, программы для ЭВМ 2002611
170. Нейронные сети для фильтрации параметров движения объектов «Нейрофильтрация» О.С. Амосов, А. Шамрай (РФ). 2002611274; Заявлено 15.07.02; Опубл. 30.08.02, ОБ РОСПАТЕНТа «Программы для ЭВМ, базы данных, топологии интегральных микросхем» 4(41), Ч. 2, 2002.-С. 267.
171. Свид-во об офиц. регистр, программы для ЭВМ 2003611
172. Фильтрация и экстраполяция параметров траектории движущихся объектов на основе слоистьк нейронных сетей О.С. Амосов, Е.Н. Лапчинский (РФ). №2003610707; Заявлено 03.04.03; Опубл. 28.05.03, ОБ РОСПАТЕНТа «Программы для ЭВМ, базы данных, топологии интегральных микросхем» 3 (44), 2003. 1 с.
173. Свид-во об офиц. регистр, программы для ЭВМ 2004610
174. Сопровождение траекторий маневрирующих объектов с помощью адаптивного алгоритма фильтрации на основе байесовского подхода («Адаптивное автосопровождение») О.С. Амосов, Е.Н, Лапчинский (РФ). №2004610098; Заявлено 21.01.04; Опубл. 17.03.04, ОБ РОСПАТЕНТа «Программы для ЭВМ, базы данных, топологии интегральных микросхем» 2 (47), 2004. 1 с.
175. Свид-во РФ 27755 на полезную модель, МПК 7 Н 02 К 5/00, 19/
176. Электромеханический преобразователь A.M. Шпилев, О.С. Амосов, Н. Иванов, СБ. Горбунов (РФ). 2002120733/20; Заявлено 01.08.02; Опубл. 10.02.03, Бюл. 4 (III ч.). 648.
177. Свид-во РФ 27771 на полезную модель, МПК 7 Н 05 В 6/
178. Электронагреватель со звеном автоматического управления Ю.Г. Кабалдин, А.М. Шпилев, О.С. Амосов, Н. Иванов (РФ). 2002120734/20; Заявлено 01.08.02; Опубл. 10.02.03, Бюл. 4 (III ч.). 656.
179. Amosov O.S. Markov sequence filtering on the basis of Bayesian and neural network approaches and fuzzy logic systems in navigation data processing Journal of Computer and System Sciences Intrenational ISSN 0002-3388. 2004. -Vol.43.-№4.-P.551-560.
180. Stepanov O.A., Amosov O.S. Nonrecurrent linear estimation and neural networks Proceedings of IF AC Workshop on Adaptation and Learning in Control and Signal Processing (ALCOSP) and IFAC Workshop on Periodic Control Systems (PSYCO), Yokohama, Japan, August 30 September 1, 2004. P. 213-218.
181. Amosov O.S. Synthesis and research into the accuracy of the nonlinear and neural network filters for estimating the parameters of moving objects Materials of the 10th Saint Petersburg International Conference on Integrated Navigation Systems. Saint Petersburg: State Research Center of Russia «Elektropribor», 2003. P. 176-178.
182. Amosov O.S. Numerical realization of adaptive algorithm of parameters of a trajectory of the maneuvering object Materials of the 9th Saint Petersburg International Conference on Integrated Navigation Systems. Saint Petersburg: State Research Center of Russia «Elektropribor», 2002. P. 212-214.
183. Amosov O.S. Nonlinear filtering of random sequences on the base of Bayesian, neural network approaches and fuzzy logic System Identification and Control Problems: Program (with paper abstracts) of the III International Conference «SICPRO04», Moscow, January 28-30, 2004. M.: Institute of Control Sciences. P. 41.
184. Amosov O.S. The Increase of the accuracy characteristics and efficiency of the motion control systems on the basis of methods of adaptive nonlinear filtering and artificial intelligence System Identification and Control Problems: Program (with paper abstracts) of the II International Conference «SICPRO03», Moscow, January 29-31, 2003. M.: Institute of Control Sciences. P 86.
185. Amosov O.S. Neurocomputer processing in the decision of tasks of ll nonlinear filtering of parameters of movement of objects Proceedings of the 5-th International Conference «Digital Signal Processing and its Applications». M.: Publishing firm of edition of the magazine «Radio engineering», 2003. P. 590591.
186. Amosov O.S. Dynamic model of the neural networks Образование и наука в третьем тысячелетии: Сб. матер, к четвертой междун. научн.-теорет. конф. Ч.
187. Барнаул: Изд-во Алтайского ун-та, 2002, 164-166.
188. Agarwal М. Combining neural and conventional paradigms for modeling, prediction and control Int. J. of Systems Science. 1997. Vol. 28. 1 P 65-81.
189. Alessandri A., Parisini Т., Zoppoli R. Neural approximations for nonlinear finite-memory state estimation Int. J. of Control, 1997. Vol. 67. 6 P 275-302.
190. Alessandri A., Parisini Т., Zoppoli R, Sliding-window neural state estimation in a power plant heater line Proceedings of the American Control Conference San Diego, California, June 1999. P. 880-884.
191. Atiya A.F., Parlos A.G. New results on recurrent networks training: unifying the algorithms and accelerating convergence IEEE Trans. Neural Networks.-2000.-Vol. 1 1 3 P 697-709.
192. Busy R,S., Senne K.D. Digital synthesis of nonlinear filters Automatica. 1971. Vol. 7. 3. P. 287-298.
193. Berardi V.I., Zhang P.O. An empirical investigation of bias and variance in time series forecasting: modeling considerations and error evaluation IEEE Trans. Neural Networks. 2003. Vol. 14. 3. P. 668-679.
194. Bergman N. Recursive Bayesian estimation: Navigation and tracking applications Linkoping Studies in Science and Technology. Dissertations. SE581 83 Linkoping, Sweden. Department of Electrical Engineering Linkoping University, 1999. 579. 206 p.
195. Chan К.С.С., Lee V., Leung H., Radar tracking for air surveillance in a stressful environment using a fuzzy-gain filter IEEE Trans. On Fuzzy Systems. 1997.-Vol. 5 l P 80-89.
196. Chiu S. Fuzzy model identification based on cluster estimation. J. of Intelligent Fuzzy Systems, 1994. Vol. 2. 3.
197. Crocetto N., Ponte S. Blunder detection and estimation with fuzzy logic: applications to GPS code- and carrier-phase measurements Materials of the 9th Saint Petersburg Intemational Conference on Integrated Navigation Systems, Saint Petersburg: State Research Center of Russia «Elektropribor». 2002.-P. 95-104.
198. Grewal M.S. Andrews A.P. Kalman filtering: theory and practice prentice, Upper Saddle River, New Jersey, 1993.
199. Haykin S. Neural networks: a comprehensive foundation. N.Y.: MacMillan college, 1999. 842 p.
200. Haykin S., Li L. Nonlinear adaptive prediction of nonstationary signals IEEE Trans. On Signal Processing. 1995. Vol. 43. 2. P. 526-535.
201. Haykin S., Yee P. Nonlinear state estimation using RBF networks IEEE GLOBECOM, McLean, VA, 1996.
202. Haykin S., Yee P. Optimum nonlinear filtering IEEE Trans. On Signal Processing. 1997. Vol. 45. 11. P. 2774-2786.
203. Jazwinski A.H. Stochastic processes and filtering theory. N.Y.: Acad. Press, 1970.-376 p.
204. Kalman filtering and neural networks Ed. by S. Haykin. N.Y.: Jonh Wiley Sons, Inc. 2001. P. 284.
205. Kalman R.E. A new approach to linear filtering and prediction problems Trans. ASME, J. Basic Eng. 1960. Vol. 82. 1. P. 3 5 5
206. Kalman R.E., Bucy R.S. New results in linear filtering and prediction theory Trans. ASME, J. Basic Eng. 1961. Vol. 83. P. 95-108. 197. Lo J. T.-H. Synthetic approach to optimal filtering IEEE Trans. Neural Networks. 1994. Vol. 5. 5. P. 803-811.
207. Menon P.K., Sharma V. Adaptive target state estimation using neural networks Proceedings of the American Control Conference San Diego, California, June 1999. P. 2610-2614.
208. Narendra K. S., Parthasarathy K. Identification and control of \T» dynamical systems using neural networks IEEE Trans. On Neural Networks. I990.-Vol. l l P 4 2 7
209. Parisini Т., Zoppoli R. Neural networks for nonlinear state estimation Int. J. Robust Nonlinear Contr. 1994. -Vol. 4. P. 231-248.
210. Parlos A. G., Menon S.K., and Atiya A.F. An algorithmic approach to adaptive state filtering using recurrent neural networks IEEE Trans. Neural Networks.-2001.-Vol. 1 2 6 P 1411-1432.
211. Puskorius G.V., Feldkamp L.A., and Davis L.I. Dynamic neural network methods applied to on-vehicle idle speed control Proc. IEEE. 1996. Vol. 8 4 P 1407-1419.
212. Sabatini C.R. High precision DGPS and DGPS/INS posifioning for flight testing Proceedings of the 6th Saint Petersburg International Conference on Integrated Navigation Systems. Saint Petersburg: Central Scientific and Research Institute «Elektropribor», May 24-26, 1999. RTO Meeting Proceedings 4 3 1 9 9 9 P 18-1-18-17.
213. Silva I.N., Arruda L.V.R., and Amaral W.C. Robust estimation of parametric membership regions using artificial neural networks Int. J. of Systems Science. 1997. -Vol. 28. 5. P 447-455.
214. Simandle М, P. Hering, L. Krai. Identification of Nonlinear NonGaussian Systems by Neural Network. Proceeding of NOLCOS-
215. Sept. 1-4, Shtuttgart, Germany. 2004. P. 919-924. 208. Sum J., Leung C, Young G.H., and Kan W. On the Kalman filtering method in neural network training and pruning IEEE Trans. Neural Networks. 1999.-Vol. 10.-№ l P 161-166.
216. Sunil Elanayar V.T., Yung С Shin. Radial basis function neural network for approximation and estimation of nonlinear stochastic dynamic systems IEEE Trans. Neural Networks. 1994. Vol. 5. 4. P. 594-603.
217. Webb A.R. Function approximation by feed-forward networks: a leastsquares approach to generalization IEEE Trans. Neural Networks. 1994. Vol. 5 3 P 363-371.
218. Wiener N. Extrapolation, interpolation and smoothing of stationary time series. -N.Y.: John Wiley, 1949. 162 p. 212. Wu Z.Q., Harris C.J. A neurofuzzy network structure for modeling and state estimation of unknown nonlinear systems International Journal of Systems Science, 1997. -Vol. 28. 4. P 335-345.
2. Бахшиян Б.Ц., Назиров P.P., Эльясберг П.Е. Определение и коррекция движения (гарантирзющий подход). М.: Наука. Гл. ред. физ.мат.лит., 1980.-360 с.
3. Безмен Г.В. Анализ возможностей использования нейронных сетей для решения задач фильтрации Навигация и управление движением: Сб. докл. IY конф. молодых ученых. 2002. 103-106.
4. Берзигияров П.К., Султанов В.Г. Технология разработки масштабируемых параллельных вычислений для SMP-систем на базе MPI, http://www2.sscc.ru/Litera/2002. 154-160. 5. 240 с. Бесекерский В. А., Небылов А.В. Робастные системы автоматического управления. М.: Наука. Гл. ред. физ.-мат. лит., 1983.
5. Боровков А.А. Теория вероятностей: Уч. пособие для вузов. М.: Наука. Гл. ред. физ.-мат. лит., 1986. 432 с.
6. Брайсон А., Хо Ю-Ши. Прикладная управления. М.: Мир, 1972.
7. Бутенко А.А., Святный Д.А., Шахтарин Б.И. Обучение нейронной сети при помощи алгоритма фильтра Калмана. М.: МГТУ, 2002. 220-225. 9. Ван Трис Г. Теория обнаружения оценок и модуляции. Т.
8. Теория обнаружения оценок и линейной модуляции. М.: Сов. радио, 1972. 744 с. Т.
9. Теория нелинейной модуляции. Сов. радио, 1975. 342 с.
10. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука, 1979. 447 с. #1 i теория оптимального
11. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974.-416 с.
12. Вентцель E.G. Теория вероятностей: Учеб. для вузов. М.: Высш. шк., 2001.-575 с.
13. Вентцель E.G., Овчаров Л.А. Теория вероятностей и ее инженерные приложения: Учеб. для втузов. М.: Высш. шк., 2000. 480 с.
14. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. Спб.: БХВ-Петербург, 2002. 609 с.
15. Галушкин А.И. Основы нейроуправления Приложение к журналу «Информационные технологии», 2002. 10.
16. Галушкин А.И. Теория нейронных сетей. Кн. 1. Сер. «Нейрокомпьютеры и их применение Под ред. Галушкина А.И. М.: ИПРЖР,2000.-416с. 17. Глобальная спутниковая радионавигационная система ГЛОНАСС Под ред. В.Н. Харисова, А.И. Перова, В.А. Болдина. 2-е изд. исправ. М.: ИПРЖР, 1999.-560 с.
18. Гнеденко Б.В. Курс теории вероятностей: Учебник. 6-е изд., перераб. и доп. М.: Наука, 1988. 448 с.
19. Горбань А.Н. Обучение нейронных сетей. М.: ОП ParaGraf, 1990. -160 с. *s,
20. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука (Оиб. отделение), 1996. 276 с.
21. Граничин О.Н., Поляк Б.Т. Рандомизированные 2003.-293 с.
22. Девятисильный А.С., Дорожко В.М., Гриняк В.М. Нейроподобные алгоритмы 23. высотной Дмитриев СП. классификации Высокоточная движущихся морская объектов Л.: Информационные технологии, 2001. Ш 12. навигация. Судостроение, 1991. 222 с. алгоритмы оценивания и оптимизации при почти произвольных помехах. М.: Наука,
23. Дмитриев СП., Степанов О.А. Нелинейная фильтрация в задачах обработки навигационной информации Нелинейная теория управления и ее приложения. М.: Физматлит, 2003. 127-146.
24. Дьяконов В.П., Абраменкова И.В., Круглов В.В. MATLAB 5.3.1 с пакетами расширений Под ред. проф. В.П. Дьяконова. М.: Нолидж. 2001. 880 с.
25. Ефименко B.C., Харисов В.Н., Стребков Е.Г. Применение нейронных сетей в задачах оптимальной фильтрации Радиотехника. 2000. 7 С 56-61.
26. Задачи навигации и управления при стабилизации судна на траектории СП. Дмитриев, А.Е. Пелевин. СПб.: ГНЦ РФ-ЦНИИ «Электроприбор», 2002. 160 с.
27. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений Пер. с англ. М.: Мир, 1976. 165 с.
28. Зарицкий B.C., Светник В.Б., Шимелевич Л.И. Метод Монте-Карло в задачах оптимальной обработки информации. Автоматика и телемеханика. -1975.-№12.-С95-103.
29. Зингер Р.А. Оценка характеристик оптимального фильтра при слежении за пилотируемой целью Зарубежная радиоэлектроника, 1971. 8 С 40-57.
30. Ивановский Р.И., Эпштейн М.К. Оценка параметров движения маневрирующих объектов. Л.: ЦНИИ «Румб», 1982. 96 с.
31. Ивахненко А.Г., Мюллер И.А. Самоорганизация прогнозирующих моделей. К.: Технка, 1985; Берлин: ФЕБ Ферлаг Техник, 1984. 223 с.
32. Интегрированные системы ориентации и навигации для морских подвижных объектов О.Н. Анучин, Г.И. Емельянцев Под общей ред. академика РАН В.Г. Пешехонова. СПб.: ГНЦ РФ-ЦКИИ «Электроприбор», 2003.-390 с. S-
33. Казаков И.Е., Гладков Д.И. Методы оптимизации стохастических систем. М.: Наука. Гл. ред. физ.-мат. лит., 1987. 304 с.
34. Каллан P. Основные концепции нейронных сетей: Пер. с англ. М.: 0 Издательский дом «Вильяме», 2001. 288 с.
35. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем. М Мир, 1971. 400 с.
36. Кобяков П.В. Анализ классических нейронных сетей и сетей, основанных на фильтре Калмана Межд. конф. по мягким вычислениям и измерениям «SCM2003». Сб. докл. Т. 1. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2003.-С. 367-370.
37. Колмогоров А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей Известия АН СССР. Сер. Матем. 1941. Т. 5. 1. 3-14.
38. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров). М.: Наука, 1978. 832 с.
39. Короткий Нейронные сети: основные положения http://www.neuropower.de/rus/books/index.html. 1-4.
40. Короткий Нейронные сети: алгоритм обратного распространения http://www.neuropower.de/rusooks/index.html. 1-9.
41. Коршунов Ю.М. Математические основы кибернетики. М.: Щ Энергоатомиздат, 1987. 496 с.
42. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2002. 382 с.
43. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети: Уч. пособие. М.: Физматлит, 2001.-224 с.
44. Кузнецов В.П. Интервальные статистические модели. М.: Радио и связь, 1991.-352 с.
45. Кузьмин З. Основы проектирования систем цифровой обработки радиолокационной информации. М.: Радио и связь, 1986. 352 с.
46. Кузьмин З. Основы теории цифровой обработки радиолокационной информации. М.: Сов. радио, 1974. 432 с.
47. Левин Б.Р. Теоретические основы статистической радиотехники. 3-е изд., перераб. и доп. М.: Радио и связь, 1989. 656 с.
48. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fiizzyTECH. СПб.: БХВ-Петербург, 2003. 736 с.
49. Лепинин Е.Ф. Нейросетевая реализация алгоритма фильтрации Нейрокомпьютеры и их применение: Тр. VIII всеросс. конф. НКП-2002 с междун. участием, 21-22 марта 2002, М.: 2002. 226 231. 51. Ли Р. Оптимальные оценки, определение характеристик и управление: Пер. с англ. М.: Наука, 1966. 176 с.
50. Логинов В.П. Приближенные алгоритмы нелинейной фильтрации Зарубежная радиоэлектроника. 1975.- 2, Ч. 1. 28-48; 1976. 3, 4 2 С 3-28.
51. Лукомский Ю.А., Пешехонов В.Г., Скороходов Д.А. Навигация и управление движением судов: Учебник. СПб.: «Элмор», 2002. 360 с.
52. Медич Дж. Статистически оптимальные линейные оценки и управление: Пер. с англ. Под ред. А.С. Шаталова. М.: Энергия, 1973. 440 с.
53. Методические рекомендации диспетчерам службы движения по работе с оборудованием районной автоматизированной системы управления воздушным движением. М.: Воздушный транспорт, 1988. 406 с.
54. Методы нейроинформатики Под ред. А.Н. Горбаня; отв. за выпуск М.Г. Доррер. Красноярск: КГТУ, 1998. 205 с.
55. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации В.К. Баклицкий, A.M. Бочкарев, М.П. Мусьяков; Под ред. В.К. Баклицкого. М.: Радио и связь, 1986. 216 с.
56. Небылов А.В. Измерение параметров полета вблизи морской поверхности. СПб.: СПбГААП, 1994. 307 с.
57. Нейроматематика. Кн. 6. Сер. «Нейрокомпьютеры их применение» Под ред. Галушкина A.M. М.: ИПРЖР, 2002. 448 с.
58. Нейронные сети. STATISTICA Neural Networks: Пер. с англ. М.: Горячая линия-Телеком, 2000. 182 с.
59. Нечеткие множества в моделях управления и искусственного интеллекта Под ред. Д. А. Поспелова. М.: Наука. Гл. ред. физ.-мат. лит., 1986.-312 с. 62. 408 с.
60. Омату С, Халид М., Юсов Р. Нейроуправление и его приложения. Кн. 2. Сер. «Нейрокомпьютеры и их применение» Под ред. Галушкина А.И. -М.:РШРЖР,2000.
61. Пащенко Ф.Ф. Нечеткие регуляторы. Состояние и возможности Дальневосточная матем. школа-семинар им. академика Е.В. Золотова: Тез. докл., Владивосток, 6-11 сентября 2004 г. Владивосток: Изд-во Дальневосточного ун-та, 2004. 130-131.
62. Первачев СВ. Радиоавтоматика: Учеб, для вузов. М.: Радио и связь, 1982.-296 с.
63. Перевезенцев Л.Т., Огарков В.Н. Радиолокационные системы Нечеткие множества теория возможностей. Последние достижения: Пер. с англ. Под ред. P.P. Ягера. М.: Радио и связь, 1986. аэропортов. М.: Транспорт, 1991. 360 с.
64. Перов А.И., Соколов Г.Г. Сравнительный анализ нейросетевых и статистических алгоритмов в задачах обнаружения сигналов Цифровая обработка сигналов и ее применение: Тр. 3 междун. конф. «DSPA-2000». М., 2000.-С. 28-31.
65. Пивкин В.Я., Бакулин Е.П., Кореньков Д.И. Нечеткие множества в системах управления http://www.idisys.iae.nsk.su/fuzzy-book/.
66. Пискунов Н.С. Дифференциальное и интегральное исчисления для втузов: Уч. пособие для втузов. 13-е изд. М.: Наука, 1985. Т. 1—2.
67. Покалов В.А.. Применение нейронных сетей для решения задачи линейной фильтрации Современные технологии в задачах управления,
68. Поляхов И.Д., Приходько И.А. Нечеткие системы управления: Уч. пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2002. 48 с.
69. Производственные системы с искусственным интеллектом Р.А. Алиев, Н.М. Абдикеев, М.М. Шахназаров. М.: Радио и связь, 1990. 264 с.
70. Радиотехнические системы Ю.П. Гришин, В.П. Ипатов, Ю.М. Казаринов и др.; Под ред. Ю.М. Казаринова. М.: Высш. шк., 1990. 496 с.
71. Ройтенберг Я.Н. Автоматическое управление: Уч. пособие. М.: Наука. Гл. ред. физ.-мат. лит., 1978. 552 с.
72. Сейдж Э., Меле Дж. Теория оценивания и ее применение в связи и управлении: Пер. с англ. Под ред. Б.Р. Левина. М.: Связь, 1976. 496 с.
73. Сейдж Э.П., Уайт Ч.С., III. Оптимальное управление системами: Пер. с англ. Под ред. Б.Р. Левина. М.: Радио и связь, 1982. 392 с.
74. Сосулин Ю.Г. Теоретические основы радиолокации и радионавигации. -М.: Радио и связь, 1992. 304 с.
75. Справочник по теории автоматического управления Под ред. А.А. Красовского. М. Наука, 1987. 712 с.
76. Справочник по радиолокации Под ред. М. Сколника. Нью-Йорк, 1970: Пер. с англ. (в четырех томах) Под обш;ей ред. К.Н. Трофимова; Т.
77. Радиолокационные антенные устройства Под ред. П.И. Дудника. М.: Сов. радио, 1977.-408 с.
78. Степанов О.А. Основы теории оценивания и фильтрации с приложениями к обработке навигационной информации и примерами на Matlab: Уч. пособие. СПб.: ГНЦ РФ-ЦНИИ «Электроприбор», 2003. (http://education.ed).
79. Степанов О.А. Применение теории нелинейной фильтрации в задачах обработки навигационной информации.-СПб.: ГНЦ РФ-ЦНИИ «Электроприбор», 1998. 370 с.
80. Стратонович Р.Л. Принципы адаптивного приема. М.: Сов. радио, 1973.-144 с.
81. Стратонович Р.Л. Условные марковские процессы и их применение к теории оптимального управления. М.: МГУ, 1966. 320 с.
82. Терехов В.А., Ефимов Д.В., Тюкин И.Ю., Антонов В.Н, Неиросетевые системы управления. Кн. 8. Сер. «Нейрокомпьютеры и их применение» Под ред. Галушкина А.И. М.: ИПРЖР, 2002. 480 с.
83. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М Наука, 1979, 86. 174 с.
84. Тихонов В,И. Статистическая радиотехника. М,: Радио и связь, 1982.-624 с.
85. Тихонов В.И., Кульман Н.К. Нелинейная фильтрация и квазикогерентный прием сигналов. М.: Сов. радио, 1975. 704 с,
86. Тихонов В.И., Миронов М.А. Марковские процессы, М.: Сов, радио, 1977.-488 с,
87. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем. М.: Радио и связь, 1991.-608 с.
88. Турчак Л.И. Основы численных методов. М.: Наука, 1987.-320 с.
89. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. 240 с.
90. Фильтрация и стохастическое управление в динамических системах Под ред. К,Т. Леондеса: Пер, с англ. М.: Мир, 1980. 408 с,
91. Фомин В.Н, Рекуррентное оценивание и адаптивная фильтрация. М,: Наука, 1984.-288 с.
92. Фомин В.Н, Операторные методы теории линейной фильтрации случайных процессов, СПб.: Изд-во СПбГУ, 1
93. Тихонов А.Н., Уфимцев М.В. Статистическая обработка результатов экспериментов: Уч. пособие. М.: Изд-во Моск. ун-та, 1988.
94. Цыпкин Я.З. Информационная теория идентификации. М.: Наука. Физматлит, 1995. 336 с.
95. Ширман Я.Д., Манжос В.Н. Теория и техника обработки радиолокационной информации на фоне помех.-М.:Радио и связь, 1981.-416 с.
96. Ширяев А.Н. Вероятность: Уч. пособие для вузов. М.: Наука. Гл. ред. физ.-мат. лит., 1989. 640 с.
97. Эйкхофф П. Основы идентификации систем управления. М.: Мир, 1975.-686 с.
98. Элементы параллельного программирования В.А. Вальковский, В.Е. Котов, А.Г. Марчук, Н.Н. Миренков; Под ред. В.Е. Котова. М.: Радио и связь, 1983.-240 с.
99. Энциклопедия. Вероятность и математическая статистика. М.: Научное изд-во «Большая Российская энциклопедия», 1999.
100. Ярлыков М.С. Применение марковской теории нелинейной фильтрации в радиотехнике. М.: Сов. радио, 1980.-360 с.
101. Ярлыков М.С. Статистическая теория радионавигации. М.: Радио и связь, 1985.-344 с.
102. Ярлыков М.С, Миронов М.А. Марковская теория оценивания случайных процессов. М.: Радио и связь, 1993. 464 с.
103. Амосов О.С. Адаптивная нелинейная фильтрация случайных последовательностей на основе нейронных сетей и нечеткой логики Приборы и системы. Управление, контроль, диагностика. 2004. 5. 48-53.
104. Амосов О.С. Фильтрация марковских последовательностей на основе байесовского, нейросетевого подходов и систем нечеткой логики при обработке навигационной информации Известия РАН. Теория и системы управления. 2004. Т. 43. 4. 61-69.
105. Амосов О.С. Системы нечеткой логики для 11.-С. 16-24. фильтрации марковских последовательностей Информационные технологии. 2004.
106. Степанов Щ 2 0 0 4 6 С 46-55.
107. Степанов О.А., Амосов О.С. Оптимальная линейная фильтрация с использованием нейронной сети Гироскопия и навигация. 2004. 3 4 6 С 14-29. ПО. Амосов О.С, Девятисильный А.С. Сравнение точности нейросетевых фильтров и фильтров Калмана для оценки параметров движущихся объектов Приборы и системы. Управление, контроль, диагностика. 2003. 9. 32-36.
108. Амосов О.С. Синтез и исследование точности нелинейных и нейросетевых фильтров для оценки параметров движения объектов Гироскопия и навигация. 2003. 3 (42). 84; X СПб междун. конф. по интегрированным навигационным системам: Сб. науч. тр. СПб.: ГНЦ РФЦНИИ «Электроприбор», 2003. 95-97.
109. Амосов О.С. Алгоритмы обработки информации в системах управления движением на основе методов адаптивной нелинейной фильтрации, технологий искусственных нейронных сетей, нечеткой логики и баз знаний Дальневосточный математический журнал. 2003. Т. 4. 1. О.А., Амосов О.С. Байесовское оценивание с использованием нейронной сети Авиакосмическое приборостроение. -С. 52-70.
110. Амосов О.С. Нелинейная фильтрация случайных последовательностей на основе байесовского, нейросетевого подходов и нечеткой логики Идентификация систем и задачи управления: Тр. III междун. конф. «SICPRO04», Москва, 28-30 января 2004. М.: Ин-т проблем управления РАН, 2004. 522-540.
111. Амосов О.С. Повышение точностных характеристик и эффективности систем управления движением на основе методов адаптивной нелинейной фильтрации и искусственного интеллекта Идентификация систем и задачи управления: Тр. II междун. конф. «SICPRO03», Москва, 2931 января 2003. М.: Ин-т проблем управления РАН, 2003. 2169-2182.
112. Амосов О.С. Применение нейронных сетей и нечеткой логики для фильтрации марковских последовательностей Межд. конф. по мягким вычислениям и измерениям «SCM2003». Сб. докл. Т. 1. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2003. 348-351.
113. Амосов О.С. Нейрокомпьютерная обработка в решении задач нелинейной фильтрации параметров движения объектов Цифровая обработка сигналов и ее применение: Доклады 5 междун. конф. «DSPA2003».-М.: Издательское предприятие редакции журнала «Радиотехника», 2003.-С. 588-590.
114. Амосов О.С. Адаптивное оценивание случайных последовательностей на основе нейронных сетей и нечеткой логики Системы управления и информационные технологии: Междун. сб. научн. тр. Вып.
115. Воронеж: Научная книга, 2003. 54-61.
116. Амосов О.С. Методы адаптивной нелинейной фильтрации, нейроинтеллекта, нечеткой логики и баз знаний в системах управления движением объектов Системы управления и информационные технологии:
117. Воронеж: Центрально-Черноземное книжное изд-во, 2002. 42-49.
118. Амосов О.С. Байесовский подход к построению алгоритмов адаптивной дискретной нелинейной фильтрации при воздействии на объект случайного полумарковского процесса Математика и информатика: наука и образование: Межвуз. сб. научн. тр. Ежегодник. Вып.
119. Омск: Изд-во ОмГПУ, 2001.-С. 52-56.
120. Амосов О.С. Численная реализация алгоритмов оптимальной нелинейной дискретной фильтрации Компьютерные технологии в науке, производстве, социальных и экономических процессах: Матер. II междун. научн.-практич. конф., 25 ноября 2001 г.: Сб. докл. Новочеркасск: Юж.-Рос. гос. техн. ун-т (НПИ), 2001. Ч. 5. 17-21.
121. Амосов О.С. Адаптивная фильтрация случайных процессов на основе байесовского подхода, нейронных сетей и нечеткой логики Дальневосточная матем. школа-семинар им. академика Е.В. Золотова: Тез. докл. Владивосток: Изд-во Дальневост. ун-та, 2003. 128.
122. Амосов О.С. Синтез моделей и алгоритмов для систем управления движением на основе методов адаптивной нелинейной фильтрации нейроинтеллекта и нечеткой логики Дальневосточная матем. школасеминар им. академика Е.В. Золотова: Тез. докл., Владивосток, 25-31 августа 2002 г. Владивосток: Дальнаука, 2002. 111-112.
123. Амосов О.С. Нейронные сети и базы знаний в задачах адаптивной нелинейной фильтрации параметров движения воздушных судов Образование и наука в третьем тысячелетии: Сб. матер, к 4 междун. научн.теорет. конф. Барнаул: Изд-во Алтайского ун-та, 2002. Ч. 1. -С. 162-164.
124. Амосов О.С. Оценивание случайных последовательностей на основе нейронных сетей и нечеткой логики Роль науки, новой техники и технологий в экономическом развитии регионов: Матер. Дальневосточного инновационного форума с междун. участием, 23-26 сентября 2003 г.
125. Амосов О.С, Иванов Н., Евсеев В.П Оценка состояния электромеханических преобразователей на основе методов искусственного интеллекта Роль науки, новой техники и технологий в экономическом развитии регионов. Матер. Дальневосточного инновационного форума с междун. участием, 23-26 сентября 2003 г. Хабаровск: Изд-во Хабаровского Дальневосточного техн. ун-та, 2003. Ч. 2. 16-18.
126. Амосов О.С. Численные методы решения задач адаптивной нелинейной фильтрации с применением возможностей нейронных сетей и нечеткой логики Наука Техника Технологии: Матер. IV междун. научн.практ. конф.- Находка: Ин-т технологии и бизнеса, 2002. Ч. 2. -С. 3-4,
127. Амосов О.С. Исследование алгоритмов нелинейной фильтрации марковских последовательностей на основе байесовского и нейросетевого подходов при обработке навигационной информации Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. унта, 2003. 83-96.
128. Амосов О.С. Нелинейная нейросетевая фильтрация и экстраполяция координат и параметров движения объектов Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. унта, 2003. 96-104.
129. Амосов О.С. Параллельные вычисления в задачах оптимальной и :ф/ адаптивной нелинейной фильтрации Нелинейная динамика и прикладная синергетика: Матер, междун. научи, конф. 21—27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2003. 104109.
130. Амосов О.С. Синтез оптимальных и адаптивных нелинейных фильтров для оценки параметров движения объектов Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2003. 109-122.
131. Амосов О.С, Иванов Н. Синтез системы управления электромеханическим преобразователем на основе оптимального оценивания Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2003. 123-128.
132. Амосов О.С, Лапчинский Е.Н. Нейросетевые алгоритмы оценки параметров движения объектов Нелинейная динамика и прикладная синергетика: Матер, междун. научн. конф. 21-27 сентября 2002 г. Комсомольск-на-Амуре: ГОУВПО «КнАГТУ», 2003. Ч. 2. 14-19.
133. Амосов О.С Адаптивный байесовский алгоритм нелинейной фильтрации параметров траектории маневрирующей цели Вестник КнАГТУ: Сб. науч. тр. Вып.
134. Нелинейная динамика, фракталы и нейронные сети в системах и технологиях. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002. 145-154.
135. Амосов О.С. Моделирование адаптивных алгоритмов оптимальной дискретной нелинейной фильтрации на основе байесовского подхода Математика, компьютер, образование: Матер. 9 междун. конф.: Сб. тез. Дубна, 2002. 1 с.
136. Амосов О.С Оптимальная дискретная нелинейная фильтрация (оценивание) в условиях неопределенности стохастических характеристик
137. Нелинейная динамика, фракталы и нейронные сети в системах и технологиях.— Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002.-С. 154-160.
138. Амосов О.С. Об одной модели искусственных нейронных сетей в переменных пространства состояний Вестник КнАГТУ: Сб. науч. тр. Вып.
139. Нелинейная динамика, фракталы и нейронные сети в системах и технологиях. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002.-С. 161-164.
140. Амосов О.С. Субоптимальное оценивание координат и параметров траектории движения воздушных судов в системе УВД с использованием базы знаний Вестник КнАГТУ: Сб. науч. тр. Вып. 3. Сб.
141. Прогрессивные технологии 31.
142. Амосов О.С. Адаптивная процессов нелинейная фильтрация и в специальном машиностроении и строительстве. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002. 24- идентификация динамических и возмущений в условиях априорной неопределенности Вестник КнАГТУ: Сб. науч. тр. Вып. 3. Сб.
143. Прогрессивные технологии в специальном машиностроении и строительстве. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. ун-та, 2002. 3240.
144. Амосов О.С, Голубева Т.Г., Иванов Н. Электромеханический преобразователь с синтетическим управлением Пути и технологии экономии и повышения эффективности использования энергетических ресурсов региона: Матер, междун. научн. конф. ЭЭЭ-2003 23-27 сентября 2003 г. Комсомольск-на-Амуре: ГОУВПО «КнАГТУ», 2003. Ч. 2. 913.
145. Амосов О.С, Лапчинский Е.Н. Автосопровождение движущихся объектов с помощью адаптивного алгоритма фильтрации на основе байесовского подхода Современные проблемы информатизации в системах
146. Амосов О.С. Нейросетевой подход к решению задачи дискретной нелинейной фильтрации Современные проблемы информатизации в технике и технологиях: Сб. тр. Вып. 8 (по итогам VIII междун. откр. научн. конф.) Воронеж: Центрально-Черноземное книжное изд-во, 2003. 2829.
147. Амосов О.С. Распараллеливание алгоритмов адаптивной нелинейной фильтрации на основе метода сеток Современные проблемы информатизации в технике и технологиях: Сб. тр. Вып. 8 (по итогам VIII междун. откр. научн. конф.) Воронеж: Центрально-Черноземное книжное изд-во, 2003. 27-28.
148. Амосов О.С. Компьютерная реализация адаптивных алгоритмов дискретной нелинейной фильтрации в условиях априорной неопределенности Современные проблемы информатизации в технике и технологиях: Сб. тр. Вып. 7 (по итогам VII междун. откр. научн. конф.). Воронеж: Центрально-Черноземное книжное изд-во, 2002. 29.
149. Амосов О.С. Интеллектуальные информационные системы. Нейронные сети и нечеткие системы: Уч. пособие. Комсомольск-на-Амуре: ГОУ ВПО «Комсом. н/А гос. техн. ун-т», 2004. 104 с.
150. Амосов О.С, Желевский Д.В. Составление расписаний с использованием нейронной сети Синергетика. Самоорганизующиеся процессы в системах и технологиях: Матер, междун. научн. конф., 20-24 сентября 2000 г. Комсомольск-на-Амуре: Изд-во Комсом. н/А гос. техн. унта, 2000. 231-234.
151. Амосов О.С, Иванов СН, Синергетика и надежность электромеханических систем Синергетика. Самоорганизующиеся процессы в системах и технологиях: Матер, междун. научн. конф., 20-24 сентября
152. Амосов О.С. Математическое и алгоритмическое обеспечение вторичной обработки информации в системе УВД Методы распознавания изменений в случайных процессах и полях: Тез. докл. междун. конф. ChanDe
154. Латко Ю.И., Амосов О.С, экспериментальные исследования путей Гузь В.И. Теоретические повышения и эффективности автоматизированной системы УВД Методы распознавания изменений в случайных процессах и полях. Тез. докл. междун. конф. ChanDe
156. Амосов О.С, Безруков В.В., Вологжанин В.Е. Цифровое моделирование системы обработки и управления траекторными перемещениями объектов в реальном времени Математическое и имитационное моделирование в системах проектирования и управления: Тез. докл. всесоюзн. конф. Чернигов, 1990. 354.
157. Безруков В.В., Амосов О.С, Вологжанин В.Е. Имитация траекторных перемещений группы объектов Математическое и имитационное моделирование в системах проектирования и управления: Тез. докл. всесоюзн. конф. Чернигов, 1990. С 353.
158. Олейник В.Н., Амосов О.С, Трушляков А. Синтезаторы частот с повышенной стабильностью выходного колебания Повышение эффективности авиационных радиоэлектронных систем. Сб. научн. матер. Харьков: ХВВАУРЭ, 1986. Вып. VIL 4.1. 90-98.
159. Амосов О.С, Соколов Ю.Н., Олейник В.Н. Синтез статистически оптимальных синтезаторов частот при частично заданной структуре Автоматизированные системы управления. Тематический сборник научных трудов. Харьков: ХАИ, 1984. Вып. 5. 87-95.
160. Амосов О.С. Моделирование синтезаторов частот на ЭВМ с учетом случайных возмущений Стабилизация частоты и прецизионная
161. Соколов Ю.Н., Амосов О.С. Моделирование автоматизации проектирования синтезаторов частот в задачах Современные проблемы стабилизации частоты. Науч. тр. Межведомств, темат. сб. 8. М.: МЭИ, 1983. 160-164.
162. Олейник В.Н., Соколов Ю.Н., Амосов О.С. Особенности вычисления фундаментальной матрицы АЦСЧ Самолетостроение. Техника воздушного флота: Респ. межведомств, научн.-техн. сб. Вып. 49. -Харьков: Вища школа, 1982. 95-102.
163. Соколов Ю.Н., Олейник В.Н., Амосов О.С. Функциональные модели и программные модули ФНЧ систем синтеза частот Системы управления летательных аппаратов: Тематич. сб. научн. тр. Харьков: ХАИ, 1982.-Вып. 7.-С. 74-79. 161. Пат. РФ 33478 на полезную модель, МПК 7 Н 05 В 3/02, F 24 Н 3/
164. Тепловые жалюзи Ю.Г. Кабалдин, A.M. Шпилев, О.С. Амосов, СИ. Иванов (РФ). 2003115261/20; Заявлено 23.05.03; Зарегистр. 20.10.03, Бюл. 29, 1 с. 162. Пат. РФ 33479 на полезную модель, МПК 7 Н 05 В 6/10, F 25 В 29/
165. Управляемый электронагреватель Ю.Г. Кабалдин, A.M. Шпилев, О.С. Амосов, СП. Р1ванов (РФ). 2003115260/20; Заявлено 23.05.03; Зарегистр. 20.10.03, Бюл. 2 9 1 с 163. Пат. РФ 37899 на полезную модель, МПК 7 Н 05В 6/10, F 24Н 3/
166. Управляемый центробежный электромеханический преобразователь Ю.Г. Кабалдин, A.M. Шпилев, О.С. Амосов, СП. Иванов (РФ). 003133467/20, Заявлено 26.12.03; Зарегистр. 10.05.04, Бюл. 13. 1 с.
167. Свид-во об офиц. регистр, программы для ЭВМ 2002611
168. Нечеткая логика и гибридные сети в задачах сопровождения воздушных объектов «Нечеткое стробирование» О.С. Амосов, Д.Н. Кулешов (РФ). №2002611273; Заявлено 15.07.02; Опубл. 30.08.02, ОБ РОСПАТЕНТа
169. Свид-во об офиц. регистр, программы для ЭВМ 2002611
170. Нейронные сети для фильтрации параметров движения объектов «Нейрофильтрация» О.С. Амосов, А. Шамрай (РФ). 2002611274; Заявлено 15.07.02; Опубл. 30.08.02, ОБ РОСПАТЕНТа «Программы для ЭВМ, базы данных, топологии интегральных микросхем» 4(41), Ч. 2, 2002.-С. 267.
171. Свид-во об офиц. регистр, программы для ЭВМ 2003611
172. Фильтрация и экстраполяция параметров траектории движущихся объектов на основе слоистьк нейронных сетей О.С. Амосов, Е.Н. Лапчинский (РФ). №2003610707; Заявлено 03.04.03; Опубл. 28.05.03, ОБ РОСПАТЕНТа «Программы для ЭВМ, базы данных, топологии интегральных микросхем» 3 (44), 2003. 1 с.
173. Свид-во об офиц. регистр, программы для ЭВМ 2004610
174. Сопровождение траекторий маневрирующих объектов с помощью адаптивного алгоритма фильтрации на основе байесовского подхода («Адаптивное автосопровождение») О.С. Амосов, Е.Н, Лапчинский (РФ). №2004610098; Заявлено 21.01.04; Опубл. 17.03.04, ОБ РОСПАТЕНТа «Программы для ЭВМ, базы данных, топологии интегральных микросхем» 2 (47), 2004. 1 с.
175. Свид-во РФ 27755 на полезную модель, МПК 7 Н 02 К 5/00, 19/
176. Электромеханический преобразователь A.M. Шпилев, О.С. Амосов, Н. Иванов, СБ. Горбунов (РФ). 2002120733/20; Заявлено 01.08.02; Опубл. 10.02.03, Бюл. 4 (III ч.). 648.
177. Свид-во РФ 27771 на полезную модель, МПК 7 Н 05 В 6/
178. Электронагреватель со звеном автоматического управления Ю.Г. Кабалдин, А.М. Шпилев, О.С. Амосов, Н. Иванов (РФ). 2002120734/20; Заявлено 01.08.02; Опубл. 10.02.03, Бюл. 4 (III ч.). 656.
179. Amosov O.S. Markov sequence filtering on the basis of Bayesian and neural network approaches and fuzzy logic systems in navigation data processing Journal of Computer and System Sciences Intrenational ISSN 0002-3388. 2004. -Vol.43.-№4.-P.551-560.
180. Stepanov O.A., Amosov O.S. Nonrecurrent linear estimation and neural networks Proceedings of IF AC Workshop on Adaptation and Learning in Control and Signal Processing (ALCOSP) and IFAC Workshop on Periodic Control Systems (PSYCO), Yokohama, Japan, August 30 September 1, 2004. P. 213-218.
181. Amosov O.S. Synthesis and research into the accuracy of the nonlinear and neural network filters for estimating the parameters of moving objects Materials of the 10th Saint Petersburg International Conference on Integrated Navigation Systems. Saint Petersburg: State Research Center of Russia «Elektropribor», 2003. P. 176-178.
182. Amosov O.S. Numerical realization of adaptive algorithm of parameters of a trajectory of the maneuvering object Materials of the 9th Saint Petersburg International Conference on Integrated Navigation Systems. Saint Petersburg: State Research Center of Russia «Elektropribor», 2002. P. 212-214.
183. Amosov O.S. Nonlinear filtering of random sequences on the base of Bayesian, neural network approaches and fuzzy logic System Identification and Control Problems: Program (with paper abstracts) of the III International Conference «SICPRO04», Moscow, January 28-30, 2004. M.: Institute of Control Sciences. P. 41.
184. Amosov O.S. The Increase of the accuracy characteristics and efficiency of the motion control systems on the basis of methods of adaptive nonlinear filtering and artificial intelligence System Identification and Control Problems: Program (with paper abstracts) of the II International Conference «SICPRO03», Moscow, January 29-31, 2003. M.: Institute of Control Sciences. P 86.
185. Amosov O.S. Neurocomputer processing in the decision of tasks of ll nonlinear filtering of parameters of movement of objects Proceedings of the 5-th International Conference «Digital Signal Processing and its Applications». M.: Publishing firm of edition of the magazine «Radio engineering», 2003. P. 590591.
186. Amosov O.S. Dynamic model of the neural networks Образование и наука в третьем тысячелетии: Сб. матер, к четвертой междун. научн.-теорет. конф. Ч.
187. Барнаул: Изд-во Алтайского ун-та, 2002, 164-166.
188. Agarwal М. Combining neural and conventional paradigms for modeling, prediction and control Int. J. of Systems Science. 1997. Vol. 28. 1 P 65-81.
189. Alessandri A., Parisini Т., Zoppoli R. Neural approximations for nonlinear finite-memory state estimation Int. J. of Control, 1997. Vol. 67. 6 P 275-302.
190. Alessandri A., Parisini Т., Zoppoli R, Sliding-window neural state estimation in a power plant heater line Proceedings of the American Control Conference San Diego, California, June 1999. P. 880-884.
191. Atiya A.F., Parlos A.G. New results on recurrent networks training: unifying the algorithms and accelerating convergence IEEE Trans. Neural Networks.-2000.-Vol. 1 1 3 P 697-709.
192. Busy R,S., Senne K.D. Digital synthesis of nonlinear filters Automatica. 1971. Vol. 7. 3. P. 287-298.
193. Berardi V.I., Zhang P.O. An empirical investigation of bias and variance in time series forecasting: modeling considerations and error evaluation IEEE Trans. Neural Networks. 2003. Vol. 14. 3. P. 668-679.
194. Bergman N. Recursive Bayesian estimation: Navigation and tracking applications Linkoping Studies in Science and Technology. Dissertations. SE581 83 Linkoping, Sweden. Department of Electrical Engineering Linkoping University, 1999. 579. 206 p.
195. Chan К.С.С., Lee V., Leung H., Radar tracking for air surveillance in a stressful environment using a fuzzy-gain filter IEEE Trans. On Fuzzy Systems. 1997.-Vol. 5 l P 80-89.
196. Chiu S. Fuzzy model identification based on cluster estimation. J. of Intelligent Fuzzy Systems, 1994. Vol. 2. 3.
197. Crocetto N., Ponte S. Blunder detection and estimation with fuzzy logic: applications to GPS code- and carrier-phase measurements Materials of the 9th Saint Petersburg Intemational Conference on Integrated Navigation Systems, Saint Petersburg: State Research Center of Russia «Elektropribor». 2002.-P. 95-104.
198. Grewal M.S. Andrews A.P. Kalman filtering: theory and practice prentice, Upper Saddle River, New Jersey, 1993.
199. Haykin S. Neural networks: a comprehensive foundation. N.Y.: MacMillan college, 1999. 842 p.
200. Haykin S., Li L. Nonlinear adaptive prediction of nonstationary signals IEEE Trans. On Signal Processing. 1995. Vol. 43. 2. P. 526-535.
201. Haykin S., Yee P. Nonlinear state estimation using RBF networks IEEE GLOBECOM, McLean, VA, 1996.
202. Haykin S., Yee P. Optimum nonlinear filtering IEEE Trans. On Signal Processing. 1997. Vol. 45. 11. P. 2774-2786.
203. Jazwinski A.H. Stochastic processes and filtering theory. N.Y.: Acad. Press, 1970.-376 p.
204. Kalman filtering and neural networks Ed. by S. Haykin. N.Y.: Jonh Wiley Sons, Inc. 2001. P. 284.
205. Kalman R.E. A new approach to linear filtering and prediction problems Trans. ASME, J. Basic Eng. 1960. Vol. 82. 1. P. 3 5 5
206. Kalman R.E., Bucy R.S. New results in linear filtering and prediction theory Trans. ASME, J. Basic Eng. 1961. Vol. 83. P. 95-108. 197. Lo J. T.-H. Synthetic approach to optimal filtering IEEE Trans. Neural Networks. 1994. Vol. 5. 5. P. 803-811.
207. Menon P.K., Sharma V. Adaptive target state estimation using neural networks Proceedings of the American Control Conference San Diego, California, June 1999. P. 2610-2614.
208. Narendra K. S., Parthasarathy K. Identification and control of \T» dynamical systems using neural networks IEEE Trans. On Neural Networks. I990.-Vol. l l P 4 2 7
209. Parisini Т., Zoppoli R. Neural networks for nonlinear state estimation Int. J. Robust Nonlinear Contr. 1994. -Vol. 4. P. 231-248.
210. Parlos A. G., Menon S.K., and Atiya A.F. An algorithmic approach to adaptive state filtering using recurrent neural networks IEEE Trans. Neural Networks.-2001.-Vol. 1 2 6 P 1411-1432.
211. Puskorius G.V., Feldkamp L.A., and Davis L.I. Dynamic neural network methods applied to on-vehicle idle speed control Proc. IEEE. 1996. Vol. 8 4 P 1407-1419.
212. Sabatini C.R. High precision DGPS and DGPS/INS posifioning for flight testing Proceedings of the 6th Saint Petersburg International Conference on Integrated Navigation Systems. Saint Petersburg: Central Scientific and Research Institute «Elektropribor», May 24-26, 1999. RTO Meeting Proceedings 4 3 1 9 9 9 P 18-1-18-17.
213. Silva I.N., Arruda L.V.R., and Amaral W.C. Robust estimation of parametric membership regions using artificial neural networks Int. J. of Systems Science. 1997. -Vol. 28. 5. P 447-455.
214. Simandle М, P. Hering, L. Krai. Identification of Nonlinear NonGaussian Systems by Neural Network. Proceeding of NOLCOS-
215. Sept. 1-4, Shtuttgart, Germany. 2004. P. 919-924. 208. Sum J., Leung C, Young G.H., and Kan W. On the Kalman filtering method in neural network training and pruning IEEE Trans. Neural Networks. 1999.-Vol. 10.-№ l P 161-166.
216. Sunil Elanayar V.T., Yung С Shin. Radial basis function neural network for approximation and estimation of nonlinear stochastic dynamic systems IEEE Trans. Neural Networks. 1994. Vol. 5. 4. P. 594-603.
217. Webb A.R. Function approximation by feed-forward networks: a leastsquares approach to generalization IEEE Trans. Neural Networks. 1994. Vol. 5 3 P 363-371.
218. Wiener N. Extrapolation, interpolation and smoothing of stationary time series. -N.Y.: John Wiley, 1949. 162 p. 212. Wu Z.Q., Harris C.J. A neurofuzzy network structure for modeling and state estimation of unknown nonlinear systems International Journal of Systems Science, 1997. -Vol. 28. 4. P 335-345.