|
|
|
|
Список литературы
|
|
| |
| 1. |
Богомолов А. В., “Использование лингвистических переменных и методов обработки экспертной информации для автоматизированного распознавания ранних стадий нарушения функционального состояния человека”, Информационные технологии, 2000, № 8, 12–18 |
| 2. |
Борисов В. В., Круглов В. В., Федулов А. С., Нечëткие модели и сети, Горячая линия-Телеком, M., 2007, 284 с. |
| 3. |
Голосовский М. С., “Применение системы на основе нечëткой логики в задачах управления проектами по разработке программного обеспечения”, Материалы Х международной научной конференции «Инновационное развитие общества: условия, противоречия, приоритеты», ред. А.В. Семенов, 2014, 400–404 |
| 4. |
Заде Л., Понятие лингвистической переменной и его применение к принятию приближенных решений, Мир, М., 1976, 167 с. |
| 5. |
Круглов В. В., “Сравнение алгоритмов Мамдани и Сугeно в задаче аппроксимации функции”, Математическая морфология: электронный математический и медико-биологический журнал, 2001, № 4, 69–76 |
| 6. |
Кудинов Ю. И., Келина А. Ю., “Методы синтеза и настройки нечетких ПИД регуляторов Мамдани”, Информационные технологии, 2012, № 6, приложение, 32 с. |
| 7. |
Паклин Н. Б., Адаптивные модели нечеткого вывода для идентификации нелинейных зависимостей в сложных системах, Автореф. дис. канд. техн. наук, Ижевск, 2004, 20 с. |
| 8. |
Пегат А., Нечëткое моделирование и управление, 2-е издание, БИНОМ. Лаборатория знаний, M., 2013, 798 с. |
| 9. |
Силич В. А., Силич М. П., Аксенов С. В., “Алгоритм построения нечеткой системы логического вывода Мамдани, основанный на анализе плотности обучающих примеров”, Доклады ТУСУР, 2013, № 3(29), 76–82 |
| 10. |
Штовба С. Д., Мазуренко В. В., Тылец Р. О., “Инфор-мационная технология нечеткой идентификации для синтеза точных, компактных и интерпретабельных баз знаний”, Computer Sciences and Telecommunications, 2016, № 1(47), 8–22 |
| 11. |
Gacto M., Alcala R., Herrera F., “Interpretability of lin-guistic fuzzy rule - based systems: An overview of interpretability measures”, Information Sciences, 181:20 (2011), 4340–4360 |
| 12. |
Gang F., Analysis and synthesis of fuzzy control systems: a model-based approach, Automation and control engineering, CRC Press, 2017, 299 pp. |
| 13. |
Kosko B., “Fuzzy systems as universal aproximators”, IEEE Transactions on Computers, 43:11 (1994), 1329–1333 |
| 14. |
Kosko B., “Global stability of generalized additive fuzzy systems”, IEEE Transactions on Systems, Man, and Cybernetics. Part C: Applications and Reviews, 28:3 (1998), 441–452 |
| 15. |
Maistrou A. I., Bogomolov A. V., “Technology of auto-mated medical diagnostics using fuzzy linguistic variables and consensus ranking methods”, IFMBE Proc. of the World Congress on Medical Physics and Biomedical Engineering: Diagnostic and Therapeutic Instrumentation, Clinical Engineering. Cycle: “World Congress on Medical Physics and Biomedical Engineering: Diagnostic and Therapeutic Instrumentation, Clinical Engineering” (Munich, 2009), 38–41 |
| 16. |
Manentia F., Rossia F., Goryunov A., Dyadik A., Kozin K., Nadezhdin I., Mikhalevich S., “Fuzzy adaptive control system of a non-stationary plant with closed-loop passive identifier”, Resource-Efficient Technologies, 1:1 (2015), 10–18 |
| 17. |
Miller G. A., “The magical number seven plus or minus two: some limits on our capacity for processing information”, The Psychological Review, 1956, no. 63, 81–97 |
