Глава 1     Глава 2   
 

 

75. Литовченко Ц.Г. Нейрокомпьютер для обнаружения и распо-

знавания сложных динамических образов//Труды VIII Всерос-

сийской конференции «Нейрокомпьютеры и их применение »

Сб.докл., 2002 г. – С. 69–72.

76. Ллойд Э., Ледерман У. (1990) (ред.) Справочник по приклад-

ной статистике. − М.: Финансы и статистика, 1990. − Том 2.

77. Лопатников Л.И. Экономико-математический словарь

/АНССР. ЦЭМИ, – М.: Наука, 1987. – 506 с.

78. Лоскутов А.Ю., Михайлов А.С. Введение в синергетику: Учеб.

Руководство. –М.: Наука. гл. ред. физ.-мат.лит., 1990.– 272 с.

79. Льюис К.Д. Методы прогнозирования экономических показа-

телей./Пер. с англ. Демиденко Е.З. – М.: Финансы и статисти-

ка, 1986 г. – 132 с.

80. Ляпунов А.М. Собр. соч. Т.1,2. –М.:Изд-во АН СССР, 1954–

1956.

81. Максимов В.А. Прогнозирование доходности инвестиций на

фондовом рынке//Экономика и математические методы, 2001.

Т. 37–№1. – С. 37 – 46.

82. Малинецкий Г.Г., Потапов А.Б. Современные проблемы нели-

нейной динамики – М.: Эдиториал УРСС, 2000.– 336с.

83. Математическая энциклопедия: Гл.ред. И.М. Виноградов, т.3

Коо-Од – М.: Советская энциклопедия, 1982. – 1184 с.

84. Махортых С.А., Сычев В.В. Алгоритм вычисления размерно-

сти стохастического аттрактора и его применение к анализу

Электрофизиологических данных Пущино, 1998. – 34с.

85. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6

/Под общ.ред. к.т.н. В.Г. Потемкина. – М.: ДИАЛОГ-МИФИ,

2002. – 496 с.

86. Минский М., Пайперт С. Персептроны. – М.: Мир, 1971. –

365с.

87. Михайлов Ю.Б. Алгоритм выбора прогнозирующей зависимо-

сти, обеспечивающей наилучшую точность прогноза//Приборы

и системы. Управление, контроль, диагностика., 2000. – №12. –

С. 11 – 19.

88. Моделирование функционирования развивающихся систем с

изменяющейся структурой. Сб. науч. тр./АН УССР. Ин-т ки-

бернетики им. В.М. Глушакова. – Киев: 1989. – 140 с.

89. Моришма М. Равновесие, устойчивость, рост. – М.: Наука, 1972. 314 с.








if gte vml