Нейросетевая оптимизация в автоматизированных системах управления высокоразмерными технологическими процессами

Авторы и правообладатели:

• Тырышкин С. Ю. , Алтайский государственный технический университет, им. И.И. Ползунова (Барнаул, Россия)

• 1. Брайсон А. Прикладная теория оптимального управления / А. Брайсон, Хо-Ю-Ши. – М.: Мир, 2012. – 544 с.
• 2. Системный анализ и принятие решений: словарь справочник / под ред. В.Н. Волковой и В.Н. Козлова. – М.: Высшая школа, 2014. – 614 с.
• 3. Пикина Г.А. О некоторых проблемах реализации теории оптимального управления в задачах автоматического регулирования / Г.А. Пикина, Ф.Ф. Пащенко, А.Ф. Пащенко // Датчики и системы. – 2022. – № 3 (262). – С. 3–8. DOI: 10.25728/datsys.2022.3.1.
• 4. Green M. Linear Robust Control / M. Green, D.J.N. Limebeer. – NY, USA: Dover Publications, 2012. – 558 p.
• 5. Aström K.J. Computer-Controlled Systems: Theory and Design. Englewood Cliffs / K.J. Aström, B. Wittenmark. – NJ: Prentice Hall, 1997. – 566 p.
• 6. Ioannou P. Robust Adaptive Control / P. Ioannou, J. Sun. – NY, USA: Dover Publications, 2012. – 852 p.
• 7. Маркова В.Д. Цифровая экономика: учеб. / В.Д. Маркова. – М.: ИНФРА-М, 2018. – 486 с.
• 8. Трофимов В.Б. Интеллектуальные автоматизированные системы управления технологическими объектами / В.Б. Трофимов, С.М. Кулаков. – М.: Инфра-Инженерия, 2016. – 232 с.
• 9. Suratgar A.A. Modified Levenberg-Marquardt method for neural networks training / A.A. Suratgar, M.B. Tavakoli, A. Hoseinabadi // World Academy of Science, Engineering and Technology. – 2005. – No. 6. – P. 46–48.
• 10. Sousa C. Neural network learning by the LevenbergMarquardt algorithm with bayesian regularization (part 1) [online] Available at: http://crsouza.blogspot.com/2009/11/neuralnetwork-learning-by-levenberg_18.html [Accessed: 11 May. 2025].
• 11. Бишоп К.М. Распознавание образов и машинное обучение / пер. с англ. К.М. Бишоп. – СПб.: Диалектика, 2024. – 960 с.
• 12. Mathematical Methodologies in Pattern Recognition and Machine Learning / P.L. Carmona, J.S. Sanchez L.N. Ana Fred. – Springer Proceedings in Mathematics & Statistics: Contributions from the International Conference on Pattern Recognition Applications and Methods, Vilamoura, Portugal. – 2022. – Vol. 30. – 200 p.
• 13. Микелуччи У. Прикладное глубокое обучение. Подход к пониманию глубоких нейронных сетей на основе метода кейсов / пер. с англ. – СПб.: БХВ-Петербург, 2020. – 368 с.
• 14. Аггарвал Ч. Нейронные сети и глубокое обучение / пер. с англ. – СПб.: Диалектика, 2023. – 752 с.
• 15. Лекун Я. Как учится машина. Революция в области нейронных сетей и глубокого обучения / пер. с фр. – М.: Альпина ПРО, 2021. – 400 с.