Розенблатт Ф. Принципы нейродинамики. Персептроны и теория механизмов мозга. – М.: Мир, 1965. – 480 с.

Авалиани Г.В. Эвристические методы в распознавании образов. – Тбилиси: Мецниереба, 1988. – 77 с

Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. – М.: Наука, 1974. – 416 с.

Фомин В.Н. Математическая теория обучаемых опознающих систем. – Л.: Изд-во ЛГУ, 1976. – 236 с.

Block H.D., Nilsson N.T., Duda R.O. Determination and detection of features in patterns // In: Computer and Information Sciences. – Washington: Spartan books, 1964. – Рp. 75-100.

Chow C.K. An optimum character recognition system using decision functions // IRE Transactions on Electronic Computers. – 1957. – Vol. Ec-6, № 4. – Рp. 247-254.

Kamentsky L.A., Liu C.N. A theoretical and experimental study of a model for pattern recognition// In: Computer and Information Sciences. – Washington: Spartan books, 1964. – Рp. 194-218.

Ledley R., Wilson J. Concept analysis by syntax processing // Proc. Am. Documentation Inst. – 1964. – Vol. 1, №10. – Рp. 247-254.

Pask G. The simulation of learning and decision-making behavior// Aspects of the theory of Artificial Intelligence. – New York (USA), 1962. – Рp. 165-211.

Rosen J.B. Pattern separation by convex programming // T. Math. Anal. and Application. – 1965. –Vol. 10. – Рp. 123-134.

Winder R.O. Threshold logic in artificial intelligence // Proc. IEEE Winter General Meeting. Sessions on Artificial Intelligence. – 1963, January. – Рp. 107-128.

Перцептрон – система распознавания образов / Под ред. А. Г. Ивахненко. – Киев, 1975. – 418 с.

Ту Дж., Гонсалес Р. Принципы распознавания образов. – М.: Мир, 1978. – 414 c.

Царев А.Г. Принципы и методы автоматического распознавания образов // Надежность и качество: Труды международного симпозиума. 24-31 мая 2010. – Пенза, 2010. – Т. 2. – С. 455-456.

Журавлев Ю.И., Камилов М.М., Туляганов Ш.Е. Алгоритмы вычисления оценок и применение. – Ташкент: ФАН, 1974. – 119 с.

Журавлев Ю.И. Непараметрические задачи распознавания образов // Кибернетика. – Киев, 1976. – № 6. – C. 93-103.

Соловьев Н.А. Тесты: теория, построение, применение. – Новосибирск: Наука, 1978. – 190 с.

Чегис И.А., Яблонский С.В. Логические способы контроля электрических схем // Труды МИАН СССР им. В.А.Стеклова. – М.: Изд-во АН СССР, 1958. – Т. 51. – C. 270-360.

Гренандер У. Лекции по теории образов: Регулярные структуры. – М.: Мир, 1983. – 432 с.

Гренандер У. Лекции по теории образов: Анализ образов. – М.: Мир, 1981. – 448 с.

Гренандер У. Лекции по теории образов: Синтез образов. – М.: Мир, 1979. – 383 с.

Малиновский Л.Т. Классификация объектов средствами дискриминантного анализа. – М.: Наука, 1978. – 260 с.

Duda R., Hart P., Stork D. Pattern Classification. – New York: John Wiley, 2001. – 680 p.

Ковалевский В.А. Методы оптимальных решений в распознавании изображений. – М.: Наука, 1976. – 328 с.

Лбов Г.С. Методы обработки разнотипных экспериментальных данных. – Новосибирск: Наука, 1981. – 160 с.

Камилов М.М., Фазылов Ш.Х., Нишанов А.Х. Метод выбора признаков с использованием критерия информативности Фишеровского типа // Узб. журнал «Проблемы информатики и энергетики». - Ташкент, 1992. – № 2. – C. 9-12.

Камилов М.М., Маматов Н.С., Худайбердиев М.Х. Методы формирования информативных признаков объектов распознавания на основе критериев Фишеровского типа// Химическая технология. Контроль и управление. – Ташкент, 2010. – № 2. – С. 64-72.

Фукунага К. Введение в статистическую теорию распознавания образов. – М.: Наука, 1979. – 368 с.

Патрик Э. Основы теории распознавания образов. – М.: Советское радио, 1980. – 408 с.

Субботин С.А., Олейник А.А. Выделение набора информативных признаков на основе эволюционного поиска с кластеризацией // Искусственный интеллект. – Москва, 2008. – № 4. – С. 704-711.

Фу К. Структурные методы в распознавании образов. – М.: Мир, 1977. – 320 с.

Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. – М.: Наука, 1983. – 464 с.

Жук Е.Е., Серикова Е.В. Эффективность пошагового дискриминантного анализа при выборе информативных признаков // Автоматика и телемеханика. – Москва, 2005. – № 11. – С. 74–88.

Ергалиев Д.С. Отбор информативных признаков распознавания // Надежность и качество: Труды международного симпозиума. 26 мая-1 июня 2008. – Пенза, 2008. – Т. 1. – С. 290-291.

Фазылов Ш.Х., Мирзаев Н.М., Раджабов С.С. Построение модели алгоритмов вычисления оценок с учётом большой размерности признакового пространства // Вестник СГТУ. – Саратов, 2012. – № 1 (64), вып.2. – С. 274-279.

Фазылов Ш.Х., Мирзаев Н.М., Мирзаев О.Н. Об одной модели модифицированных алгоритмов распознавания типа потенциальных функций // Математические методы распознавания образов (ММРО- 14): Доклады Всероссийской конференции. – Москва, 2009. – С. 200-203.

Загоруйко И.Г. Методы распознавания и их применение. – М.: Советское радио, 1972. – 208 с

Дюран Б., Оделл П. Кластерный анализ. – М.: Статистика, 1977. –125 с.

Жамбю М. Иерархический кластер-анализ и соответствия. – М: Финансы и статистика, 1988. – 342 с.

Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. – М.: Наука, 1983. – 464 с.

Мандель И.Д. Кластерный анализ. – М.: Финансы и статистика, 1988. - 176 с

Айзерман М.А., Браверманн Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. – М.: Наука, 1970. – 348 с.

Васильев В.И. Распознающие системы: Справочник. – Киев: Наукова думка, 1983. – 230 с.

Горелик А.Л., Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания: Некоторые аспекты. – М.: Радио и связь, 1985. – 160 с.

Лбов Г.С., Старцева Н.Г. Логические решающие функции и вопросы статистической устойчивости решений. – Новосибирск: Изд-во ИМ СО РАН, 1999. – 211 с.

Vapnik V. Statistical Learning Theory. – New York: John-Wiley Sons, 1998. – 732 c.

Хайкин C. Нейронные сети: полный курс. – М.: Вильямс, 2006. – 1104 с.

Журавлев Ю.И. Избранные научные труды. – М: Магистр, 2002. – 420 с.

Журавлев Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения. – М.: Фазис, 2006. – 159 с.

Потапов А.С. Распознавание образов и машинное восприятие. – СПб: Политехника, 2007. – 548 с.

Дюк В.А. Компьютерная психодиагностика. – СПб.: Братство, 1994. – 365 с.

Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. – Краснодар: Изд-во КубГТУ, 1999. – 318 с.

Камилов М.М., Мирзаев Н.М., Раджабов С.С. Современное состояние вопросов построения моделей алгоритмов распознавания // Химическая технология. Контроль и управление. – Ташкент, 2009. – № 2. – С.21-27.

Шлезингер М., Главач В. Десять лекций по статистическому и структурному распознаванию. – Киев: Наукова думка, 2004. – 545 с.

Загоруйко Н.Г. Прикладные методы анализа данных и знаний. – Новосибирск: Изд-во Ин-та математики, 1999. – 270 с.

Янковская А.Е. Построение логических тестов с заданными свойствами и логико-комбинаторное распознавание на них // Интеллектуализация обработки информации (ИОИ-2002): Материалы междунар. научн. конф. 17-21 июня 2002. – Алушта (Украина), 2002. – С. 100-102.

Лбов Г.С., Бериков В.Б. Устойчивость решающих функций в задачах распознавания образов и анализа разнотипной информации. – Новосибирск: Изд-во Ин-та математики, 2005. – 220 с.

Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. – М.: Радио и связь, 1986. – 264 с.

Дмитриев А.Н., Журавлев Ю.И., Кренделев Ф.П. О математических принципах классификации предметов и явлений // Дискретный анализ. – Новосибирск, 1966. – Вып. 7. – С. 3-11.

Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая линия-Телеком, 2007. – 452 с.

Головко В.А. Нейроинтеллект: Теория и применения. Книга 1. Организация и обучение нейронных сетей с прямыми и обратными связями. – Брест: БПИ, 1999. – 260 с.

Головко В.А. Нейроинтеллект: Теория и применения. Книга 2. Самоорганизация, отказоустойчивость и применение нейронных сетей. – Брест: БПИ, 1999. – 228 с.

Головко В.А. Нейронная сеть для иерархической классификации образов // Идентификация образов. – Минск: ИТК, 1999. – С. 85-88.

Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. – М.: Горячая линия-Телеком, 2002. – 94 с.

Хачумов В.М. Логические элементы на нейронах // Интеллектуальные системы и компьютерные науки. – М.: Изд-во мех.-мат. фак. МГУ, 2006. – С. 297-300.

Яхъяева Г.Э. Нечеткие множества и нейронные сети. – М.: БИНОМ. Лаборатория знаний, 2006. – 316 с.

Шестаков К.М. Теория распознавания. – Минск: БГУ, 2012. – 169 с.

Лепский А.Е., Броневич А.Г. Математические методы распознавания образов. – Таганрог: Изд-во ТТИ ЮФУ, 2009. – 155 с.

Мерков А.Б. Распознавание образов: Введение в методы статистического обучения. – М.: Эдиториал УРСС, 2011. – 256 с.

Лапко А.В., Лапко В.А. Непараметрические модели и алгоритмы обработки информации. – Красноярск: СибГАУ, 2010. – 220 с.

Татур М.М., Одинец Д.Н. Классификаторы в системах распознавания: прикладные аспекты синтеза и анализа. – Минск: Бестпринт, 2008. – 165 с.

Шевелёв О.Г. Методы автоматической классификации текстов на естественном языке. – Томск: ТМЛПресс, 2007. – 144 с.

Донской В.И. Алгоритмические модели обучения классификации: обоснование, сравнение, выбор. – Симферополь: ДИАЙПИ, 2014. – 228 с.

Dougherty G. Pattern Recognition and Classification. – New York: Springer, 2013. – 203 p.

Theodoridis S., Koutroumbas S. Pattern Recognition. – New York: Elsevier, 2003. – 711 p.

Горелик А.Л., Скрипкин В.А. Методы распознавания. – М.: Высшая школа, 2004. – 262 с.

Фомин Я.А. Распознавание образов: теория и применения. – М.: ФАЗИС, 2012. – 429 с.

Кудрявцев В.Б., Гасанов Э.Э., Подколзин А.С. Основы теории интеллектуальных систем. – М.: МГУ, 2015. – 208 с.

Кудрявцев В.Б., Андреев А.Е., Гасанов Э.Э. Теория тестового распознавания. – М.: Физматлит, 2007. – 320 с.

Бонгард М.М. Проблема узнавания. – М.: Наука, 1967. – 320 с.

Мазуров В.Д. Метод комитетов в задачах оптимизации и классификации. – М.: Наука, 1990. – 245 с.

Айзерман М.А., Браверманн Э.М., Розоноэр Л.И. Теоретические основы метода потенциальных функций в задаче об обучении автоматов разделению входных ситуаций на классы // Автоматика и телемеханика. – Москва, 1964. – Т. 25, № 6. – С. 917-936.

Башкиров О.А., Браверман Э.М., Мучник И.Б. Алгоритмы обучения машин распознаванию зрительных образов, основанные на использовании потенциальных функций // Автоматика и телемеханика. – Москва, 1964. – Т. 25, № 5. – С. 692-695.

Айзерман М.А., Браверманн Э.М., Розоноэр Л.И. Вероятностная задача об обучении автоматов распознаванию классов и метод потенциальных функций // Автоматика и телемеханика. – Москва, 1964. – Т. 25, № 9. – С. 1307-1323.

Айзерман М.А., Браверманн Э.М., Розоноэр Л.И. Процесс Роббинса-Монро и метод потенциальных функций // Автоматика и телемеханика. – Москва, 1965. – Т. 26, № 11. – С. 1951-1954.

Браверман Э.М. О методе потенциальных функций // Автоматика и телемеханика. – Москва, 1965. – Т. 26, № 12. – С. 2205-2213.

Браверман Э.М. Метод потенциальных функций в задаче обучения машины распознаванию образов без учителя // Автоматика и телемеханика. – Москва, 1966. – Т. 27, № 10. – С. 100-121.

Литваков Б.М. Аппроксимирующие свойства некоторых алгоритмов метода потенциальных функций // Автоматика и телемеханика. – Москва, 1970. – Т. 31, № 3. – С. 107-116.

Литваков Б.М. Экстремальный подход к определению условий сходимости алгоритмов метода потенциальных функций // Автоматика и телемеханика. – Москва, 1969. – Т. 30, № 9. – С. 98-108.

Чангэ Е. О некоторых алгоритмах обучения Φ-машин с использованием потенциальных функций // Автоматика и телемеханика. – Москва, 1969. – Т. 30, № 11. – С. 115-118.

Блюмин С.Л. О выборе потенциальной функции // Автоматика и телемеханика. – Москва, 1974. – Т. 35. – № 9. – С. 167-169.

Бак Х.К. О модели распознающих алгоритмов типа потенциальных функций// Журнал вычисл. матем. и матем. физики. – Москва, 1978. – Т. 18. – № 2. – С. 468-479.

Романов М.А. Экстремальные алгоритмы распознавания, использующие метод потенциальных функций // Журнал вычисл. матем. и матем. физики. – Москва, 1979. – Т. 19. – № 3. – С. 785-787.

Колтовой Н.А. О полноте линейного пространства распознающих операторов типа вычисления оценок и потенциальных функций // Журнал вычисл. матем. и матем. физики. – Москва, 1979. – Т. 19, № 2. – С. 496- 507.

Window B., Smith F.W. Pattern recognizing control systems// In: Computer and Information Sciences. – Washington: Spartan books, 1964. – Рp. 288-317.

Рудаков К.В. О корректности алгоритмов распознавания типа потенциальных функций // Журнал вычисл. матем. и матем. физики. – Москва, 1980. – Т. 20, № 3. – С. 737-744.

Бекиров Ш.У. Корректная модель распознающих алгоритмов ограниченной емкости, основанная на понятии потенциала // Журнал вычисл. матем. и матем. физики. – Москва, 1983. – Т. 23, № 4. – С. 980-989.

Котюков В.И. Распознавание образов в булевом пространстве / Вычислительные системы: Сб. науч. тр. – Новосибирск: ИМ СО АН СССР, 1971. – Вып. 44. – С. 23-34.

Дискант В.А. Алгоритмы построения правил классификации в структурно-аналитических моделях распознавания // Математические методы анализа динамических систем. – Харьков, 1983. – Вып. 7. – С. 124-127.

Донской В.И., Башта А.И. Дискретные модели принятия решений при неполной информации. – Симферополь: Таврия, 1992. – 166 с.

Манохин А.Н. О свойствах инвариантности и состоятельности алгоритмов распознавания, основанных на логических решающих функциях / Вычислительные системы: Сб. науч. тр. – Новосибирск: ИМ СО АН СССР, 1980. – Вып. 83. – С. 42-52.

Хант Э. Искусственный интеллект. – М.: Мир, 1978. – 560 с.

Quinlan J.R. C4.5: Programs for Machine Learning. – San Francisco: Morgan Kaufmann, 1993. – 302 p.

Вайнцвайг М.Н. Алгоритм обучения распознаванию образов «Кора». В кн.: Алгоритмы обучения распознаванию образов / Под ред. В.Н. Вапника. – М.: Советское радио, 1973. – С. 110-115.

Дюкова Е.В. Алгоритмы распознавания типа Кора: сложность реализации и метрические свойства // Распознавание, классификация, прогноз (матем. методы и их применение). – М.: Наука, 1989. – Вып. 2. – С. 99-125.

Дюкова Е.В. Дискретные (логические) процедуры распознавания: принципы конструирования, сложность реализации и основные модели. – М.: Прометей, 2003. – 29 с.

Дмитриев А.Н., Журавлев Ю.И., Кренделев Ф.П. О математических принципах классификации предметов и явлений / Дискретный анализ: Сб. науч. тр. – Новосибирск: ИМ СО АН СССР, 1966. – Вып. 7. – С. 3-15.

Белозерский Л.А. Классификация и решающие правила логических систем распознавания // Искусственный интеллект. – Донецк, 2002. – № 4. – С. 422-427.

Антамошкин А.Н., Масич И.С. Выбор логических закономерностей для построения решающего правила распознавания // Вестник СибГАУ им. акад. М.Ф. Решетнева. – Красноярск, 2014. – № 5(57). – С. 20-25.

Хант Э.М.Дж., Стоун Ф. Моделирование процесса формирования понятий на вычислительной машине. – М.: Мир, 1970. – 301 с.

Берестнева О.Г., Муратова Е.А. Построение логических моделей с использованием деревьев решений // Известия Томского политехнического университета. – Томск, 2004. – Т. 307, № 4. – С. 154-160.

Ветров Д.П., Кропотов Д.А., Толстов И.В. Применение принципа минимальной длины описания для обрезания бинарных решающих деревьев // Математические методы распознавания образов (ММРО-12): Доклады Всероссийской конференции. – Москва, 2005. – С. 57-60.

Grunwald P.D., Vitanyi P.M.B. Kolmogorov complexity and information theory. With an interpretation in terms of questions and answers // Journal of Logic, Language and Information. – New York: Springer, 2003. – V. 12, № 4. – Рp. 497-529.