Рассел С., Норвиг П. Искусственный интеллект. Современный подход. – М.: Вильямс, 2007. – 1410 с.

Vouros G., Panayiotopoulos T. Methods and Applications Of Artificial Intelligence. – Berlin: Springer, 2005. – 563 p.

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.

Фазылов Ш.Х., Мирзаев О.Н., Раджабов С.С. Современное состояние проблем распознавания образов // Проблемы вычислительной и прикладной математики. – Ташкент, 2015. – № 2. – С. 99-112.

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.

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.

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.

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. Метод потенциальных функций в теории обучения машин. – М.: Наука, 1970. – 348 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.

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

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

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

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.

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.

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.

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.

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

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

Фор А. Восприятие и распознавание образов. – М.: Машиностроение, 1989. – 272 с.

Бердышев В.И., Петрак Л.В. Аппроксимация функций, сжатие численной информации, приложения. – Екатеринбург: УрО РАН, 1999. – 296 с.

Лоран П.Ж. Аппроксимация и оптимизация. – М.: Мир, 1975. – 496 с.

Биргер И.А. Техническая диагностика. – М.: Машиностроение, 1978. – 240 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.

Фазылов Ш.Х., Мирзаев О.Н., Раджабов С.С. Современное состояние проблем распознавания образов // Проблемы вычислительной и прикладной математики. – Ташкент, 2015. – № 2. – С. 99-112.

Аркадьев А.Г., Браверман Э.М. Обучение машины классификации объектов. – М.: Наука, 1971. – 192 с.

Суетин П.К. Классические ортогональные многочлены. – М.: ФИЗМАТЛИТ, 2007. – 480 с.

Marcellan F., Van Assche W. Orthogonal Polynomials and Special Functions: Computation and Applications. Berlin: Springer, 2006. – 436 p.

Doman B.G.S. The Classical Orthogonal Polynomials. – Singapore: World Scientific, 2015. – 176p.

Дубровин В.И., Корецкий Н.Х., Субботин С.А. Модифицированный метод потенциальных функций // Сложные системы и процессы. – Запорожье, 2002. – № 1. – С. 12-19.

Афонин В.Л., Чепелев В.М. Метод потенциальных функций для построения вейвлет-рядов // Известия РАН. Теория и системы управления. – Москва, 2008. – № 2. – С. 104-114.

Кабальнов Ю.С., Адгамова Г.Х., Фабарисова А.У. Отбор претендентов на основе метода потенциальных функций // Системы управления и информационные технологии. – Воронеж, 2009. – Т. 36, № 2. – С. 305- 309.

Bow S.-T. Pattern Recognition and Image Processing. – New York (USA): Marcel Dekker Inc., 2002. – 720 p.

Theodoridis S., Koutroumbas K. Pattern recognition, Second Edition. Elsevier Academic Press, 2003. – 689 p.

Соколов Б. М. Метод потенциальных функций в задаче обучения распознающей системы с предъявлением объектов одного класса // Стохастическая оптимизация в информатике. - Санкт-Петербург, 2007. – Т. 3, № 1-1. – С. 119-123.

Богоносцева Т.А. Метод потенциальных функций в распознавании образов // Надежность и качество: Труды международного симпозиума. – Пенза, 2013. – Т.1. – С. 154-155.

Ролик А.И., Ланге Т.И., Покотило А.А., Март Б.А., Ясочка М.В. Метод потенциальных функций в задачах оценки уровня телекоммуникационных сервисов // Вестник Национального технического университета Украины «Киевский политехнический институт». Серия: Информатика, управление и вычислительная техника. – Киев, 2009. – № 57. – С. 133-143.

Абу-Абед Ф.Н. Метод потенциальных функций в распознании образов // Математические методы и информационные технологии в экономике, социологии и образовании: XVIII Международная научно- техническая конференция. – Пенза, 2006. – С. 108-110.

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

Васильев О.М. Синтез корректных алгоритмов в алгебраическом расширении одной П-модели алгоритмов распознавания образов // Вестник Тверского государственного университета. Серия: Прикладная математика. – Тверь, 2008. – № 11. – С. 147-155.

Бодянский Е.В., Дейнеко А.А., Стольникова М.З. Адаптивное обучение всех параметров эволюционирующей радиально-базисной нейронной сети // Системи обробки інформації. – Харьков, 2013. - Вып. 5 (112). – С. 13-16.

Ясинский И.Ф. Использование метода потенциальных функций для увеличения обучающей последовательности в нейросетевых системах // Вестник Ивановского государственного энергетического университета. – Иваново, 2012.– С. 42-44. – http://elibrary.ru/contents.asp?issueid=1011265&selid=17541874.