РАДИАЛ ФУНКЦИЯЛАРГА АСОСЛАНГАН МОСЛАШТИРИЛГАН ТАНИБ ОЛИШ ОПЕРАТОРЛАРИ МОДЕЛЛАРИНИ ҚУРИШ

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.67-72.

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

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

Pattern Recognition: Practices, Perspectives and Challenges. Edited by Vincent D.B. New York: Nova Science Publishers, 2013. – 204 p

Pal S.K., Ray S.S., Ganivad a A. Granular Neural Networks, Pattern Recognition and Bioinformatics. New York: Springer, 2017. – 235 p

Sugomori Y., Kaluza B., Soar es F.M., Souza A.M.F. Deep Learning: Practical Neural Networks with Java. Birmingham: Packt Publishing, 2017. – 744 p

Cia bur ro G. MATLAB for Machine Learning. Birmingham: Packt Publishing, 2017. –376 p

Smith J. Machine Learning with Neural Networks using Matlab. North Charleston: CreateSpace Independent Publishing, 2017. – 490 p

Jayadeva K.R., Chandr a S. Twin Support Vector Machines. Models, Extensions and Applications. New York: Springer, 2017. – 221 p

Фазылов Ш.Х., Мирзаев Н.М., Мирзаев О.Н. Об одной модели модифицированных алгоритмов распознавания типа потенциальных функций// Математические методы распознавания образов: Доклады Всеросс. конф. – Москва, 2009. – С. 200-203

Гонсалес Р., Вудс Р. Цифровая обработка изображений. –М.: Техносфера, 2012. – 1104 с.

Fazilov Sh., Mirzaev N., Radjabov S., Mirzaev O. Determination of subsets of strongly dependent features based on radial functions //In Proc. of Int. Conf. on Innovations in Engineering, Technology and Sciences (ICIETS-2018), 20-21 September 2018, Karnataka, India

Мирзаев О.Н. Выделение репрезентативных признаков при построении алгоритмов распознавания //Проблемы информатики и энергетики. – Ташкент, 2008. – №6. – С. 23-27

Mirzaev N. , and Saliev E. Recognition Algorithms Based on Radial Functions //In Proc. of the 3nd Russian-Pacific Conf. on Computer Technology and Applications (August 18 – 25, 2018, Vladivostok, Russky Island, Russia). – Vladivostok: FEFU, 2018. – Pp. 1-6.

Braga - Neto U.M., Dougherty E.R. Error Estimation for Pattern Recognition. –New York: Wiley, 2015. – 336 p.

Bishop C.M. Pattern Recognition and Machine Learning. NewYork: Springer, 2006. – 738 p

Murty M.N., Devi D.V.S. Introduction to Pattern Recognition and Machine Learning. New Jersey: World Scientific, 2015. – 383 p

Pattern Recognition Techniques: Technology and Applications. Edited by Yin P.Y. New York: lTexLi, 2016. – 636 p

Мирзаев Н.М., Салиев Э.А., Маматов Н.С. Задачи распознавания объектов, заданных в признаковом пространстве большой размерности //Актуальные задачи информационно-коммуникационных технологий и численного моделирования: труды Республиканской научно-технической конференции (8-9 сентября 2017, Самарканд). – Самарканд, 2017. – С. 244-248

Buhmann M.D. Radial Basis Functions: Theory and Implementations. – Cambridge: Cambridge University Press, 2004. – 272 p

Russell J., Cohn R. Radial Basis Function. - New York: Book on Demand, 2012. –140 p

Воронцов К.В., Алешина М.В. Сеть радиальных базисных функций [Электронный ресурс]. URL: http://www.machinelearning.ru/wiki/index.php?title= Сеть радиальных базисных функций (дата обращения: 12.07.2017)

Журавлев Ю.И. Избранные научные труды / Ю.И. Журавлев. – М.: Магистр, 1998. – 420 с.

Mirzaev N.M. About one model of image recognition //Computer Technology and Applications: Proceedings The First Russia and Pacific Conference. – Vladivostok, 2010, pp. 394–398