All issues

List of references:

1. М. Л. Апряткина, А. С. Бородин, М. Н. Васильченко. Анализ показателя Херста для вариаций периода сокращений сердца человека // Известия высших учебных заведений. Физика. — 2010. — Т. 53, № 9–3. — С. 233–234.
2. К.-П. Беккер, М. Совак. Логопедия. — Пер. с нем. — М: Медицина, 1981. — 288 с.
3. В. Бутаков, А. Граковский. Оценка уровня стохастичности временных рядов произвольного происхождения при помощи показателя Хёрста // Computer Modelling and New Technologies. — 2005. — Т. 9, № 2. — С. 27–32.
4. Е. Н. Винарская. Дизартрия. — М: АСТ, 2006. — 141 с.
5. В. В. Вьюгин, В. Н. Сорокин, А. А. Тананыкин. Распознавание личности по голосу: аналитический обзор // Информационные процессы. — 2012. — Т. 12, № 1. — С. 1–30. — http://www.jip.ru/ 2012/1-30-2012.pdf. — дата обращения 06.10.2013.
6. А. Н. Голубинский. Выявление эмоционального состояния человека по речевому сигналу на основе вейвлет-анализа // Вестник Воронежского института МВД России. — 2011. — № 3. — С. 144–153.
7. А. Н. Голубинский. Математическая модель речевого сигнала, основанная на аппроксимации спектра набором постоянных составляющих в соответствующих полосах частот // Безопасность информационных технологий. — 2009. — № 2. — С. 12–17.
8. Е. И. Гусев, А. Н. Коновалов, А. С. Никифоров. Клиническая неврология. — М: Медицина, 2002. — Т. 1. — 704 с.
9. М. Н. Гусев. Расширенная модель длительности звуков для системы распознавания речи. Современное машиностроение // Наука и образование. — 2013. — № 3. — С. 1112–1121.
10. Ю. А. Калуш, В. М. Логинов. Показатель Хёрста и его скрытые свойства // Сибирский журнал индустриальной математики. — 2002. — Т. V, № 4. — С. 29–37.
11. В. В. Ковальчук, А. А. Скоромец, М. Л. Высоцкая. Пациент после инсульта. психоэмоциональное состояние и физическое восстановление // Вестник восстановительной медицины. — 2007. — № 4. — С. 85–88.
12. Н. П. Кузенков, В. М. Логинов, О. Н. Никольская, С. В. Прокопенко. Алгоритм классификации речевых патологий при органических поражениях головного мозга // Информационные процессы. — 2009. — Т. 9, № 3. — С. 121–137. — http://www.jip.ru/2009/121-137-2009.pdf. — дата обращения 06.10.2013.
13. Н. П. Кузенков, В. М. Логинов, С. В. Прокопенко, Е. Ю. Можейко. Статистическое описание речи человека при органических нарушениях центрального отдела речевого аппарата // Нелинейный мир. — 2012. — № 4. — С. 247–255.
14. Н. Г. Малюкова. Значение методов нейропсихологической диагностики нарушений когнитивных функций в системе современной нейрореабилитации // Психологическая наука и образование. — 2012. — № 4. — С. 20–30.
15. Н. Ю. Морозова. Как преодолеть заикание. — М: ЭКСМО-Пресс, 2002. — 192 с.
16. Э. Петерс. Хаос и порядок на рынках капитала. — М: Мир, 2000. — 333 с.
17. С. В. Прокопенко, Е. Ю. Можейко, Т. Г. Визель, О. Н. Никольская. Нейродинамические нарушения речи в постинсультном периоде: патогенез, клиника, диагностика // Бюллетень сибирской медицины. — 2011. — Т. 10, № 2. — С. 154–160.
18. К. В. Сидоров, Н. Н. Филатова. Автоматическое распознавание эмоций человека на основе реконструкций аттракторов образцов речи // Программные системы и вычислительные методы. — 2012. — № 1. — С. 67–79.
19. О. П. Скляров. V/U — ритм речи при чтении как индикатор состояния функции речевого дыхания у заикающихся // Техническая акустика. — 2004. — Т. 4. — С. 163–173.
20. О. П. Скляров. Фракталы и крупномасштабная временная структура акустического речевого сигнала и музыки // Техническая акустика. — 2004. — Т. 4. — С. 224–233.
21. В. Н. Сорокин, И. В. Гераськин. Оценка длины речевого тракта // Информационные процессы. — 2013. — Т. 13, № 2. — С. 35–47. — http://www.jip.ru/2013/35-47-2013.pdf. — дата обращения 06.10.2013.
22. Л. С. Цветкова. Введение в нейропсихологию и восстановительное обучение. — М: Московский психолого-социальный университет, 2007. — 184 с.
23. Т. В. Шарий. Об одном методе автоматической сегментации речевых сигналов // Бионика интеллекта. — 2009. — № 2(71). — С. 61–65.
24. В. К. Шитиков, Г. С. Розенберг. Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R. — Тольятти: «Кассандра», 2013. — С. 305.
25. И. П. Ястребцева. Терапия аффективных расстройств после инсульта головного мозга // Вестник новых медицинских технологий. — 2009. — Т. XVI, № 3. — С. 113–114.
26. M. Chou, J. J. Jiang, D. A. Rahn III, Y. Zhang. Phonatory Impairment in Parkinson’s Disease: Evidence from Nonlinear Dynamic Analysis and Perturbation Analysis // J. Voice. — 2007. — V. 21. — P. 64–71. — DOI: 10.1016/j.jvoice.2005.08.011.
27. Diana Cristina González, Lee Luan Ling, Fábio Violaro. Analysis of the multifractal nature of speech signals / Progress in pattern recognition, image analysis, computer vision, and applications lecture notes in computer science. — 2012. — V. 7441. — P. 740–748. — DOI: 10.1007/978-3-642-33275-3_91.
28. W. Feller. The asymptotic distribution of the range of sums of independent variables // Ann. Math. Statist. — 1951. — V. 22. — P. 427–432. — DOI: 10.1214/aoms/1177729589. — MathSciNet: MR0042626.
29. Gastón Schlotthauer, María E. Torres, Hugo L. Rufiner. Pathological Voice Analysis and Classification Based on Empirical Mode Decomposition / Development of Multimodal Interfaces: Active Listening and Synchrony Lecture Notes in Computer Science. — 2010. — V. 5967. — P. 364–381. — DOI: 10.1007/978-3-642-12397-9_32.
30. P. Gómez, R. Martinez, F. Diaz, C. Lázaro, A. Álvarez, V. Rodellar, V. Nietro. Voice Pathology Detection by Vocal Cord Biomechanical Parameter Estimation / Nonlinear Analyses and Algorithms for Speech Processing. — Berlin: Springer, 2005. — P. 242–256.
31. P. I. Good. Permutation, Parametric and Bootstrap Tests of Hypotheses. — NY: Springer Science+Business Media, 2004. — 315 p. — MathSciNet: MR2103758.
32. P. Henriquez, J. B. Alonso, M. A. Ferrer, C. M. Travieso, J. I. Godino-Llorente, F. Diaz-de-Maria. Characterization of healthy and pathological voice through measures based on nonlinear dynamics // IEEE Trans Audio Speech Lang Processing. — 2009. — no. 17(6). — P. 1186–1195. — DOI: 10.1109/TASL.2009.2016734.
33. H. Herzel, C. Knudsen. Bifurcations in a vocal fold model // Nonlinear Dynamics. — 1995. — V. 7, no. 13. — P. 53–64.
34. H. E. Hurst. Long-term storage capacity of reservoirs // Trans. Amer. Soc. Civ. Engrs. — 1951. — V. 116. — P. 770–808.
35. N. Malyska, T. F. Quatieri, D. Sturim. Automatic dysphonia recognition using biologically-inspired amplitude-modulation features / Acoustics, Speech, and Signal Processing. — Proceedings. — 2005. — V. 1. — P. 873–876. — (ICASSP '05). IEEE International Conference.
36. P. Henríquez, J. B. Alonso, M. A. Ferrer, C. M. Travieso, J. I. Godino-llorente, F. Díaz-de-María. Characterization of healthy and pathological voice through measures based on nonlinear dynamics // Ieee transactions on audio, speech, and language processing. — 2009. — V. 17, no. 6. — P. 1186–1195. — DOI: 10.1109/TASL.2009.2016734.
37. P. R. Scalassara, M. E. Dajer, C. D. Maciel, R. C. Guido, J. C. Pereira. Relative entropy measures applied to healthy and pathological voice characterization // Applied Mathematics and Computation. — 2009. — V. 207, no. 1. — P. 95–108. — DOI: 10.1016/j.amc.2007.10.068.
38. V. Pitsikalis, P. Maragos. Analysis and classification of speech signals by generalized fractal dimension features // Speech Communication. — 2009. — no. 51. — P. 1206–1223. — DOI: 10.1016/j.specom.2009.06.005.
39. B. Zellner Keller, E. Keller. The chaotic nature of speech rhythm: hints for fluency in the language acquisition process / Integrating Speech Technology in Language Learning. — Swets & Zeitlinger, 2000. — P. 30. — Delcloque, Ph., Holland, V. M.