All issues

List of references:

1. С. И. Барцев, С. Е. Гилев, В. А. Охонин. Принцип двойственности в организации адаптивных сетей обработки информации / Динамика химических и биологических систем. — Новосибирск: Наука, 1989. — С. 6–55.
2. Е. В. Балацкий. Вспомагательные импринты и поведение человека // Вестник Российской академии наук. — 2007. — Т. 77, № 10.
3. А. А. Баранова. Педиатрия. — национальное руководство: в 2 т. — М: ГЭОТАР-Медиа, 2009. — Т. 1. — 1024 с.
4. М. Г. Гаазе-Рапопорт, Д. А. Поспелов. От амебы до робота: модели поведения. — М: Наука. Гл. ред. физ.-мат. лит, 1987. — 288 с.
5. Т. А. Гаврилова, В. Ф. Хорошевский. Базы знаний интеллектуальных систем. — Учебник. — СПб: Питер, 2000.
6. Л. А. Гладков, В. В. Курейчик, В. М. Курейчик. Генетические алгоритмы. — Учебное пособие. — М: Физматлит, 2006. — 320 с. — 2-е изд.
7. А. В. Демин, Е. Е. Витяев. Логическая модель адаптивной системы управления // Нейроинформатика. — 2008. — Т. 3, № 179.
8. А. А. Жданов. Адаптивные машины — неизбежное направление развития техники / XII Всероссийская научно- техническая конференция «нейроинформатика–2010»: лекции по нейроинформатике. — задачи и проблемы, научная сессия НИЯУ МИФИ–2010. — М: НИЯУ МИФИ, 2010. — 328 с.
9. С. В. Кривошеев, Д. Р. Орманов. Оптимизация движения с помощью решения обратной задачи кинематики для твердотельной модели многозвенного манипулятора в среде Matlab методом перебора // Автоматизация и современные технологии. — 2012. — № 12. — С. 20–22.
10. Ю. М. Коршунов, Ю. М. Коршунов. Математические основы кибернетики. — М: Энергоатомиздат, 1972.
11. Г. Ф. Лакин. Биометрия. — Учеб. пособие для биол. спец. вузов. — М: Высшая школа, 1990. — 352 с.
12. К. Лоренц. Кантонская доктрина априори в свете современной биологии // Журнал «Человек». — 1997. — № 5.
13. Д. Николлс, Р. Мартин, Б. Валлас, П. Фукс. От нейрона к мозгу. — М: Едиториал УРСС, 2003. — 672 с.
14. С. Рассел, П. Норвиг. Исскуственный интеллект: современный подход. — М: Издательский дом «Вильямс», 2006. — 1408 с.
15. В. Г. Редько. Перспективы исследований на стыке информатики и биологии // Нейроинформатика. — 2007. — Т. 2, № 1.
16. К. Ю. М. Смит. Биология сенсорных систем. — М: БИНОМ. Лаборатория знаний, 2005. — 583 с.
17. О. Ю. Синявский, А. И. Кобрин. Обучение с подкреплением спайковой нейронной сети в задаче управления агентом в дискретной виртуальной среде // Нелинейная динамика. — 2011. — Т. 7, № 4.
18. В. Б. Тарасов. Системно-организационный подход в искусственном интеллекте // Программные продукты и системы. — 1999. — № 3. — С. 6–13.
19. С. Хайкин. Нейронные сети. — полный курс. Пер. с. англ. ил. — Парал. тит. англ. — М: Издательский дом «Вильямс», 2006. — 1104 с.
20. G. A. Carpenter, S. Grossberg. ART 3: Hierarchical search using chemical transmitters in self- organizing pattern recognition architectures // Neural Networks. — FANN Neuro Network Library, 1990. — V. 3. — P. 129–152. — www.leenissen.dk/fann/wp/. — дата обращения 13.02.2014. — DOI: 10.1016/0893-6080(90)90085-Y.
21. D. E. Rumelhart, G. E. Hinton, R. J. Williams. Learning internal representation by error propagation // Paraller Distributed Processing. — 1986. — V. 1, no. 8.
22. R. S. Sutton, A. G. Barto. Reinforcement learning: An introduction. — Cambridge, MA: MIT Press, 1998. — 323 p.