дкі нейронні мережі/А.Ю. Дорогів.- СПб .: СПУ, 2002. - 80 с.
19. Іонов С.Д. Розподілена потоковая нейронна мережа/С.Д. Іонов//Сучасні проблеми математики: тез. 42-й Всеросс. молодежн. шк.-конф., 30 січня.- 6 берез. 2 011 г. Екатеринбург: ІММ УрВ РАН, 2011. С. 288-290
20. Калінін А.В. Математичне та програмне забезпечення массівнопараллельних обчислень в розподілених системах на базі апарату нейронних мереж: Дис. канд. техн. наук.- Воронеж, 2003. - 157 с.
21. Калінін А.В., Підвальний, С.Л. Технологія нейромережевих розподілених обчислень/А.В. Калінін, С.Л. Підвальний.- Воронеж: ВДУ, 2004. - 121 с.
22. Каллан Р. Основні концепції нейронних мереж/Р. Каллан.- М .: Вільямс, 2001. - 288 с.
23. Класифікація паралельних обчислювальних систем. [Електронний ресурс].- Режим доступу: # justify gt; 24. Королюк В.С. Довідник з теорії ймовірностей і математичній статистиці/В.С. Королюк, Н.І. Портенко, А.В. Скротоход, А.Ф. Турбін.- М .: Наука, Головна редакція фізико-математичної літератури, 1985. - 640 с.
25. Красовський Г.І., Филаретов Г.Ф. Планування експерименту/Г.І. Красовський, Г.Ф. Филаретов.- Мінськ: вид-во БГУ, 1982. - 302 с.
26. Кріл П. Функціональне програмування - друг паралелізму/П. Кріл//Відкриті системи.- 2010. - №8
27. Круглов В.В. Нечітка логіка і штучні нейронні мережі//В.В. Круглов, М.І. Дли, Р.Ю. Голунь: Учеб. посібник.- М .: Физматлит, 2001. - 224 с.
28. Нейронні мережі. STATISTICA Neural Networks: Методологія та технології сучасного аналізу даних/За редакцією В.П. Боровикова.- 2-е изд., Перераб. і доп.- М .: Гаряча лінія - Телеком, 2008. - 288 с.
29. Оссовський С. Нейронні мережі для обробки інформації/Пер. з польської І.Д. Рудинского.- М .: Фінанси і статистика, 2002. - 344 с.
30. Офіційний сайт Emergent Neural Network Simulation System
[Електронний ресурс].- Режим доступу:
http: //grey.colorado. edu/emergent/index.php.
31. Офіційний сайт FANN [Електронний ресурс].- Режим доступу: # justify gt; 32. Офіційний сайт IBM [Електронний ресурс].- Режим доступу: # justify gt; 33. Офіційний сайт Mathworks [Електронний ресурс].- Режим доступу: http: //mathworks .
34. Офіційний сайт Neurosolutions [Електронний ресурс].- Режим доступу: http: //neurosolutions .
35. Офіційний сайт Oracle VirtualBox [Електронний ресурс].- Режим доступу: # justify gt; 36. Офіційний сайт PCSIM [Електронний ресурс].- Режим доступу: http: //lsm.tugraz/pcsim.
37. Офіційний сайт STATISTICA Automated Neural Networks - автоматизовані нейронні мережі [Електронний ресурс].- Режим доступу: # justify gt; 38. Офіційний сайт VMWare [Електронний ресурс].- Режим доступу: # justify gt; 39. Офіційний сайт Wolfram Mathematica [Електронний ресурс].- Режим доступу: # justify gt; 40. Поляк Б.Т. Введення в оптимізацію/Б.Т. Поляк. М .: Наука, 1983. - 384 с.
41. Розенблатт Ф. Принципи нейродинаміки: Перцептрон і теорія механізмів мозку/Ф. Розенблатт.- М. Світ, 1965. - 480 с.
42. Рутковська Д. Нейронні мережі, генетичні алгоритми і нечіткі системи/Д. Рутковська та ін. - М. Гаряча лінія - Телеком, 2004. - 452 с.
2 011. Сідняев Н.І. Введення в теорію планування експерименту: навч. посібник/Н.І. Сідняев, Н.Т. Вилисова.- М .: изд-во МГТУ ім. Н.Е. Баумана, - 463 с.
43. Тархов Д.А. Нейронні мережі. Моделі та алгоритми. Кн. 18/Д.А. Тархов.- М .: Радіотехніка, 2005. - 256 с .: ил.
44. Хайкін С. Нейронні мережі: повний курс, 2-e видання .: Пер. з ант.-М. Видавничий дім Вільямс raquo ;, 2006. - 1104 с .: ил.- Парал. тит. ант.
45. Чезаріні Ф., Томпсон, С. Програмування в Erlang/Ф. Чезаріні, С. Томпсон.- М .: ДМК Пресс, 2012. - 488 с.
46. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities/JJ Hopfield, Proceedings of National Academy of Sciences, vol. 79 no. 8, 1982. - pp. 2554-2558
47. Hornik K., Stinchcombe M., White H. Multilayer feedforward networks are universal approximators, Neural Netw., Vol. 2, no. 5, pp. 359-366, 1989
48. IBM BladeCenter HS22 Technical Introduction [Електронний ресурс].- Режим доступу: http: //redbooks .ibm/redpapers/pdfs/redp453 8. pdf.
49. Leshno M., Lin VY, Pinkus A., Schocken S. Multilayer feedforward networks with a nonpolynomial activation function can approximate any ...
