1.Искусственные нейронные сети в попытке приблизится к биологической нейронной среде
Автор: Артем Пинчук
Дата: Октябрь 2007
Описание: В данной статье делается попытка дать логическое объяснение вычислений в искусственных нейронах и построить нейронную сеть на новых принципах.
Источник: http://www.gotai.net/documents/doc-nn-011.aspx

2.Neuroinformatics: What are us, where are we going, how to measure our way?
Автор: A.N. Gorban
Дата: Июль 1999
Описание: В данной статье основные положения и проблемы нейроинформатики.
Источник: Neurocomputing opportunities workshop, Washington DC, July 1999

3.Методы ускорения обучения нейронных сетей
Автор: В.А. Крисилов, Д.Н. Олешко
Дата: 2002
Описание: В докладе, на примере многослойных полносвязных нейронных сетей рассматривается проблема долговременности их обучения. Предложены возможные методы увеличения скорости обучения сетей: управление процедурами вычисления и изменения весовых коэффициентов, реорганизация объектов в распознаваемых классах.
Источник: http://neuroschool.narod.ru/pub/dn00.html

4.Connectivism: Learning as Network-Creation
Автор: George Siemens
Дата: 10.08.2005
Описание: В статье рассматриваются общие положения разработки нейронных сетей.
Источник: http://www.elearnspace.org/Articles/networks.htm

5.Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей
Автор: А.Н.Горбань
Дата: 1998
Описание: Исследуются вычислительные возможности искусственных нейронных сетей. В связи с этим происходит возврат к классическому вопросу о представлении функций многих переменных с помощью суперпозиций и сумм функций одного переменного и новая редакция этого вопроса (ограничение одной произвольно выбранной нелинейной функцией одного переменного).
Источник: Сибирский журнал вычислительной математики, 1998. Т.1, № 1. С. 12-24.

6.Повышение качества и скорости обучения нейронных сетей в задаче прогнозирования поведения временных рядов
Автор: В.А. Крисилов, Д.Н. Олешко
Дата: 2003
Описание: В данной работе предложен ряд способов, позволяющих существенно сократить время обучения искусственных многослойных нейронных сетей с обратным распространением ошибки (Back Propagation). В качестве базового положения эти подходы используют Принцип Достаточности. Описана система прогнозирования временных рядов FORECAST, использующая для построения прогнозов нейронную сеть и указанные подходы, рассмотрено решение задачи прогнозирования экономических показателей.
Источник: http://neuroschool.narod.ru/pub/dn01.html

7.Pattern learning with the back-propagation algorithm
Автор: Andrew Blais, David Mertz
Дата: 01.07.2001
Описание: В данной статье рассматриваются основные особенности нейронных сетей и подходы к их построению, облегчающие их разработку на различных языках программирования.
Источник: http://www.ibm.com/developerworks/library/l-neural/