1.      Скобцов Ю. А., Ткаченко А. В. Программная реализация нейронных сетей для обучения в системах реального времени. // Наукові праці Донецького державного технічного університету. Сер. обчислювальна техніка та автоматизація, випуск 66. – Донецьк: ДонНТУ. – 2005.
      Рассматриваеться проблема программной реализации нейронных сетей для систем реального времени. Сделан обзор наилучших методов обучения нейронных сетей. Алгоритм RPROP изучен как один из наиболее эффективных алгоритмов адаптации весовых коэффициентов. Рассмотрен метод сопряженных графов для генерации градиента ошибки обучения. Изучена проблема начальной инициализации весовых коэффициентов. Метод инициализации Нгуена-Видроу выбран как метод дающий хорошее начальное приближение. Разработана библиотека программ на языке С реализующая перечисленные методы. Показана высокая скорость разработанной библиотеки по сравнению с Mathlab.

2.      Дзюба А.В., Ткаченко А. В. Основные задачи управления котлоагрегатом сверхкритического давления в различных режимах функционирования. // Наукові праці Донецького державного технічного університету. Сер. обчислювальна техніка та автоматизація, випуск 66. – Донецьк: ДонНТУ. – 2005.
      Рассматриваеться проблемы эксплуатации парового котла сверхкритического давления в трех режимах функционирования: пуска, выполнения суточного графика и останова. Выделены проблемы управления расходом топлива в режимах пуска-останова блока, которые должны обеспечить заданные графики подъема-снижения температуры пара. Второй не мене важной задачей является управление сбросом среды на участке встроенных сепараторов путем расчета задания для исполнительных регуляторов степени открытия клапана Д-2. В режиме выполнения суточного графика необходимо поддерживать материальный и тепловой баланс котлоагрегата. Для достижения этого можно выделить три основные задачи управления: автоматическое управление питанием котла, автоматическое управление тепловой нагрузки и процесса горения, автоматическое регулирование температуры перегретого пара. Для повышения эффективности управления эти контуры целесообразно рассматривать как единую многосвязную систему автоматического регулирования тепловой нагрузки и процесса горения топлива.

3.      Скобелев В.Г., Ткаченко А. В. Многопользовательский доступ к каналу связи на основе циклических аттракторов. // Искусственный интеллект 3`2004 – Донецьк: ІПШІ "Наука і освіта". – 2004. – с.836-843.
      В статье предложена схема организации многопользовательского доступа к каналу связи на основе распределения между пользователями циклических аттракторов одномерных кусочно-линейных отображений в качестве внутреннего алфавита канала. Показано, что представление циклических аттракторов элементами симметрической группы дает возможность организовать нестационарное вычислительно стойкое экранирование канала связи, предназначенное для отражения пассивных внешних атак.

4.      Ткаченко В.Н., Ткаченко А. В. Параметрическая идентификация нелинейных систем в условиях бифуркации. // Наукові праці Донецького державного технічного університету. Сер. обчислювальна техніка та автоматизація, випуск 65. – Донецьк: ДонНТУ. – 2004. – с.57-62.
      В работе рассмотрена проблема параметрической идентификации систем, описываемых нелинейными обыкновенными дифференциальными уравнениями. На примере простейшей нелинейности выполнен качественный анализ, в результате которого показано возможное разнообразие поведение модели при изменении начальных условий, а также изменение числа точек равновесия и их свойств устойчивости в условиях варьирования параметров системы. Найденные точки бифуркации состояний равновесия и построенные диаграммы бифуркации позволяют установить область параметров P_x , в которой целесообразно искать параметры системы на основе градиентных методов.

1.      Основы теории нейронных сетей прямого распространения. Сделан обзор истории развития нейронных сетей. Расмотрена математическая модель исскуственного нейрона, слоя нейронов и нейронной сети прямого распространения. Сформулировна задача обучения нейронной сети. Приведен алгоритм обратного распространения ошибки.

2.      Код програмы для моделирования нейронных сетей. Программы разработана на языке C++ в рамках публикации [1].

3.      График части параметров пуска котла энергоблока (370кб). Запись изменения различных параметров котла энергоблока при пуске.