The 31 references in paper B. Knyazev A., V. Chernenkiy M., Б. Князев А., В. Черненький М. (2016) “Сверточное разреженное представление изображений для анализа статических и динамических образов // Convolutional Sparse Coding for Static and Dynamic Images Analysis” / spz:neicon:technomag:y:2014:i:1:p:664-695

1
Olshausen B., Field D. Emergence of simple-cell receptive field properties by learning a sparse code for natural images // Nature. 1996. No. 381 (6583). P. 607-609. DOI: 10.1038/381607a0
(check this in PDF content)
2
Baccouche M., Mamalet F., Wolf C., Garcia C., Baskurt A. Spatio-Temporal Convolutional Sparse Auto-Encoder for Sequence Classification // In: Proc. British Machine Vision Conference. University of Surrey, Guildford, United Kingdom, 2012, Vol. 18, no. 5-6.
(check this in PDF content)
3
Daugman J.G. Uncertainty relation for resolution in space, spatial frequency, and orientation optimized by two-dimensional visual cortical filters // Journal of the Optical Society of America A. 1985. Vol. 2, no. 7. P. 1160-1169.
(check this in PDF content)
4
Petkov N. Biologically motivated computationally intensive approaches to image pattern recognition // Future Generation Computer Systems. 1995. Vol. 11, iss. 4-5. P. 451-465. DOI: 10.1016/0167-739X(95)00015-K
(check this in PDF content)
5
Ranzato M., Fu Jie Huang, Boureau Y.-L., LeCun Y. Unsupervised Learning of Invariant Feature Hierarchies with Applications to Object Recognition // IEEE Conference on Computer Vision and Pattern Recognition (CVPR’07). IEEE, 2007. P. 1-8. DOI: 10.1109/CVPR.2007.383157
(check this in PDF content)
6
Kavukcuoglu K. Learning Feature Hierarchies for Object Recognition. Ph.D. Dissertation. New York University, New York, NY, USA, 2010.
(check this in PDF content)
7
Labusch K., Barth E., Martinetz T. Simple Method for High-Performance Digit Recognition Based on Sparse Coding // IEEE Transactions on Neural Networks. 2008. Vol. 19, no. 11. P. 1985-1989. DOI: 10.1109/TNN.2008.2005830
(check this in PDF content)
8
Raina R., Battle A., Lee H., Packer B., Y. Ng A. Self-taught learning: transfer learning from unlabeled data // In: Proceedings of the 24th International Conference on Machine Learning (ICML '07). ACM, New York, NY, USA, 2007. P. 759-766. DOI: 10.1145/1273496.1273592
(check this in PDF content)
9
Gregor K., LeCun Y. Emergence of Complex-Like Cells in a Temporal Product Network with Local Receptive Fields // arXiv.org, 2010. Art. no. arXiv:1006.0448
(check this in PDF content)
10
Bristow H., Eriksson A., Lucey S. Fast Convolutional Sparse Coding // 2013 IEEE Conference on Computer Vision and Pattern Recognition (CVPR '13). IEEE Computer Society, Washington, DC, USA, 2013. P. 391-398. DOI: 10.1109/CVPR.2013.57
(check this in PDF content)
11
LeCun Y., Bottou L., Bengio Y., Haffner P. Gradient-based learning applied to document recognition // Proceedings of the IEEE. 1998. Vol. 86, no. 11. P. 2278-2324. DOI: 10.1109/5.726791
(check this in PDF content)
12
Cireşan D., Meier U., Schmidhuber J. Multi-column Deep Neural Networks for Image Classification // 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR’12). IEEE, 2012. P. 3642-3649. DOI: 10.1109/CVPR.2012.6248110
(check this in PDF content)
13
Bruna J., Mallat S. Invariant Scattering Convolution Networks // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2013. Vol. 35, iss. 8. P. 1872-1886. DOI: 10.1109/TPAMI.2012.230
(check this in PDF content)
14
Mairal J., Koniusz P., Harchaoui Z., Schmid C. Convolutional Kernel Network // arXiv.org, 2014. Art. no. arXiv:1406.3332
(check this in PDF content)
15
Hinton G.E., Osindero S., Teh Y.-W. A Fast Learning Algorithm for Deep Belief Nets // Neural Computation. 2006. Vol. 18, no. 7. P. 1527-1554. DOI: 10.1162/neco.2006.18.7.152
(check this in PDF content)
16
Трубаков А.О. Методы и алгоритмы многомерного моделирования пространства характеристик изображений: дис. ... канд. техн. наук. Брянск, 2011. 214 с.
(check this in PDF content)
17
Сафронов К.В. Иерархический итерационный метод распознавания объектов на основе анализа многомерных данных: дис. ... канд. техн. наук. Уфа, 2008. 164 с.
(check this in PDF content)
18
Bishop C.M. Pattern Recognition and Machine Learning. Berlin: Springer, 2006. 738 p. (Ser. Information Science and Statistics).
(check this in PDF content)
19
Конспект лекции «Уменьшение размерности описания данных: метод главных компонент» по курсу «Математические основы теории прогнозирования» // MachineLearning.ru : информационно-аналитический ресурс по машинному обучению, распознаванию образов и интеллектуальному анализу данных, 2011. Режим доступа: http://www.machinelearning.ru/wiki/images/a/a4/MOTP11_5.pdf (дата обращения 02.10.2014).
(check this in PDF content)
20
Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’01). Vol. 1. IEEE, 2001. P. 511-518. DOI: 10.1109/CVPR.2001.990517
(check this in PDF content)
21
Нехина А.А., Князев Б.А., Кашапова Л.Х., Спиридонов И.Н. Использование онтологической модели знаний и программных средств сенсора Kinect описания позирования человека // Биомедицинская радиоэлектроника. 2012. No 12. С. 54-60.
(check this in PDF content)
22
Князев Б.А., Нехина А.А. Исследование и разработка мультиагентного аппаратнопрограммного комплекса распознавания позы человека // Инженерный вестник. 2013. No 7. С. 523-538. Режим доступа: http://engbul.bmstu.ru/doc/598836.html (дата обращения 01.10.2014).
(check this in PDF content)
23
Hamm J., Kohler C.G., Gur R.C., Verma R. Automated facial action coding system for dynamic analysis of facial expressions in neuropsychiatric disorders // Journal of Neuroscience Methods. 2011. Vol. 200, no. 2. P. 237-256.
(check this in PDF content)
24
Князев Б.А., Гапанюк Ю.Е. Распознавание аномального поведения человека по его эмоциональному состоянию и уровню напряженности с использованием экспертных правил // Инженерный вестник. 2013. No 3. С. 509-524. Режим доступа: http://engbul.bmstu.ru/doc/568250.html (дата обращения 01.10.2014).
(check this in PDF content)
25
Князев Б.А., Черненький В.М. Методика и модель кластеризации паттернов двигательной активности лица как преобразований метаграфов // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2014. No 4. С. 34-54.
(check this in PDF content)
26
Кашапова Л.Х., Латышева Е.Ю., Спиридонов И.Н. Алгоритм распознавания эмоционального состояния по изображениям лица с использованием дискриминантного анализа и фильтров Габора // Медицинская техника. 2012. No 3. С. 1-4.
(check this in PDF content)
27
Solmaz B., Assari S. M., Shah M. Classifying Web Videos using a Global Video Descriptor // Machine Vision and Applications (MVA). 2013. Vol. 24, no. 7. P. 1473-1485.
(check this in PDF content)
28
Lindeberg T. A computational theory of visual receptive fields // Biological Cybernetics. 2013. Vol.107, iss. 6. P. 589-635. DOI: 10.1007/s00422-013-0569-z
(check this in PDF content)
29
Самаль Д. М. Алгоритмы идентификации человека по фотопортрету на основе геометрических преобразований: дис. ... канд. техн. наук. Минск, 2002. 167 с.
(check this in PDF content)
30
Cortes C., Vapnik V. Support-Vector Networks // Machine Learning. 1995. Vol. 20, no. 3. P. 273-297. DOI: 10.1007/BF00994018
(check this in PDF content)
31
Chang C.-C., Lin C.-J. LIBSVM: A library for support vector machines // ACM Transactions on Intelligent Systems and Technology. 2011. Vol. 2, iss. 3. Article no. 27. DOI: 10.1145/1961189.1961199 Science and Education of the Bauman MSTU,
(check this in PDF content)