The 21 references in paper G. Kachayeva I., A. Mustafayev G., Г. Качаева И., А. Мустафаев Г. (2018) “ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВЫХ МЕТОДОВ ДЛЯ АВТОМАТИЧЕСКОГО АНАЛИЗА ЭЛЕКТРОКАРДИОГРАММ ПРИ ДИАГНОСТИКЕ ЗАБОЛЕВАНИЙ СЕРДЕЧНОСОСУДИСТОЙ СИСТЕМЫ // THE USE OF NEURAL NETWORKS FOR THE AUTOMATIC ANALYSIS OF ELECTROCARDIOGRAMS IN DIAGNOSIS OF CARDIOVASCULAR DISEASES” / spz:neicon:vestnik:y:2018:i:2:p:114-124

1
Всемирная организация здравоохранения [Электронный ресурс]: Сердечно-сосудистые заболевания. URL: http://www.who.int/mediacentre/factsheets/fs317/ru (дата обращения: 25.10.2017).
(check this in PDF content)
2
Lee J.W., Lee G. Design of an Adaptive Filter with a Dynamic Structure for ECG Signal // Processing. International Journal of Control, Automation, and Systems, 2005, Vol. 3, No. 1, pp. 137-142.
(check this in PDF content)
3
Ince T., Kiranyaz S., Gabbouj M. A Generic and Robust System for Automated Patient-Specific Classification of ECG Signals // IEEE Transactions on Biomedical Engineering, 2009, Vol. 56, pp. 14151426.
(check this in PDF content)
4
Lin C.H., Du Y.C., Chen T. Adaptive wavelet network for multiple cardiac arrhythmias recognition // Expert Systems with Applications, 2008. No. 34, pp. 2601-2611.
(check this in PDF content)
5
Мустафаев А.Г. Нейросетевая модель прогнозирования уровня глюкозы в крови у больных сахарным диабетом // Кибернетика и программирование. 2016. No 3. C. 1-5.
(check this in PDF content)
6
Мустафаев А.Г. Применение искусственных нейронных сетей для ранней диагностики заболевания сахарным диабетом // Кибернетика и программирование. 2016. - No 2. - С.1-7.
(check this in PDF content)
7
Никитин В.М., Ломакин В.В., Анохин Д.А., Кайдалова И.К., Иванов И.И. Информационная система поддержки принятия решений слабоструктурированных задач в кардиологии // Научные ведомости БелГУ серия «История. Политология. Экономика. Информатика». 2010. No 19(90). Вып. 16/1. с. 112–119.
(check this in PDF content)
8
Файнзильберг Л.С., Лебедушко Т.Ю. Исследование диагностической ценности фазовых портретов ЭКГ по данным специализированных баз // Кибернетика и вычислительная техника. 2012. Вып. 169. С. 34-50.
(check this in PDF content)
9
Калиниченко А.Н. Оценка разделяющей способности методов классификации форм ЭКГ // Известия СПбГЭТУ "ЛЭТИ". Сер. Биотехнические системы в медицине и экологии. 2006. Вып. 1. С. 21-30.
(check this in PDF content)
10
Портал искусственного интеллекта [Электронный ресурс]: Искусственный нейрон. Структура искусственного нейрона. URL: http://neuronus.com/theory/151-iskusstvennyj-nejron.html дата обращения: 25.12.2017).
(check this in PDF content)
11
Guangying Y., Yue C. The Study of Electrocardiograph Based on Radial Basis Function Neural Network // Intelligent Information Technology and Security Informatics (IITSI), 2010, pp.143-145.
(check this in PDF content)
12
Gao D., Madden M. Bayesian ANN Classifier for ECG Arrhythmias Diagnostic System // Proceeding of IEEE International Joint Conference on Neural Network, 2003, pp. 2454-2459.
(check this in PDF content)
13
База данных аритмий Массачусетского технологического института [Электронный ресурс]: Описание. URL: http://ecg.mit.edu/ (дата обращения: 20.09.2017).
(check this in PDF content)
14
ГабриэльХанМ. БыстрыйанализЭКГ // М.: Бином, 2009. -408 с.
(check this in PDF content)
15
Trenn S. Multilayer perceptrons: approximation order and necessary number of hidden units // IEEE Transactions on Neural Networks, vol. 19, no. 5, pp. 836–844, 2008.
(check this in PDF content)
16
Xu S., Chen L. A novel approach for determining the optimal number of hidden layer neurons for FNN's and its application in data mining // Proceedings of the 5th International Conference on Information Technology and Applications (ICITA '08), 2008, pp. 683–686.
(check this in PDF content)
17
Sun J. Learning algorithm and hidden node selection scheme for local coupled feedforward neural network classifier // Neurocomputing, vol. 79, 2012, pp. 158–163.
(check this in PDF content)
18
Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем // – СПб: Наука и техника, 2003. – 380 с.
(check this in PDF content)
19
Masters T. Practical Neural Network Recipes in C++ // Academic Press, 1993. -504 p.
(check this in PDF content)
20
Салех М.А., Исаков Р.В. Оценка эффективности применения искусственных нейронных сетей для анализа сегментированных электрокардиокомплексов // Биомедицинская радиоэлектроника. No 6, 2012, с.21-27.
(check this in PDF content)
21
Галушкин А.И. Теория нейронных сетей. - М.: ИПРЖР, 2000. - 348 с.
(check this in PDF content)