Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Прогнозирование свойств высокоэнергетических композитов с использованием информационных технологий

Диссертация: Прогнозирование свойств высокоэнергетических композитов с использованием информационных технологий
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Апробация работы. Основные положения и результаты работы доложены и обсуждены на международных и всероссийских конференциях: II Всероссийская научно-практическая конференция молодых ученых «Материалы и технологии XXI века» (Бийск, 2005) — Межвузовская конференция «Измерения, автоматизация и моделирование в промышленности и научных исследованиях» (Бийск, 2005) — Всероссийская научная конференция… Читать ещё >

Содержание

  • 1. Информационно-аналитическое исследование факторов, влияющих на свойства компонентов и высокоэнергетических композитов на их основе. Объекты и методы исследований
    • 1. 1. Чувствительность к внешним воздействиям — характеристика, определяющая безопасность производства и эксплуатации взрывчатых материалов и изделий из них
      • 1. 1. 1. Тепловой механизм инициирования взрывчатого превращения
      • 1. 1. 2. Основные виды внешних воздействий, приводящие к возникновению аварийных ситуаций при производстве взрывчатых материалов и изделий из них
        • 1. 1. 2. 1. Чувствительность взрывчатых материалов к тепловому воздействию
        • 1. 1. 2. 2. Чувствительность взрывчатых материалов к механическим воздействиям
        • 1. 1. 2. 3. Чувствительность взрывчатых материалов к электрическому заряду
      • 1. 1. 3. Факторы, влияющие на чувствительность взрывчатых материалов к механическим воздействиям
        • 1. 1. 3. 1. Влияние химических свойств
        • 1. 1. 3. 2. Влияние физических свойств
        • 1. 1. 3. 3. Влияние условий проведения экспериментов
      • 1. 1. 4. Методы классификации и принципы прогнозирования характеристик взрывчатых материалов
        • 1. 1. 4. 1. Краткий анализ существующих методов классификации взрывчатых материалов
    • 1. 2. Современные индуктивные методы анализа экспериментальных данных и прогноза свойств и характеристик ВЭК. Объекты и методология исследований
      • 1. 2. 1. Кластерный анализ
      • 1. 2. 2. Карты Кохонена
      • 1. 2. 3. Восстановление пропущенных данных
      • 1. 2. 4. Нейронные сети
        • 1. 2. 4. 1. Свойства и назначение нейронных сетей
        • 1. 2. 4. 2. Принцип функционирования нейронных сетей
        • 1. 2. 4. 3. Методы обучения нейронных сетей
        • 1. 2. 4. 4. Правило обратного распространения
        • 1. 2. 4. 5. Алгоритм исследований при помощи нейронных сетей
      • 1. 2. 5. Объекты исследований
        • 1. 2. 5. 1. Легковоспламеняющиеся жидкости
        • 1. 2. 5. 2. Бризантные взрывчатые вещества
        • 1. 2. 5. 3. Полимеры
  • Выводы по главе 1
  • 2. Аппроксимация свойств взрывчатых материалов при помощи кластерного анализа и дерева решений. Топологические индексы
    • 2. 1. Экспериментальная аппроксимация при помощи кластерного анализа
    • 2. 2. Применение молекулярных дескрипторов и дерева решений для прогнозирования свойств и параметров пожаровзрывоопасности химических соединений
  • Выводы по главе 2
  • 3. Моделирование и прогнозирование параметров работоспособности высокоэнергетических композитов и свойств их компонентов при помощи нейросетевых алгоритмов
    • 3. 1. Проверка работоспособности нейросетевых алгоритмов прогнозирования на примере свойств веществ, сопутствующих технологиям синтеза компонентов и создания высокоэнергетических композитов
    • 3. 2. Количественный анализ и прогнозирование свойств компонентов высокоэнергетических композитов — бризантных взрывчатых веществ
    • 3. 3. Моделирование и прогнозирование параметров работоспособности высокоэнергетических композитов на основе физико-химических свойств исходных компонентов, являющихся взрывчатыми веществами
  • Выводы по главе 3
  • Основные результаты работы

Прогнозирование свойств высокоэнергетических композитов с использованием информационных технологий (реферат, курсовая, диплом, контрольная)

Одной из центральных проблем обеспечения безопасности производства и применения пожаровзрывоопасных материалов, в числе которых легковоспламеняющиеся жидкости, высокоэнергетические композиты на полимерной основе и их взрывчатые компоненты, является их классификация по степени опасности и поиск схожего по физико-химическим свойствам аналога или прототипа, свойства которого достаточно изучены. Из-за неуниверсальности практически всех используемых критериев опасности ПВОМ и взрывчатых материалов (например, вещества, опасные по чувствительности к лучу огня, могут быть безопасными в условиях, исключающих такое внешнее воздействие), а также несовпадения результатов классификации по частным критериям широкое распространение получил метод сравнения свойств и характеристик вещества с аналогичными параметрами хорошо изученных и длительное время используемых ВМ. Эти взрывчатые материалы являются теми самыми аналогами или прототипами с достаточно четко определенными границами условий их опасного и безопасного производства и применения. Практический ряд чувствительности и опасности взрывчатых материалов является, с одной стороны, следствием обобщения практического опыта работы, а с другой — естественной интегральной характеристикой различий свойств ВМ, реализующихся в индивидуальных критериях чувствительности и опасности, в частных видах испытаний, которые, в большинстве своем, имеют сравнительный характер. Порядковая шкала, лежащая в основе практических рядов, не воспроизводится по частным критериям чувствительности, опасности или при обобщении последних на основе каких-то, на первый взгляд, «естественных физических моделей». Поэтому сравнение нового вещества с эталонными из практического ряда или оценка возможности использования известного в новых условиях не могут быть проведены на основе традиционных физических или математических подходов. Связано это с тем, что проблема классификации и сравнения взрывчатых материалов по степени чувствительности, опасности или другим критериям (в том числе качественным или количественным с неопределенностью, превышающей допустимую, для использования статистических методов) является многомерной, многокритериальной и относится к классу задач с затрудненным моделированием и прогнозированием. На поведение материалов в испытательных устройствах в условиях производств и применения оказывает влияние такое количество факторов, процессов и условий, качественная и количественная трактовка результатов испытаний с использованием некоторых методов настолько произвольна, что данные разных авторов иногда кажутся совершенно не связанными между собой или даже противоречивыми. Кроме того, зачастую нет полной ясности в выделении из большого числа параметров различной физикой и химической природы тех, которые в данных конкретных условиях являются доминирующими в определении характера поведения испытываемого (исследуемого) материала. Перечисленное выше устанавливает те объективные и субъективные факторы, которые определяют повышенный интерес к поиску путей решения проблемы.

Актуальность темы

Высокоэнергетические композиты (ВЭК) находили и находят широкое применение во многих сферах деятельности человека, включая и военные технологии. В связи с этим актуальным становится создание новых и более эффективных энергетических систем, способных удовлетворять современным требованиям. В свою очередь, создание ВЭК связано с определением и прогнозированием как свойств их самих, так и свойств вновь создаваемых компонентов таких ЭС, а также свойств технологических пожаровзрывоопасных материалов, сопутствующих технологиям синтеза компонентов и создания ВЭК, например, легковоспламеняющихся жидкостей.

На стадиях проектирования, включающих в себя выбор ВЭК, их компонентов и технологических ПВОМ, технологий их получения и переработки, важной задачей является прогнозирование свойств материалов, технических условий с целью экспертной оценки корректности принимаемых решений, в том числе при синтезе перспективных соединений.

Большое количество экспериментальных данных по свойствам ВЭК и их компонентов (чувствительность к удару и трению, скорость детонации, химическая стойкость, энтальпии сгорания и образования и т. д.) являются базой для конструирования ЭС, предварительный экспертный анализ которых позволяет предъявлять требования уже на стадии конструирования к технологиям их переработки. Создание подобных технологий тесно связано с определением свойств перерабатываемых материалов, в большинстве своем являющихся взрывчатыми веществами (ВВ). Определение опасных свойств (чувствительность к трению и удару, скорость детонации) ВВ, с учетом их относительно высокой стоимости и специфики проведения экспериментов, является весьма трудоемким и финансово затратным процессом, но без таких данных создание новых технологий может стать не только дорогим, но и потенциально опасным, как для людей, так и для экологии в целом.

Изложенное выше является основанием необходимости моделирования и аппроксимации свойств ВЭК, их компонентов и сопутствующих энергетических материалов (ЭМ) с целью оценки характеристик вновь создаваемых ВЭК, что, в свою очередь, связано с разработкой баз данных и необходимостью проведения экспериментов по определению рассматриваемых характеристик ВЭК, их компонентов и технологических ПВОМ. Поставленная задача является актуальной, а проблематика ее решения связана с определением влияния на целевые характеристики множества факторов, таких как параметры компонентов ВЭК (скорость детонации, молекулярная масса, чувствительность к удару и трению, плотность и т. д.), так и свойства самих ВЭК (плотность, соотношение компонентов, дисперсность и т. д.).

Цель диссертационной работы заключается в создании эффективного метода анализа и прогноза свойств ВЭК, включая полимерсодержащие, их компонентов и технологических ПВОМ с использованием информационных технологий.

Для достижения поставленной цели необходимо решить следующие задачи:

— провести анализ факторов, оказывающих влияние на свойства и характеристики пожаровзрывоопасных материалов, таких как ВЭК, их компоненты и технологические ПВОМ с выбором наиболее значимых для практического использования и разработки новых технологий;

— разработать метод моделирования свойств ВЭК, их компонентов и технологических ПВОМ с определением стадий анализа, моделирования, прогноза и аппроксимации с помощью информационных технологий, включая статистические, на основе разработанных баз данных с предварительным анализом, сравнением и выбором методов, позволяющих прогнозировать параметры безопасности и работоспособности ВЭК, их компонентов и технологических ПВОМ с точностью, соответствующей реализуемой существующими стандартными экспериментальными методами определения рассматриваемых характеристик, с проведением необходимых экспериментов по определению характеристик ВЭК и их компонентов с целью дополнения разработанных баз данных;

— разработать методическое обеспечение проектирования ВЭК данными по свойствам индивидуальных компонентов и штатных ВЭК с использованием разработанного метода анализа и прогноза свойств выбранных объектов исследования;

— протестировать метод и проведение параметрических расчетов по прогнозированию параметров опасности и работоспособности ВЭК, их компонентов и технологических ПВОМ с целью уточнения параметров компьютерного моделирования с оценкой точности и корректности их использования, в том числе применительно к новым ВЭК и их компонентам с проведением экспериментального определения их свойств.

Методология и методы исследования включают: анализ и моделирование свойств и характеристик ВЭК и их компонентов с помощью линейно-регрессионного анализа, деревьев решений, кластерного анализа и нейросетевых технологийаппроксимацию и прогнозирование свойств и параметров ВЭК, включая полимерсодержащие, их компонентов (циклические нитрамины, нитро-триазолы, нитротетразолы и другие высокоэнергетические нитросоединения) и технологических ПВОМ с точностью, соответствующей реализуемой существующими стандартными экспериментальными методами определения рассматриваемых характеристик.

Научная новизна. Впервые получены данные по свойствам высокоэнергетических композитов, включая полимерсодержащие, с использованием комплексного анализа данных на основе созданного высокоэффективного алгоритма индуктивного анализа, включающего предварительную систематизацию многопараметрической информации с использованием кластерного анализа и нейросетевого алгоритма и позволившего аппроксимировать параметры ВЭК с точностью, соответствующей реализуемой существующими стандартными экспериментальными методами определения рассматриваемых характеристик.

Теоретическая значимость работы заключается в том, что полученные результаты уточняют и развивают исходные теоретические положения о влиянии различных факторов на рассматриваемые характеристики ВЭК, могут быть использованы в качестве обоснования выбора высокоэнергетических композитов и их компонентов на всех стадиях проектирования технологий их создания и переработки. Материалы диссертации могут быть использованы при разработке учебно-методических материалов по различным техническим дисциплинам в высших учебных заведениях.

Практическая значимость работы. Разработанный комплексный подход к анализу, моделированию и прогнозу свойств и характеристик ВЭК, включая полимерсодержащие, их компонентов и сопутствующих технологиям их переработки позволяет повысить безопасность вновь создаваемых технологий и обеспечить прогнозирование характеристик и стадий проектирования и выбора ВЭК и их компонентов.

Личный вклад автора заключается в анализе литературных данных, отработке методик измерений, выбора теоретических и экспериментальных методов решения поставленных задач, разработке баз данных по свойствам ВЭК и их компонентов, личном участии в проведении экспериментальных исследований, анализе и интерпретации полученных данных, подготовке к публикации докладов и статей.

Достоверность полученных результатов работы обеспечивается применением современных методов экспериментальных измерений, сертифицированной измерительной аппаратуры, большим объёмом полученных экспериментальных данных, современной вычислительной техники и информационных технологий для проведения расчётов. Достоверность результатов моделирования подтверждается удовлетворительной сходимостью расчётных и экспериментальных данных. Полученные результаты обсуждены на ряде научных конференций и опубликованы в рецензируемых изданиях.

Апробация работы. Основные положения и результаты работы доложены и обсуждены на международных и всероссийских конференциях: II Всероссийская научно-практическая конференция молодых ученых «Материалы и технологии XXI века» (Бийск, 2005) — Межвузовская конференция «Измерения, автоматизация и моделирование в промышленности и научных исследованиях» (Бийск, 2005) — Всероссийская научная конференция молодых ученых «Наука.Технологии. Инновации» (Новосибирск, 2005) — I Всероссийская научно-техническая конференция молодых ученых «Перспективы создания и применения конденсированных энергетических материалов» (Бийск, 2006) — III Всероссийская конференция «Энергетические конденсированные системы» (Черноголовка-Москва, 2006) — Международная научно-техническая и методическая конференция «Современные проблемы специальной технической химии» (Казань, 2006) — III Всероссийская конференция молодых ученых «Физика и химия высокоэнергетических систем» (Томск, 2007) — IV Международная конференция студентов и молодых ученых «Перспективы развития фундаментальных наук» (Томск, 2007) — IV Всероссийская конференция молодых ученых «Физика и химия высокоэнергетических систем» (Томск, 2008) — II Научно-техническая конференция молодых ученых «Перспективы создания и применения конденсированных энергетических материалов» (Бийск, 2008) — III Научно-техническая конференция молодых ученых «Перспективы создания и применения конденсированных высокоэнергетических материа-лов"(Бийск, 2010).

На защиту выносятся:

— разработанный компьютерный метод прогнозирования свойств ВЭК, их компонентов и технологических ПВОМ, созданных на основе методов кластерного анализа и нейросетевых технологий, позволяющий прогнозировать свойства ВЭК, их компонентов и технологических ПВОМ с точностью, соответствующей реализуемой существующими стандартными экспериментальными методами определения рассматриваемых характеристик;

— результаты анализа и выбора методов аппроксимации свойств ВЭК, их компонентов и сопутствующих технологиям их создания пожаровзрывоопасных материалов, полученных на основе статистической обработки многопараметрических данных;

— обоснование и определение стадий комплексного анализа и прогноза свойств ВЭК, их компонентов и технологических ПВОМ с учетом специфики их применения, обеспечивающих точность прогнозирования, соответствующую реализуемой существующими стандартными экспериментальными методами определения рассматриваемых характеристик;

— обеспечение точности прогноза, соответствующей реализуемой существующими стандартными экспериментальными методами определения рассматриваемых характеристик ВЭК, их компонентов и технологических ПВОМ.

Публикации. По теме диссертации опубликовано 18 работ, в том числе 5 работ в изданиях, входящих в перечень рецензируемых журналов и изданий.

Структура и объем диссертации

Диссертация состоит из введения, трех глав, основных результатов работы, списка литературы, включающего 135 источников, и 2 приложений. Работа изложена на 178 страницах машинописного текста, содержит 23 рисунка и 54 таблицы.

7 Результаты работы используются в ОАО «ФНПЦ «Алтай» в процессах разработки полимерсодержащих высокоэнергетических композитов (акт об использовании прилагается к диссертации).

Показать весь текст

Список литературы

  1. , H.A. Чувствительность взрывчатых веществ к удару / H.A. Холево- М.: Машиностроение, 1974. 118 с.
  2. , Б.Л. Методологические проблемы определения термической стабильности взрывчатых материалов / Б. Л. Корсунский, Г. Б. Манелис, Г. М. На-зин // Российский химический журнал. 1998. — № 4. — С. 49−53.
  3. , Л.Г. О предельных условиях образования очага воспламенения за счет сжатия воздушных включений при инициировании / Л. Г. Страковский, A.A. Орлов // Физика горения и взрыва. 1988. — № 2. — С. 78−83.
  4. , К.К. Теория взрывчатых веществ / К. К. Андреев, А. Ф. Беляев -М.: Оборонгиз, 1960. 572 с.
  5. , Л.В. Методы оценки усредненной чувствительности взрывчатых веществ / Л. В. Дубнов, О. Л. Жуковский // Физика горения и взрыва. 1994. — № 6.- С. 96−99.
  6. Bayley, A. The handling and proceeding of explosives / A. Bayley, D. Chapman, M.R. Williams // Eighteenth International Pyrotechnics Seminar, Breckenridge, Colorado. 1992. — P. 33−49.
  7. , M.B. Влияние прочности заряда на параметры воспламенения твердых веществ при ударе / М. В. Лисанов, A.B. Дубовик // Физика горения и взрыва. 1991. -№ 4. — С. 99−104.
  8. Wiener, H. Structural Determination of Paraffin Boiling Points / H. Wiener, J. Am // Chem. Soc. 1947. — Vol. 69. — P. 17−20.
  9. , T.C. Молекулярные критерии чувствительности взрывчатых веществ к удару / Т. С. Пивина, Э. А. Петров, Г. Х. Агранов и др. // Физика горения и взрыва.- 1991.-№ 2. -С. 123−127.
  10. , A.B. Прогнозирование чувствительности взрывчатых веществ к удару / A.B. Белик, В. А. Потемкин // Физика горения и взрыва. 1988. — № 5. -С. 103−106.
  11. , Б.Г. Об измерении близости между разбиениями конечного множества объектов / Б. Г. Миркин, Л. Б. Черный // Автоматика и телемеханика. -1970.-№ 5.-С. 120−127.
  12. , В.П. Прогноз взрывчатых свойств и классификация взрывчатых материалов / В. П. Ердакова, Н. И. Попок // Материалы и технологии XXI века: тез. докл. I Всероссийской научно-практической конференции, Бийск, 6−8 сентября 2000 г.-С. 123−135.
  13. , З.Г. Справочник по промышленным взрывчатым веществам и средствам взрывания / З. Г. Поздняков, Б. Д. Росси. 2-е изд., перераб. и доп. — М.: Недра, 1977.-253 с.
  14. , A.A. Эластичные ВМ / A.A. Котомин // Российский химический журнал. 1997. -№ 4. — С. 89−101.
  15. Lobbecke, S. Thermoanalytical Screening of Nitrogen-Rich Substances / S. Lobbecke, A. Pfeil // Propellants, Explosives, Pyrotechnics. 1999. — № 24. -P. 168−175.
  16. , В.А., Колдобский Г. И. Энергоемкие тетразолы / В. А. Островский, Г. И. Колдобский // Российский химический журнал. 1997. — № 2. -С. 84−98.
  17. , Л.И. Химия и технология инициирующих взрывчатых веществ / Л. И. Багал. М.: Машиностроение, 1975. — 401 с.
  18. , В.В. Ударные и детонационные волны. Методы исследования / В. В. Селиванов, B.C. Соловьев, H.H. Сысоев. М.: Изд-во МГУ, 1990. — 256 с.
  19. Veelenturf, L.P.J. Analysis and applications of artificial neural networks / L.P.J. Veelenturf. Prentice Hall, 1995. — 260 p.
  20. , H.M. Вейвлет-анализ: основы теории и примеры применения / Н. М. Астафьева // Успехи физических наук. 1996. — Т. 166, № 11. — С. 11 451 170.
  21. , И.М. Вейвлеты и их использование / И. М. Дремин, О. В. Иванов, В. А. Нечитайло // Успехи физических наук. 2001. — Т. 171, № 5 — С. 465−501.
  22. Chemoinformatics: A Textbook / Edited by Johann Gasteiger and Thomas Engel. VCH Verlag GmbH & Co. KGaA, 2003. — 649 p.
  23. , В.Г. Зависимость реакционной способности пятичленных ге-тероциклов от их строения / В. Г. Андрианов, М. А. Шохен, А. В. Еремеев // Химия гетероциклических соединений. 1989. — № 4. — С. 508−511.
  24. Kamlet, M.J. Chemistry of Detonations. I. A Simple Method for Calculating Detonation Properties of C-H-N-0 Explosives / M.J. Kamlet, S.J. Jacobs // The journal of chemical physics. 1968. — V. 48, № 1. — p. 23−35.
  25. Kamlet, M.J. Chemistry of Detonations. II. Buffered Equilibria / M.J. Kamlet, S.J. Jacobs // The journal of chemical physics. 1968. — V. 48, № 1. — P. 36−42.
  26. Rodgers, D.W. Computational chemistry using the PC / D.W. Rodgers. John Wiley & Sons, Inc., 2003. — 349 p.
  27. Leach, A.R. Molecular modeling principles and applications / A.R. Leach. -Henry Ling Ltd., 2001. 759 p.
  28. Mandic, D.P. Recurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability / D.P. Mandic, J.A. Chambers. John Wiley, 2001. — 285 p.
  29. , Ч. Численное моделирование детонации / Ч. Мейдер: пер. с англ. М.: Мир, 1985.-384 с.
  30. Henchliffe, A. Modeling molecular structures / A. Henchliffe. Wiley, 2000. -336 р.
  31. , Д.Г. Характеризация химических структур с помощью теории информации и теории графов / Д. Г. Бончев. М.: Московский ун-т, 1984. — 48 с.
  32. , В.М. Химическое строение углеводородов и закономерности в их физико-химических свойствах / В. М. Татаевский. М.: Изд-во МГУ, 1953. -38 с.
  33. , Л.И. Многомерный статистический анализ в исторических исследованиях / Л. И. Бородкин. М.: МГУ, 1986. — 188 с.
  34. Winer, Н. Structural Determination of Paraffin Boiling Points / H/ Winner // J.Am.Chem.Soc. 1947. — V. 19, № l.-P. 1189−1196.
  35. Colmenarejo, G. Cheminformatic Models To Predict Binding Affinities to Human Serum Albumin / G. Colmenarejo, A. Alvarez-Pedraglio, J. Lavandera // J. Med. Chem. 2001. — V. 44 — P. 4370−4378.
  36. Todeschini, R. V. Handbook of Molecular Descriptors / R. Todeschini- V. Consonni // Wiley-VCH: Weinheim (Germany), 2000. Vol. 11. — P. 667−672.
  37. Pogliani, L. Modeling properties with higher-level molecular connectivity descriptors / L. Pogliani. J.Chem. Inf. And Comput. Sci. — 1999. — Vol. 39, № 1. -P. 104−111.
  38. Keshavarz, M.H. Investigation of the Various Structure Parameters for Prediction Impact Sensitivity of Energetic Molecules via Artificial Neural Network / M.H. Keshavarz, M. Jaafari. Propellants, Explosives, Pyrotechnics. — 2006. — № 3 -P. 216−221.
  39. , И. Ракетные двигатели на химическом топливе / И. Тимнат: пер. с англ. М.: Мир, 1990. — 294 с.
  40. , Г. И. Триазолы и их пестицидная активность / Г. И. Каплан, С. С. Кукаленко. -М.: НИИТЭХИМ, 1983.-40 с.
  41. , Т. Химия гетероциклических соединений / Т. Джилкрист: пер. с англ. М.: Мир, 1996. — 464 с.
  42. , Р.Р. Физическая химия. Термодинамика / Р. Р. Салем. М.: ФИЗ-МАТЛИТ, 2004. — 352 с.
  43. , А. М. Об одном методе индуктивного вывода с подрезанием деревьев решений / А. М. Гупал, А. А. Пономарев, А. М. Цветков // Кибернетика и системный анализ. 1993. — № 5. — С. 174−178.
  44. , А.Д. Введение в теорию фракталов / А. Д. Морозов. Москва-Ижевск: Институт компьютерных исследований, 2002. — 160 с.
  45. , Р. Химическое приложение топологии и теории графов / Р. Кинг. -М.: Мир, 1987. -560 с.
  46. Факторный, дискриминантный и кластерный анализ / Пер. с англ. Дж.-О. Ким, Ч. У. Мьюллер, У. Р. Клекка и др. М.: Финансы и статистика, 1989. — 215 с.
  47. Warshel, A. Computer modeling of chemical reactions in enzymes and solutions / A. Warshel. Wiley Professional Paperback Edition, 1997. — 236 p.
  48. , И.Д. Кластерный анализ / И. Д. Мандель. М.: Финансы и статистика, 1988. — 176 с.
  49. , Р.Р. Кластер-анализ и классификация: основные направления / Р. Р. Сокал // Классификация и кластер. 1980. — С. 7−19.
  50. Freman, J.A. Neural networks: algorithms, applications, and programming techniques / J.A. Freman, D.M. Skapura. Addison-Wesley Publishing Company, 1991.-401 p.
  51. Геометрические идеи в физике: сб. статей / Пер с англ., под ред. Ю. И. Манина. М.: Мир, 1983. — 240 с.
  52. , Ю.И. Кластеры и малые частицы / Ю. И. Петров. М.: Наука, 1986.-368 с.
  53. Прикладные нечеткие системы / Пер. с япон. К. Асаи, Д. Ватада, С. Иваи и др.- под ред. Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993. — 368 с.
  54. , Г. Интеллектуальные средства анализа, интерпретации и представления данных в информационных хранилищах / Г. Эделстейн // ComputerWeek. 1996. — № 16. — С. 32−33.
  55. , Н.М. Математическая обработка экспериментальных данных. Часть 2 (введение в регрессионный и корреляционный анализ) / Н. М. Чернова: -Магадан.: Изд. МПУ, 1996. 28 с.
  56. , Н.Г. Прикладные методы анализа данных и знаний / Н.Г. За-горуйко. Изд-во Ин-та математики, 1999. — 270 с.
  57. Kohonen, Т. Self-organizing maps / T. Kohonen. Springer-Verlag, 2001.501 p.
  58. Kecman, V. Learning and soft computing support vector machines, neural networks, and fuzzy logic models / V. Kecman. MIT Press, 2001. — 541 p.
  59. , Г. Г., Брейкин T.B., Арьков В. Ю. Интеллектуальные информационные системы / Г. Г. Куликов, Т. В. Брейкин, В. Ю. Арьков. Уфимск. гос. авиац. техн. ун-т, 1999. — 129 с.
  60. , А.Н. Методы нейроинформатики / А. Н. Горбань. КГТУ, 1998. -205 с.
  61. , В.Ю. Эффективные алгоритмы и программы вычислительной математики / В. Ю. Белашов, Н. М. Чернова. Магадан: СВКНИИ ДВО РАН, 1997. — 160 с.
  62. , JI.A. Использование нейросетевых технологий для проведения учебно-исследовательских работ / JI.A. Жуков. Красноярск: КГТУ, 1998. — 205 с.
  63. , А.Н. О представлении непрерывных функций нескольких переменных в виде суперпозиции непрерывных функций одного переменного / А. Н. Колмогоров // Докл. АН СССР. 1957. — Т. 114, № 5. — С. 953−956.
  64. Wolkenhauer О. Data Engineering: Fuzzy Mathematics in Systems Theory and Data Analysis / O. Wolkenhauer. John Wiley & Sons, Inc, 2003. — 263 p.
  65. Ye, N. The handbook of datamining / N. Ye. Lawrence Erlbaum associated Publishers, New Jersey, 2003. — 689 p.
  66. , А. Нейроинформатика и ее приложения / А. Горбань // Открытые системы. 1998. — № 4−5. — С. 36−41.
  67. Хехт-Нильсен Р. Нейрокомпьютинг: история, состояние, перспективы / Р. Хехт-Нильсен // Открытые системы. 1998. — № 4−5. — 1998. — С. 23−28.
  68. , Ф. Принципы нейродинамики. Персептроны и теория механизмов мозга / Ф. Розенблатт. М.: Мир, 1965. — 306 с.
  69. , С.В. Нейротехнические системы обработки информации / С. В. Свешников, A.M. Шквар. Киев: Наукова думка, 1983. — 222 с.
  70. Ю.И. Интеллектуальные системы обработки информации на основе нейросетевых технологий / Ю. И. Зозуля. Уфимск. гос. авиац. техн. ун-т, 2000.- 138 с.
  71. , Н. Продукты для интеллектуального анализа данных / Н. Кречетов // Рынок программных средств. № 14−15. — 1997. — С. 32−39.
  72. Kosko, В. Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence / B. Kosko. Prentice Hall, 1992. — 452 p.
  73. Ю.И. Интеллектуальные системы обработки информации на основе нейросетевых технологий / Ю. И. Зозуля. Уфимск. гос. авиац. техн. ун-т, 2000.- 138 с.
  74. , Н. Продукты для интеллектуального анализа данных / Н. Кречетов // Рынок программных средств. № 14−15. — 1997. — С. 32−39.
  75. , Г. С. Приобретение знаний интеллектуальными системами / Г. С. Осипов М. М.: Наука, 1997. — 196 с.
  76. , А.Н. Интеллектуальные информационные технологии и системы / А. Н. Райков. М.: МИРЭА, 1998. — 213 с.
  77. Fyfe, С. Artificial Neural Networks / С. Fyfe The University of Paisley, 1996.- 136 p.
  78. Hristev, R.M. Artificial Neural Networks / R.M. Hristev. The ANN Book, 1998.-392 p.
  79. Konar, A. Artificial intelligence and soft computing: behavioral and cognitive modeling of the human brain / A. Konar. Boca Raton: CRC Press, 2000. — 787 p.
  80. , A.M. Избранные труды по органической химии / A.M. Бутлеров. М.: Изд-во АН СССР, 1951. — 692 с.
  81. , А. М. Разработка алгоритмов индуктивного вывода с использованием деревьев решений / A.M. Цветков // Кибернетика и системный анализ. -1993.-№ 1.-С. 174−178.
  82. Bigus, J.P. Data mining with neural networks: solving business problems -from application development to decision support / J.P. Bigus. McGraw-Hill Companies, 1996.-220 p.
  83. Journal of computational and applied mathematics // 2001. Vol. 128, № 1−2.
  84. Artificial Intelligence Applications and Innovations // 18th IFIP World Computer Congress, WWC Toulouse. 2004. — 484 p.
  85. , С.А. Прикладная статистика: классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. -М.: Финансы и статистика, 1989. 607 с.
  86. Stuart, J.R. Artificial intelligence: a modern approach / J.R. Stuart. Prentice Hall, 2009. — 932 p.
  87. , А.И. Теория нейронных сетей / А. И Галушкин. М.: ИПРЖР, 2000.-416 с.
  88. Fogelman, S.F. Neural networks, state of the art, neural computing / S.F. Fogelman. IBC Technical Services, 1991. — 142 p.
  89. , E.K. Искусственные нейронные сети. I. Основные определения и модели / Е. К. Гордиенко, A.A. Лукьяница // Изв. РАН. Техническая кибернетика. 1994. — № 5. — С. 79−92.
  90. , С.Г. Нейронные сети: алгоритм обратного распространения / С. Г. Короткий // BYTE. 2000. — № 5. — С. 26−29.
  91. , O.A. Дескрипторы молекулярной структуры в компьютерном дизайне биологически активных молекул / O.A. Раевский // Успехи химии. 1999. -Т. 68, № 6.-С. 555−575.
  92. , С.Г. Нейронные сети: основные положения / С. Г. Короткий // BYTE.-2000.-№ 5.-С. 18−21.
  93. , А.Н. Нейронные сети на персональном компьютере / А.Н. Гор-бань, Д. А. Россиев. Новосибирск: Наука, 1996. — 144 с.
  94. , А.Н. Обучение нейронных сетей / А. Н. Горбань. М.: СП Параграф, 1990.-224 с.
  95. , В.П. Нейронные сети. STATISTICA Neural Networks / В. П. Боровиков. М.: Горячая линия-Телеком, 2008. — 301 с.
  96. , А.Н. Интеллектуальные информационные технологии /A.Н. Райков. М.: МГИРЭА, 2000. — 96 с.
  97. , И.В. Динитродиазенофуроксан новое сверхмощное взрывчатое вещество / И. В. Овчинников, H.H. Махова, Л. И. Хмельницкий, B.C. Кузьмин, Л. Н. Акимова, В. И. Пипекин // Доклады академии наук. 1998. -Т. 359, № 4.-С. 499−502.
  98. Abbass, H.A. Data mining: a heuristic approach / H.A. Abbass, R.A. Sarker, C.S. Newton. Idea Group Publishing, 2002. — 310 p.
  99. , Дж. Линейный регрессионный анализ / Дж. Себер. М.: Мир, 1980.-456 с.
  100. , Н. Продукты для интеллектуального анализа данных / Н. Кречетов, П. Иванов // ComputerWeek. 1997. — № 14−15. — С. 32−39.
  101. , Л.А. Адаптация сложных систем / Л. А. Растригин. Рига: Зинатне, 1981.-375 с.
  102. Общая органическая химия / Под ред. Д. Бартона и У. Д. Оллиса. Т. 7. Металлорганические соединения / Под ред. Д. Н. Джонса. — Пер. с англ., под ред. Н. К. Кочеткова и Ф. М. Стояновича. — М.: Химия, 1984. — 472 с.
  103. , Н. Теория графов. Алгоритмический подход / Н. Кристо-фидес. Москва: Мир, 1978. — 432 с.
  104. , Е.Ю. Октоген термостойкое взрывчатое вещество / Е. Ю. Орлова, H.A. Орлова, В. Ф. Жилин В.Ф. и др. — М.: Недра, 1975. — 128 с.
  105. , O.A. Дескрипторы молекулярной структуры в компьютерном дизайне биологически активных молекул / O.A. Раевский // Успехи химии. 1999. -Т. 68, № 6.-С. 555−575.
  106. Randic, М. On characterization of chemical structure / M. Randic // J. Chem. Inf. Comput. Sei. 1997. — V. 37, № 4. — P. 672−672.
  107. Livingstone, D.J. The characterization of chemical structure using molecular properties / D.J. Livingstone // J. Chem. Inf. Comput. Sei. 2000. — V. 40, № 2. -P. 195−209.
  108. , A.H. Химия ферроцена. Избранные труды / А. Н. Несмеянов. -М.: Наука, 1969.-606 с.
  109. , Ю.В. Использование информационных технологий DATA MINING для прогнозирования характеристик циклических соединений /Ю.В. Передерин // Вестник КГТУ. 2006. — Т. 32, № 4. — С. 32−38.
  110. , Ю.В. Использование информационных технологий DATA MINING применительно к прогнозированию параметров безопасности органических соединений / Ю. В. Передерин // Ползуновский вестник. 2007. — № 3. -С. 87−90.
  111. , Ю.В. Многофакторный анализ и прогноз свойств органических соединений / Ю. В. Передерин // Ползуновский вестник. 2008. — № 3. -С. 61−62.
  112. , Ю.В. Количественный анализ и прогнозирование свойств компонентов энергетических конденсированных систем бризантных взрывчатых веществ / Ю. В. Передерин, Н. И. Попок // Ползуновский вестник. — 2010. -№ 4−1.-С. 126−130.173
Заполнить форму текущей работой

Заказал и сдал!