В статье рассматриваются подходы к построению системы регулирования частоты синхронного генератора с элементами искусственного интеллекта.
Электронные устройства и системы: межвузовский научный сборник. – Уфа: УГАТУ, 2010. – С. 31-33

В статье рассматриваются принципы построения интеллектуальных систем регулирования частоты электромашинного преобразователя.
Электромеханика, электротехнические комплексы и системы. – Уфа: УГАТУ, 2010. – С. 39-41

No abstract
Известия РАН, Серия химическая, 2003, No. 1, C. 19-28; Russian Chemical Bulletin, 2003, Vol. 52, No. 1, C. 20-29

No abstract
ДАН, 2001, T. 381, № 2, C. 203-206; Doklady Chemistry, 2001, Vol. 381, Nos. 1-3, P. 317-320

Проанализирован ряд проблем, стоящих перед современной вычислительной химией, и показано, как нейросетевые алгоритмы и аппаратное обеспечение могут быть применены для их решения. Основное внимание уделено перспективам применения нейронных сетей в химической информатике, молекулярном моделировании (в молекулярном дизайне, в молекулярной механике и молекулярной динамике), а также для проведения квантовохимических вычислений по методу Хартри-Фока. По каждому из этих направлений предложены с разной степенью детализации возможные нейросетевые решения.
Нейрокомпьютеры: разработка и применение, 1997, № 3-4, C. 17-23

No abstract
Докл. РАН, 2009, Т. 427, № 3, C. 335-339

Рассмотрены работы, в которых нейросетевой подход применяется для моделирования зависимостей свойств органических соединений от их структуры. Наряду с основными принципами нейросетевого моделирования обсуждаются также особенности нейросетевого подхода, характерные для представления и классификации структурных химических данных. Приведена краткая информация о нейросетевых моделях спектральных характеристик, реакционной способности, физико-химических свойств и биологической активности органических соединений.
Успехи химии, 2003, T.72, № 7, C. 706-727; RUSS CHEM REV, 2003, 72 (7), 629–649. DOI 10.1070/RC2003v072n07ABEH000754

No abstract
Российский химический журнал (Журнал Российского химического общества им. Д.И.Менделеева), 2006, Т. 50, C. 86-96

This chapter critically reviews some of the important methods being used for building quantitative structure-activity relationship (QSAR) models using the artificial neural networks (ANNs). It attends predominantly to the use of multilayer ANNs in the regression analysis of structure-activity data. The highlighted topics cover the approximating ability of ANNs, the interpretability of the resulting models, the issues of generalization and memorization, the problems of overfitting and overtraining, the learning dynamics, regularization, and the use of neural network ensembles. The next part of the chapter focuses attention on the use of descriptors. It reviews different descriptor selection and preprocessing techniques; considers the use of the substituent, substructural, and superstructural descriptors in building common QSAR models; the use of molecular field descriptors in three-dimensional QSAR studies; along with the prospects of "direct" graph-based QSAR analysis. The chapter starts with a short historical survey of the main milestones in this area.
Methods in molecular biology (Clifton, N.J.) Volume 458, 2008, Pages 137-158, DOI: 10.1007/978-1-60327-101-1_8

Диссертационная работа относится к области хемоинформатики – активно развивающегося направления математической химии, в задачи которого входит разработка методов прогнозирования свойств химических соединений и материалов на основе применения современного аппарата статистического машинного обучения к выявлению зависимостей между структурой химических соединений и их свойствами путем автоматизированной обработки больших массивов экспериментальных данных. Главным содержанием диссертационной работы является создание универсальной методологии, позволяющей с единых позиций осуществлять количественный прогноз самых разнообразных свойств (главным образом, физико-химических) свойств органических соединений в рамках теоретико-графового подхода к описанию их строения на основе компьютерной обработки экспериментальных данных. Математически обоснован и на множестве примеров продемонстрирован центральный тезис диссертационной работы: такой универсальной методологией является сочетание многослойных искусственных нейронных сетей персептронного типа и фрагментных дескрипторов. В рамках развития нейросетевых подходов разработаны: а) процедуры трехвыборочного и двойного скользящего контроля; б) статистический метод быстрой пошаговой множественной линейной регрессии; в) метод интерпретации нейросетевых регрессионных моделей; г) концепция «обучаемой симметрии». В рамках развития фрагментных подходов разработаны: а) иерархическая система классификации типов атомов, входящих в состав фрагментов, а также структура и алгоритм генерации фрагментных дескрипторов; б) концепция фрагментов с «выделенными» атомами; в) концепция псевдофрагментных дескрипторов. В рамках развития интегрированных подходов разработаны: а) методы интеграции нейросетевого и молекулярного моделирования; б) концепция построения нейросетевых моделей «структура-условия-свойство»; в) методы объединения нейросетевых моделей на основе концепций многоуровнего подхода и многозадачного обучения; г) концепция проведения прямых корреляций «структура-свойство». Разработан программный комплекс, позволяющий в полном объеме осуществить весь цикл работ по построению моделей «структура-свойство» и «структура-условия-свойство», и с их помощью осуществлять прогнозирование самых разнообразных свойств химических соединений. Построены модели для прогнозирования 62 разнообразных свойств химических соединений. Результатом работы явилось создание нового научного направления – нейросетевого моделирования свойств органических соединений на основе фрагментного подхода.