1. Аверкин А. Н. Методы объяснимого искусственного интеллекта в работах Лотфи Заде // Мягкие измерения и вычисления. 2022. Т. 56, № 7-2. С. 79-90. DOI: 10.36871/2618-9976.2022.07-2.007 EDN: GMBZDN
2. Гаврилин Д. Н., Кустова И. А, Манцивода А. В. Объектные модели как микросервисы: язык запросов // Известия Иркутского государственного университета. Серия Математика. 2022. Т. 42. C. 121-137. DOI: 10.26516/1997-7670.2022.42.121 EDN: HQCWLA
3. Подвесовский А. Г., Исаев Р. А. Идентификация структуры и параметров нечетких когнитивных моделей: экспертные и статистические методы // International Journal of Open Information Technologies. 2019. Vol. 7, N 6. Р. 35-61. EDN: YWRHNX
4. Яхъяева Г. Э., Пальчунова О. Д. О квантовой интерпретации теории нечетких моделей // Интегрированные модели и мягкие вычисления в искусственном интеллекте: сб. науч. тр. XII Междунар. науч.-практ. конф. Коломна, 14-17 мая 2024 г. Т. 1. С. 225-236. EDN: NHQMCD
5. Chris B. Quantum Computing for Everyone. The MIT Press, 2020. 216 p.
6. Demin A. V., Ponomaryov D. K. Machine Learning with Probabilistic Law Discovery: a Concise Introduction // Известия Иркутского государственного университета. Серия Математика. 2023. Т. 43. C. 91-109. DOI: 10.26516/1997-7670.2023.43.91 EDN: LRIHKF
7. Morzhin O. V., Pechen A. N. Krotov Type Optimization of Coherent and Incoherent Controls for Open Two-Qubit Systems // Известия Иркутского государственного университета. Серия Математика. 2023. Т. 45. C. 3-23. DOI: 10.26516/1997-7670.2023.45.3 EDN: DKWSSF
8. Palchunov D., Yakhyaeva G. Fuzzy logics and fuzzy model theory // Algebra and Logic. 2015. Vol. 54, N 1. P. 74-80. DOI: 10.1007/s10469-015-9326-9 EDN: WQDPDP
9. Palchunov D., Yakhyaeva G. Application of Boolean-valued models and FCA for the development of ontological model // CEUR Workshop Proceedings. 2017. Vol. 1921. P. 77-87. EDN: YIWAYZ
10. Palchunov D. E. Methodological Aspects of the Application of Model Theory // 2022 Ural-Siberian Conference on Computational Technologies in Cognitive Science, Genomics and Biomedicine (CSGB). Novosibirsk, 2022. P. 210-215. DOI: 10.1109/CSGB56354.2022.9865602
11. Palchunov D. E. Model Theory of Subject Domains I // Algebra and Logic. 2022. Vol. 61, N 2. P. 239-250. DOI: 10.33048/alglog.2022.61.207 EDN: QPYRVP
12. Pospelov D. A., Stefanuk V. L., Averkin A.N. et al. Remembering Lot Zadeh // Открытые семантические технологии проектирования интеллектуальных систем. 2018. № 8. С. 27-39. EDN: YUCRVJ
13. Wong T. G.Introduction to Classical and Quantum Computing. Rooted Grove, 2022. 400 p.
14. Yakhyaeva G., Karmanova A., Ershov A. Application of the Fuzzy Model Theory for Modeling QA-Systems // Computing and Informatics, 2021. Vol. 40. N 6. P. 1197-1216. DOI: 10.31577/cai_2021_6_1197 EDN: HLFLXU
15. Yakhyaeva G. Application of the Case Models Restriction for Modeling Argumentation Reasoning // 2021 International Symposium on Knowledge, Ontology, and Theory (KNOTH). Novosibirsk, 2021. P. 40-44. DOI: 10.1109/KNOTH54462.2021.9686318 EDN: XXURHC
16. Yakhyaeva G., Skokova V. Subjective Expert Evaluations in the Model-Theoretic Representation of Object Domain Knowledge // Lecture Notes in Computer Science (including subseries Lecture Notes in Arti cial Intelligence and Lecture Notes in Bioinformatics). 2021. Vol. 12948 LNAI. P. 152-165. DOI: 10.1007/978-3-030-86855-0/_11 EDN: GFNNPD
17. Yakhyaeva G. E. On the Local Coordination of Fuzzy Valuations // Известия Иркутского государственного университета. Серия Математика. 2023. Т. 46. C. 130-144. DOI: 10.26516/1997-7670.2023.46.130 EDN: BGBTFB
18. Yakhyaeva G. E., Palchunova O. D. Fuzzy Models as a Formalization of Expert’s Evaluative Knowledge // Pattern Recognition and Image Analysis. 2023. Vol. 33, N 3. P. 529-535. DOI: 10.1134/S105466182303046X EDN: QGVTDO