1. Соловьев С.В., Мишурова Н.В. Анализ текущего состояния процесса контроля при управлении полетом космических аппаратов // Инженерный журнал: наука и инновации. 2016. Вып. 3. http://engjournal.ru/catalog/arse/adb/1474.html. DOI: 10.18698/2308-6033-2016-03-1474 EDN: VVNQMB
2. Охтилев М.Ю., Соколов Б.В., Юсупов Р.М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных объектов. М.: Наука, 2006. 410 с. EDN: QMPREP
3. Охтилев М.Ю., Мустафин Н. Г., Миллер В.Е., Соколов Б.В. Концепция проактивного управления сложными объектами: теоретические и технологические основы // Известия вузов. Приборостроение. 2014. Т. 57, №11. С. 7-14. EDN: SYLCQD
4. Ожегов С.И., Шведова Н.Ю. Толковый словарь русского языка. 4-е изд. М., 1997. 944 с. EDN: RXPFZJ
5. ГОСТ Р51904-2002: Программное обеспечение встроенных систем. Общие требования к разработке и документированию.
6. Абанин О.И., Соловьев С.В. Содержание и структура задач диагностики аномалий в работе бортовых систем космического аппарата // Инженерный журнал: наука и инновации. 2019. Вып. 6. DOI: 10.18698/2308-6033-2019-6-1890 EDN: NTBLBD
7. Мухачев П.А., Садретдинов T.Р., Притыкин Д.А., Иванов А.Б., Соловьев С.В. Современные методы машинного обучения для анализа технического состояния космических аппаратов по данным телеметрической информации // Автоматика и механика №8, 2021. С. 3-38. DOI: 10.31857/S0005231021080018
8. Назаров А.В., Козырев Г.И., Шитов И.В., Обрученков В.П., Древин А.В., Краскин В.Б., Кудряков С.Г., Петров А.И., Соколов С.М., Якимов В.Л., Лоскутов А.И. Современная телеметрия в теории и на практике. Учебный курс. СПб.: Наука и техника, 2007. 672 с. EDN: NEXWGL
9. Соловьев С.В. Интеллектуальный метод анализа для автоматизированного прогнозирования состояния КА. Инженерный журнал: наука и инновации, 2016, Вып. 2. http://engjournal.ru/catalog/arse/adb/1469.html. 10.18698/2308-6033- 2016-02-1469. DOI: 10.18698/2308-6033-2016-02-1469 EDN: XBEIPN
10. Бурков А. Машинное обучение без лишних слов. (Серия “Библиотека программиста”). СПб.: Питер, 2020. 192 с.
11. Воронцов К.В. Математические методы обучения по прецедентам (теория обучения машин). Курс лекций [Электронный ресурс]. М.: НИУ ВШЭ, 2019. www.MachineLearning.ru.
12. Головко В.А., Краснопрошин В.В. Нейросетевые технологии обработки данных: Учеб. пособие. (Классическое университетское издание). Минск: БГУ, 2017. 263 с. EDN: GLVGIE
13. Головко В.А., Крощенко А.А., Хацкевич М.В. Теория глубокого обучения: конвенциальный и новый подход // Вестник Брестского государственного технического университета. Физика, математика, информатика. 2016. №5(101). С. 7-16. EDN: VTUFAY
14. Богачев И.В., Левенец А.В., Чье Е.У. Применение искусственной нейронной сети для классификации телеметрических данных в системах сжатия // Информационно-управляющие системы. 2016. №3(82). С. 2-7. EDN: WBMAZT