1. Федоренко В.А., Сорокина К.О., Гиверц П.В. Многогрупповая классификация следов бойков с помощью полносвязной нейронной сети // Информационные технологии и вычислительные системы. 2022. № 3. С. 43-57. https://doi.org/10.14357/20718632220305
2. Федоренко В.А., Сорокина К.О., Гиверц П.В. Классификация следов бойков по экземплярам оружия сверточной нейронной сетью // Информационные технологии и вычислительные системы. 2024. № 1. С. 87-96. https://doi.org/10.14357/20718632240109
3. Россинская Е.Р. Нейросети в судебной экспертологии и экспертной практике: проблемы и перспективы // Вестник Университета имени О.Е. Кутафина (МГЮА). 2024. № 3(115). С. 21-33. https://doi.org/10.17803/2311-5998.2024.115.3.021-033
4. Кокин А.В., Денисов Ю.Д. Искусственный интеллект в криминалистике и судебной экспертизе: вопросы правосубъектности и алгоритмической предвзятости // Теория и практика судебной экспертизы. 2023. Т. 18. № 2. С. 30-37. https://doi.org/10.30764/1819-2785-2023-2-30-37
5. Андреева О.И., Иванов В.В., Нестеров А.Ю., Трубникова Т.В. Технологии распознавания лиц в уголовном судопроизводстве: проблема оснований правового регулирования использования искусственного интеллекта // Вестник Томского государственного университета. 2019. № 449. С. 201-212. https://doi.org/10.17223/15617793/449/25
6. Основы судебной экспертологии: учебно-методическое пособие. М.: ФБУ РФЦСЭ при Минюсте России, 2023. 383 с. https://doi.org/10.30764/978-5-91133-267-9-2023
7. Ghorbani A., Abid A., Zou J. Interpretation of Neural Networks Is Fragile // Proceedings of the AAAI Conference on Artificial Intelligence. 2019. Т. 33. No. 1. С. 3681-3688.
8. Das A., Agrawal H., Zitnick L., Parikh D., Batra D. Human Attention in Visual Question Answering: Do Humans and Deep Networks Look at the Same Regions? // Computer Vision and Image Understanding. 2017. Vol. 163. P. 90-100.
9. Устинов В.В. О возможности объективизации почерковедческого исследования рукописных реквизитов // Вопросы экспертной практики. 2019. № S1. С. 663-668.
10. Мещеряков В.А., Бутов В.В. Оценка возможностей почерковедческой экспертизы сквозь призму современных информационных технологий // Вестник Воронежского института МВД России. 2017. № 2. С. 40-46.
11. Журавель А.А., Трошко Н.В., Эджубов Л.Г. Использование алгоритма обобщенного портрета для опознания образов в судебном почерковедении // Правовая кибернетика. 1970. С. 212-227.
12. Woo S., J. Park, Lee J.Y., Kweon I.S. CBAM: Convolutional Block Attention Module // Proceedings of the European Conference on Computer Vision (ECCV). 2018. P. 3-19.
13. Xue G., Liu S., Gong D., Ma Y. ATP-DenseNet: A Hybrid Deep Learning-based Gender Identification of Handwriting // Neural Computing and Applications. 2021. Vol. 33. P. 4611-4622.
14. Бобовкин М.В., Диденко О.А., Нестеров А.Е. Компьютерное моделирование раздельного и сравнительного исследования частных признаков почерка на основе программного комплекса «Фрося» // Судебная экспертиза. 2021. № 3 (67). С. 62-71. https://doi.org/10.25724/VAMVD.UXYZ
15. Zhang X.Y., Xie G.S., Liu C.L., Bengio Y. End-to-End Online Writer Identification with Recurrent Neural Network // IEEE Transactions on Human-Machine Systems. 2016. Vol. 47. No. 2. P. 285- 292.
16. Kao H.H., Wen C.Y. An Offline Signature Verification and Forgery Detection Method Based on a Single Known Sample and an Explainable Deep Learning Approach // Applied Sciences. 2020. Vol. 10. No. 11. 3716. https://doi.org/10.3390/app10113716
17. Simonyan K., Vedaldi A., Zisserman A. Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps // arXiv. 2013. https://doi.org/10.48550/arXiv.1312.6034
18. Selvaraju R.R., Cogswell M., Das A., Vedantam R., Parikh D., Batra D. Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based Localization // Proceedings of the IEEE International Conference on Computer Vision. 2017. P. 618-626.
19. Droby A., Rabaev I., Shapira D.V., Kurar Barakat B., El-Sana J. Digital Hebrew Paleography: Script Types and Modes // Journal of Imaging. 2022. Vol. 8. No. 5. P. 143.
20. Marcinowski M. Top Interpretable Neural Network for Handwriting Identification // Journal of Forensic Sciences. 2022. Vol. 67. No. 3. P. 1140-1148.
21. Harralson H.H., Miller L.S. Huber and Headrick’s Handwriting Identification: Facts and Fundamentals. CRC press, 2017. 420 p.
22. Bromley J., Guyon I., LeCun Y., Säckinger E., Shah R. Signature Verification using a “Siamese” Time Delay Neural Network // Advances in Neural Information Processing Systems. 1993. Vol. 6. P. 669-686.
23. Dey S., Dutta A., Toledo J.I., Ghosh S.K., Llados J., Pal U. SigNet: Convolutional Siamese Network for Writer Independent Offline Signature Verification // arXiv. 2017. https://doi.org/10.48550/arXiv.1707.02131
24. Bakhteev D.V. Criminalistic Conclusions on Signature Forgery Process During Building an Offline Signature Veriécation Intellectual System // Nowa Kodyfikacja Prawa Karnego. 2021. No. 60. P. 9-15.
25. Chopra P. Making Your Neural Network Say “I Don’t Know” - Bayesian NNs using Pyro and PyTorch // Medium. https://towardsdatascience.com/making-your-neural-network-say-i-dont-know-bayesian-nns-using-pyro-and-pytorch-b1c24e6ab8cd
26. Bahdanau D., Cho K., Bengio Y. Neural Machine Translation by Jointly Learning to Align and Translate // arXiv. 2014. https://doi.org/10.48550/arXiv.1409.0473
27. Bakhteev D.V., Sudarikov R. NSP Dataset and Offline Signature Verification // Quality of Information and Communications Technology: 13th International Conference, QUATIC 2020 (Faro, Portugal, September 9-11, 2020). Proceedings 13. Springer International Publishing, 2020. P. 41-49.