| Выбор функции активации при прогнозировании нейронными сетями ГИ Рудой Машинное обучение и анализ данных 1 (1), 16-39, 2011 | 49 | 2011 |
| Analysis of the stability of nonlinear regression models to errors in measured data GI Rudoy Pattern recognition and image analysis 26, 608-616, 2016 | 8 | 2016 |
| Алгоритмы индуктивного порождения суперпозиций для аппроксимации измеряемых данных ГИ Рудой, ВВ Стрижов Информатика и её применения 7 (1), 44-53, 2013 | 8 | 2013 |
| О возможности применения методов Монте-Карло в анализе нелинейных регрессионных моделей ГИ Рудой Сибирский журнал вычислительной математики 18 (4), 425-434, 2015 | 2 | 2015 |
| Algorithms for inductive generation of superpositions for approximation of experimental data GI Rudoy, V Strijov Informatika i Ee Primeneniya [Informatics and its Applications] 7 (1), 44-53, 2013 | 2 | 2013 |
| On modification of the mean squared error loss function for solving nonlinear heteroscedastic errors-in-variables problems GI Rudoy Informatika i Ee Primeneniya [Informatics and its Applications] 11 (2), 74-84, 2017 | 1 | 2017 |
| Applying Monte Carlo methods to analysis of nonlinear regression models GI Rudoy Numerical Analysis and Applications 8, 344-350, 2015 | 1 | 2015 |
| Индуктивное порождение суперпозиций в задачах нелинейной регрессии ГИ Рудой Машинное обучение и анализ данных 1 (2), 183-197, 2011 | | 2011 |
| Алгоритмы индуктивного порождения и упрощения и критерии выбора оптимальной существенно нелинейной регрессионной модели для аппроксимации измеряемых данных ГИ Рудой | | |
