Список литературы. 
Критерии выбора признаков в задаче классификации изображений

[1] Лифшиц, Ю Современные задачи теоретической информатики: Курс лекций / Ю Лифшиц // Курс лекцийпо статистическим методам распознавания образов, распознаванию лиц, классификации текстов. — 2000. — Лекция 7. — С.7−31.

[2] АНАЛИТИЧЕСКИЕ ТЕХНОЛОГИИ для прогнозирования и анализа данных [Электронный ресурс]: АНАЛИТИЧЕСКИЕ ТЕХНОЛОГИИ для прогнозирования и анализа данных / НейроПроект. — Режим доступа: http://www.neuroproject.ru/neuro. htm.

[3] Алгоритм Хафа для обнаружения произвольных кривых на изображениях [Электронный ресурс]. — Режим доступа: http://habrahabr.ru/post/102 948/.

[4] Признаки Хаара [Электронный ресурс]. — Режим доступа: http://ru. wikipedia.org/wiki/%D0%9F%D1%80%D0%B8%D0%B7%D0%BD%D0%B0%D0%BA%D0%B8_%D0%A5%D0%B0%D0%B0%D1%80%D0%B0.

[5] Применение нейросетей в распознавании изображений [Электронный ресурс]. — Режим доступа: http://habrahabr.ru/post/74 326/.

[6] Искусственная нейронная сеть [Электронный ресурс]. — Режим доступа: http://ru. wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%B0%D1%8F_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D1%8F_%D1%81%D0%B5%D1%82%D1%8C.

[7] Вильчек, Ф Хороший, плохой слой / Ф Вильчек, Д Канеман; Журнал Equire // Хороший, плохой слой. — 2011. — идеи, наука № 64. — С.1−2.

[8] OpenCV шаг зашагом. Преобразование Хафа [Электронный ресурс]. — Режим доступа: http://robocraft.ru/blog/computervision/502.html.

[9] ХиттонEncog [Электронный ресурс] / Хиттон. — Режим доступа: http://www.heatonresearch.com/encog.

[10] FANN [Электронный ресурс]. — Режим доступа: http://leenissen. dk/fann/wp/.

[11] Sirotenko, M CUDA CNN [Электронный ресурс] / M Sirotenko. — Режим доступа: https: // sites. google.com/site/mihailsirotenko/projects/cuda-cnn.

[12] Антоненков, А. В. Оптимальная искусственная нейронная сеть для исследования асинхронного двигателя, работающего со случайной нагрузкой / А. В. Антоненков // Нейрокомпьютеры: разработка и применение. — 2009. — № 7. — С.1−8.

[13] Николенко Метод градиентного спуска [Электронный ресурс] / Николенко. — Режим доступа: http://www.amse.ru/archive/courses/2006/nikolenko/notes-03-ann2. pdf.

[14] Филимонов, А. В. Структурирование и обучение нейронных сетей с применениями к задачам физической химии и медицины / А. В. Филимонов // Структурирование и обучение нейронных сетей с применениями к задачам физической химии и медицины. — 2004. — 1. — С.8−10.

[15] Солдатова, О. П. Применение сверточной сети для распознавания рукописных цифр / О. П. Солдатова, А. А. Гаршин // Применение сверточной сети для распознавания рукописных цифр. — 2010. — 1. — С.254−254.

[16] Гонсалес, Р Цифровая обработка изображений / Р Гонсалес, Р Вудс. — Москва: «Техносфера», 2005. — 1072 с.

[17] Местецкий, Л. М. Математические методы распознавания образов / Л. М. Местецкий. — Москва: «МГУ», 2004. — 86 с.

[18] LeCun, Y Gradient-BasedLearningAppliedtoDocumentRecognition / Y LeCun // Gradient-BasedLearningAppliedtoDocumentRecognition. 1998. — 1. — С.2−42.

[19] LeCun, Y Efficient BackProp / Y LeCun // Efficient BackProp. — 1998. — 1. — С.2−38.

[20] Hao, Y Improved computation for Levenberg-Marquardt training. / Y LeCun // IEEE Transactions on Neural Networks. — 2010. — vol.21 № 6. — С.930−937.