-
Braha, D. (ed.), 2001, Data Mining for Design and Manufacturing - Methods and Applications, Kluwer Academic Publ., Dordrecht, Boston, London.
-
Demski, T, 2004, Data mining w przemyśle: projektowanie, udoskonalanie, wytwarzanie, Statystyka i data mining w praktyce, StatSoft, Warszawa - Kraków 2004, 207-221.
-
Fujii, H., MacKay, D.J.C., Bhadeshia, H.K.D.H., 1996, Bayesian Neural Network Analysis of Fatigue Crack Growth Rate in Nickel Base Superalloys, ISIJ Int., 36, 1373-1382.
-
Hand, D., Mannila, H., Smyth P., 2005, Eksploracja danych, WNT Warszawa.
-
Narayan, V., Abad, R., Lopez, B., Bhadeshia, H.K.D.H., MacKay D.J.C., 1999, Estimation of hot torsion stress strain curves in iron alloys using a neural network analysis, ISIJ International, 39, 999-1005.
-
Perzyk, M., Kochański A., 2001, Prediction of ductile cast iron quality by artificial neural networks, J. Mat. Proc. Techn., 109/3, 305-307.
-
Perzyk, M., Kochański A., 2003, Detection of causes of casting defects assisted by artificial neural networks, J. Eng. Manuf.,217B, 1279-1284.
-
Perzyk, M., Kochański A., 2003, Istotność względna sygnałów wejściowych sieci neuronowej, Informatyka w Technologii Materiałów, 3, 125-132.
-
Perzyk, M., Kochański A., 2002, System komputerowy wspomagający projektowanie procesów metalurgicznych wykorzystujący modelowanie sztucznymi sieciami neuronowymi, w monografii Polska metalurgia w latach 1998 - 2002, red. K. Świątkowski, tom 2, wyd. Komitet Metalurgii PAN, Kraków, 236-242.
-
Perzyk, M., Biernacki, R., 2004, Modelowanie procesów produkcyjnych za pomocą naiwnego klasyfikatora Bayesa i sztucznych sieci neuronowych, Informatyka w Technologii Materiałów, 4, 98-104.