-
1. Ambrožič T., Turk G.: Prediction of subsidence due to underground mining by artificial neural networks. Computers & Geosciences, t. 29 s. 627÷637, 2003.
-
2. Białek J.: Algorytmy i programy komputerowe do prognozowania deformacji terenu górniczego. Wyd. 1. Gliwice, Wydawnictwo Politechniki Śląskiej, 2003.
-
3. Bishop Ch. M.: Neural Networks for Pattern Recognition. Wyd. 13. Oxford, Oxford University Press, 2005.
-
4. Borecki M. i in.: Ochrona powierzchni przed szkodami górniczymi. Wyd. 1. Katowice, Wydawnictwo „Śląsk”, 1980.
-
5. Dunis Ch. L., Jalilov J.: Neural network regression and alternative forecasting techniques for predicting financial variables. Neural Network World, 2002, z. 12, s. 113÷139, 2002.
-
6. Gruszczyński S.: The assessment of variability of the concentration of chromium in soils with the application of neural networks. Polish Journal of Environmental Studies, z. 14(6) s. 743÷751, 2005.
-
7. Hejmanowski R.: Prognozowanie deformacji górotworu i powierzchni terenu na bazie uogólnionej teorii Knothego dla złóż surowców stałych, ciekłych i gazowych. Wyd. 1. Kraków, IGSMiE PAN, 2001.
-
8. Hejmanowski R.: Czasoprzestrzenny opis deformacji górotworu wywołanych filarowo-komorową eksploatacją złoża pokładowego. Wyd. 1. Kraków, Uczelniane Wydawnictwa Naukowo-Dydaktyczne AGH, 2004.
-
9. Husmeier D.: Modelling Conditional Probability Densities with Neural Network. [Praca Doktorska]. Londyn, University of London, King’s College London, Wydział Matematyki, 1997.
-
10. Kemsley E. K.: Discriminant analysis of high-dimensional data: a comparision of principal components analysis and partial least squares data reduction methods. Chemimetrics and Intelligent Laboratory Systems, z. 33 s. 47÷61, 1996.