Методы и алгоритмы диагностики и прогнозирования функционального состояния животных в дойном стаде на основе анализа временных рядов показателей их жизнедеятельности тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Антонов, Лев Васильевич

• Антонов, Лев Васильевич
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Антонов, Лев Васильевич

Оглавление

Введение

Глава 1. Анализ методов и биотехнических систем для мониторинга состояния животных на животноводческих предприятиях

1.1 Описание особенностей и условий производства животноводческого предприятия

1.2 Обзор и анализ биотехнических систем, методов и алгоритмов управления животноводческим комплексом

1.3 Методы обработки и анализа временных рядов

Выводы к главе 1

Постановка задачи исследования

Глава 2. Разработка математической модели формирования сигналов с датчиков и методов диагностики и прогнозирования функционального состояния животных в дойном стаде

2.1 Разработка математической модели формирования сигналов с датчиков функционального состояния животных

2.2 Разработка метода оценки функционального состояния животных на предприятиях молочного животноводства

2.3 Схема вычисления и агрегирования признаков

Выводы ко главе 2

Глава 3. Экспериментальное исследование разработанных методов

3.1 Экспериментальное исследование метода оценки состояния скрытого мастита коров на основе агрегирования данных с датчиков

3.2 Экспериментальное исследование метода прогнозирования охоты животного

3.3 Экспериментальное исследование методов идентификации отклонений значений во временных рядах

Выводы к главе 3

Глава 4. Разработка биотехнической системы поддержки принятия решений о функциональном состоянии животных и ее экспериментальное исследование

4.1 Проектирование биотехнической системы поддержки принятия решений о функциональном состоянии животных

4.2 Реализация биотехнической системы поддержки принятия решений о функциональном состоянии животных

4.3 Оценка оперативности, разработанной биотехнической системы поддержки принятия решений о функциональном состоянии животных

Выводы к главе 4

Заключение

Список литературы

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы диагностики и прогнозирования функционального состояния животных в дойном стаде на основе анализа временных рядов показателей их жизнедеятельности»

Введение

Актуальность работы. Качественное и оперативное управление дойным стадом на животноводческих предприятиях является необходимым условием достижения высокого уровня выпускаемой продукции. В настоящее время компьютеризация позволяет значительно повысить эффективность управления производством молока. Благодаря компьютеризации животноводства страны Европы, США, Индия стали мировыми лидерами по производству сырого молока. Компьютеризация животноводства осуществляется на основе разработки и внедрения биотехнических систем управления животноводческими предприятиями (в частности молочного скотоводства). Основными лидерами в области разработки биотехнических систем управления предприятиями молочного скотоводства являются: Afimilk (Израиль); DeLaval (Швеция); Westfalia Landtechnik (Германия); S. A. Christensen &Со (Дания). В настоящее время происходит интенсивное внедрение подобных АИС на российских животноводческих предприятиях.

Компьютеризация процесса мониторинга на животноводческом предприятии позволяет решать задачи, связанные с управлением процессов доения, кормления, контроля качества молока, учета и хранения ключевых показателей состояния животных и другое. Основными источниками данных, поступающих в биотехнические системы для последующего хранения и обработки, являются данные с разнообразных сенсоров, размещаемых как на животных, так и на объектах предприятия. Решение научно-технических задач, состоящих в разработке новых и совершенствовании существующих методов и средств обработки сенсорных данных с целью повышения эффективности работы указанных систем, имеет важное значение.

Степень разработанности темы исследования.

Исследования для создания методов и средств обработки информации в биотехнических системах сейчас ведутся следующими авторами:

- в области автоматической диагностики заболеваний коров маститом известны работы следующих ученых Голобоких П.И., Дайбова Л.А., Kamphuis C., de Mol R.M., Cavero D., Chagunda M.G.G и др.;

- вопросами применения систем сенсоров для управления молочными фермами занимались: Steeneveld W., Chapinal N., A. M. de Passille и др.;

- в области статистического анализа данных систем автоматизированного доения известны работы Elischer M. F. и Lovendahl P и др.

Однако, применение данных методов и средств не позволяет решить следующие проблемы: несвоевременное выявление животных с отклонениями в здоровье (в результате снижается оперативность принимаемых мер по изоляции и лечению животных); большие трудозатраты на диагностику функционального состояния каждого животного; недостаточная степень достоверности получаемых результатов анализа состояния животных в результате использования неинвариантных ко времени данных с сенсоров, применяемых для оценки состояния животных; отсутствие возможности настройки существующих автоматизированных биотехнических систем с учетом особенностей конкретного фермерского хозяйства (т.е. показатели с сенсоров не инвариантны к условиям содержания стада); отсутствие экрана мониторинга для визуализации состояния всего поголовья животноводческого комплекса для выявления групп животных, находящихся в определенных состояниях.

Перечисленные проблемы негативно влияют на качество молока и эффективность работы животноводческого комплекса в целом.

Таким образом, существует проблемная ситуация, связанная с отсутствием оперативного и достоверного мониторинга состояния животных на фермерских предприятиях и требующая разработки новых методов и алгоритмов обработки и анализа данных с биологических датчиков, позволяющих эффективно управлять функциональными состояниями животных в дойном стаде.

Для разрешения указанной проблемной ситуации предлагается использование ряда методов, связанных с выделением и агрегированием признаков.

В частности, в областях компьютерного зрения и анализа данных в микробиологии, успешно применяли методы агрегирования данных различной природы следующие авторы: Vohra A., Jong-Hann J., Jourde K., Gibert D., Zena Hira M., Duncan F.

Применение методов, разработанных указанными авторами, обеспечивает высокий уровень надежности получаемых результатов анализа данных.

Тем не менее, рассмотренные методы очень специфичны и не позволяют анализировать данные с сенсоров на животноводческих предприятиях. В связи с этим требуется разработка новых методов и алгоритмов, основанных на существующих подходах и методах.

Таким образом, повышение оперативности и достоверности мониторинга состояний животных на основе применения методов выделения признаков и агрегирования данных с сенсоров является актуальной научно-технической задачей.

Объект исследований - методы и биотехнические системы управления функциональным состоянием животного.

Предмет исследования - методы и алгоритмы автоматического мониторинга состояния животных на предприятиях молочного производства.

Цель работы - обеспечение оперативности и достоверности диагностики и прогнозирования функционального состояния животных в дойном стаде на основе анализа временных рядов показателей их жизнедеятельности.

Задачи исследования.

Для достижения поставленной цели необходимо решение следующих задач:

1. Анализ технологического процесса животноводческого предприятия, средств обеспечения автоматического мониторинга и процесса управления функциональным состоянием животных дойного стада.

2. Построение математической модели формирования сигналов с датчиков функционального состояния животных.

3. Разработка методов преобразования временных данных, поступающих с сенсоров, установленных на животных предприятия, для выявления наличия выбросов.

4. Разработка методов выделения комплексных показателей состояния здоровья животных.

5. Создание биотехнической системы поддержки принятия решений о функциональном состоянии животных на основе предложенных методов.

6. Экспериментальное исследование разработанных методов и системы.

Соответствие паспорту специальности. Содержание диссертации соответствует п.9 «Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических, экономических, биологических, медицинских и социальных объектов» паспорта научной специальности 05.13.01 - «Системный анализ, управление и обработка информации».

Научная новизна работы:

1. Предложен метод преобразования временных рядов с датчиков биологической информации о животных в дойном стаде, отличающийся использованием z-нормализации и временного сдвига данных и позволяющий обнаруживать выбросы во временных рядах, аппроксимируемых функцией Вей-булла.

2. Разработан метод оценки функциональных состояний животных, отличающийся использованием предложенного метода преобразования временных рядов с датчиков биологической информации и агрегирования выделенных признаков, обеспечивающий более достоверную и оперативную идентификацию состояний животных.

3. Предложен метод и его реализация для прогнозирования наступления охоты животного на основе анализа спектра Фурье сигнала с датчиков активности, обеспечивающий более достоверное планирование перехода особи в состояние охоты.

Теоретическая значимость исследования.

Предложенные новые методы обработки временных рядов, отображающих параметры функционального состояния животных, и выделения признаков могут быть использованы в смежных областях животноводства и ветеринарии в качестве методов предварительного анализа состояния животных.

Практическая значимость:

- разработана и внедрена биотехническая система поддержки принятия решений о функциональном состоянии животных в дойном стаде, обеспечивающая заданную достоверность и оперативность распознавания нехарактерных изменений в состоянии здоровья животного на животноводческом предприятии;

- определена область практического использования разработок для создания систем поддержки принятия решений о функциональном состоянии животных в дойном стаде;

- представлены методические рекомендации по настройке разработанной системы поддержки принятия решений.

Методы исследования. Применительно к задаче диссертации результативно использованы методы математической статистики, выявления выбросов и прогнозирования во временных рядах, численные методы и методы обработки сигналов.

Положения, выносимые на защиту.

1. Метод преобразования входного сигнала, поступающего с датчика биологической информации, позволяющий обнаружить выбросы во временных рядах.

2. Метод оценки функциональных состояний животных, обеспечивающий более достоверную и оперативную идентификацию состояний животных.

3. Метод и его реализация прогнозирования наступления охоты животного, обеспечивающий более достоверное планирование перехода особи в состояние охоты.

4. Биотехническая система поддержки принятия решений о функциональном состоянии животных в дойном стаде, обеспечивающая оперативное управление молочным стадом.

5. Результаты экспериментальных исследований разработанных методов и системы.

Достоверность полученных результатов обеспечивается корректностью применения математического аппарата, методов исследования и соответствием характеристик измерителей заявленным требованиям и подтверждена результатами экспериментальных исследований.

Результаты работы получены автором в результате выполнения двух грантов:

1. УМНИК 2013-2015 №°262ГУ1/2013, 4716ГУ2/2014 "Разработка интеллектуальной системы управления молочным хозяйством на основе совмещения мониторинговых и родословных данных".

2. Грант администрации Владимирской области "Интеллектуальная автоматизированная информационная система управления животноводческим комплексом".

Диссертационная работа и отдельные ее части докладывались и обсуждались на международной конференции "КрыМиКо 2015" (СевГУ, г. Севастополь, 2015), международной конференции "ICIE-2015" (ЮУрГУ, г. Челябинск, 2015), международной конференции "Stability and Control Processes" in Memory of V.I. Zubov" (СПбГУ, г. Санкт-Петербург, 2015), международной конференции "Распознавание-2017" (ЮЗГУ, г. Курск, 2017), Всероссийской конференции "Зворыкинские чтения" (МИ ВлГУ, г. Муром, 2015, 2016, 2017), на научно-технических семинарах кафедры "Физика и прикладная математика" (МИ ВлГУ, г. Муром, 2014, 2015, 2016, 2017).

Практические результаты диссертационной работы успешно внедрены на животноводческом предприятиях ООО "Борисоглебское" Муромского района, ООО "Агровизор" г. Саров, а также используются в учебных курсах "Теория принятия управленческих решений", "Математические методы об-

9

работки информации" и "Имитационное моделирование" по направлениям подготовки 01.03.02, 01.04.02 "Прикладная математика и информатика" МИВлГУ г. Муром

Публикации. По теме диссертационной работы опубликовано 17 работ, 7 из которых в журналах, входящих в перечень ВАК, 4 работы опубликованы в журналах, входящих в системы цитирования Scopus и WoS. Получено 2 свидетельства о регистрации программ для ЭВМ.

Личный вклад. Все выносимые на защиту положения разработаны соискателем лично. В основных научных работах по теме диссертации, опубликованных в соавторстве, лично соискателем разработаны в [1, 3, 8, 9, 1214] - методы преобразования временных рядов с сенсоров биологической информации и выделения признаков на основе выполненной обработки, [4, 5, 10, 11] - методика распознавания состояний животных по выделенным признакам и методы выявления охоты животных, [2, 7, 15] - экспериментальные исследования разработанных методов.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения и библиографического списка, включающего 96 зарубежных и 116 отечественных наименований. Работа изложена на 179 страницах машинописного текста, содержит 36 рисунков и 30 таблиц.

Глава 1. Анализ методов и биотехнических систем для мониторинга состояния животных на животноводческих предприятиях 1.1 Описание особенностей и условий производства животноводческого

предприятия

Особенности технологии молочного производства обусловлены стремлением к достижению оптимального соотношения молочной продуктивности животных и срока их службы. Также важными факторами выбора способа организации производства является увеличение производительности труда и снижение себестоимости продукции предприятия. В итоге, каждое фермерское хозяйство выбирает схему организации производства, руководствуясь своей индивидуальной стратегией и направленностью (молочное, мясное, мясомолочное, племенное и т.д.), и исходя из своего бюджета, местоположения, потенциального числа поголовья, способа содержания животных и прочих параметров.

Существует две технологии содержания животных на сельскохозяйственных предприятиях: привязная и беспривязная. Привязное содержание предполагает жесткую схему, когда все стадо разделено на несколько групп, а животные содержатся в стойлах. Ответственность за содержание каждой группы ложится на дояра. При этом в одной группе могут быть животные разной молочной продуктивности и находящиеся на разной стадии производственного цикла (сухостойные, дойные). Специалисты, обслуживающие группы, должны в индивидуальном порядке следить за состоянием каждой особи. Поэтому на обслуживающий персонал ложится большая ответственность и нагрузка. Как правило, на предприятиях с привязной формой содержания компьютеризация отсутствует или слабо выражена. Для каждого животного ведется индивидуальная карта с данными о кормовой базе и о физиологическом состоянии. Процесс кормления выполняется вручную. Процессы поения и доения имеют слабую компьютеризацию. Доение ведется в ручном режиме либо в доильные ведра, либо в молокопровод. В подобных

условиях речь о каких-либо датчиках, установленных внутри строений пред-

11

приятия, идти не может. Таким образом, задача автоматического мониторинга на данных предприятиях не может быть решена. Подобные фермы на сегодняшний день являются полностью нерентабельными, тем не менее, они существуют и нуждаются в комплексной компьютеризации.

Намного больший интерес представляют предприятия с беспривязным способом содержания животных. Применение данной технологии позволяет достичь большей молочной продуктивности животных и большей рентабельности предприятия. Наиболее распространен беспривязный тип производства на предприятиях Австралии, Канады, стран Скандинавии, Японии, Новой Зеландии и странах западной Европы [58]. В России пока преобладает привяз-ный способ содержания животных, тем не менее, активно ведется модернизация устаревших предприятий.

Согласно концепции беспривязного типа организации животные имеют полную свободу перемещения, как внутри помещений, так и на выгуле. Таким образом, условия содержания максимально приближены к естественным. Так как движение животных в данном случае носит хаотичный характер, на предприятии должен быть обеспечен высокий уровень компьютеризации процессов производства, что позволит существенно сократить затраты труда по обслуживанию животных. Существует два вида беспривязного способа содержания животных.

Первый способ обеспечивает максимальную свободу передвижения животных. Выгул и кормление круглый год осуществляется на открытых площадках, отдых происходит в помещениях на специальной подстилке, процесс доения компьютеризирован. Такой способ содержания характерен для стран, где зима отличается мягким климатом.

На фермах, расположенных в зоне умеренного климата, используется второй вид беспривязного типа производства, который подразумевает наличие кормового стола внутри помещения. Отдых животных происходит в специальных боксах, доение автоматизировано и осуществляется в специальных

залах. Этот вид дает чуть меньшие показатели молочной продуктивности и

12

сокращения трудозатрат по сравнению с первым способом беспривязного содержания, тем не менее, является более распространенным [58]. Далее, говоря о беспривязном типе содержания, будем подразумевать второй вид организации содержания животных.

Отдельно стоит отметить процедуру доения при беспривязном типе. Дойка осуществляется в полуавтоматическом режиме в специальных доильных залах. Операторы машинного доения осуществляют настройку, промывку доильного оборудования, а также выполняют специальные процедуры по подготовке вымени и присоединяют к нему устройства во время дойки. Частота доения животных составляет 2-3 раза в сутки.

При беспривязном способе содержания особи разделяются на группы по принципу их молочной продуктивности, стадии производственного цикла и статуса их ветеринарного состояния. В отличии от привязного типа содержания за каждой группой нет закрепленного специализированного работника, это логично, учитывая, что у животных имеется полная свобода передвижения по помещению. В этой ситуации для контроля и определения местоположения конкретной особи на животных устанавливается комплекс датчиков различного типа.

Очевидно, что наличие большого количества устройств и датчиков при беспривязном типе содержания требует некого узла управления устройствами и контроля за состоянием коров и произведенной продукции. По этой причине крупные производители устройств компьютеризации фермерских предприятий разрабатывают специализированные биотехнические системы управления оборудованием. Как правило, биотехническая система агрегирует, визуализирует и частично интерпретирует данные с датчиков, установленных на животных или на объектах производства.

Центральным объектом, на котором установлен ряд сенсоров, является комплекс аппаратов доения, так как именно в момент дойки снимаются показатели объема, скорости отдачи, состава молока, которые в свою очередь

преобразуются системой в показатели молочной продуктивности животного

13

и качества выпускаемой продукции. Визуализация "сырых" или каким-то образом обработанных в биотехнических системах данных решает следующие задачи:

- осуществление планирования и контроля мероприятий доения коров;

- оперативная идентификация опасных примесей в молоке (при наличии специальных сенсоров).

Широко распространены датчики активности животного. Существует множество модификаций и способов крепления этих датчиков. Самыми распространенными из них являются чипы, закрепленные на шее и ноге животного. Обеспечение контроля за активностью является важной задачей, так как в некоторые моменты производственного цикла резкие перепады активности животного являются нормой, а в другие такие перепады свидетельствуют о некотором дискомфорте у животного. Данные для обработки и интерпретации, поступающие в биотехническую систему с датчиков активности животного, позволяют решать следующие задачи:

- контроль активности животных предприятия;

- выявление периодов охоты животного;

- выявление отклонений, связанных с возможными повреждениями конечностей или слабостью животного.

Наряду с данными о молочной продуктивности и активности животного также важна информация о живой массе, поэтому, как правило, на компьютеризированных предприятиях или имеющих элементы компьютеризации производится ежедневное контрольное взвешивание животных. Снижение веса также является важным индикатором состояния особи: его резкое падение свидетельствует о неблагоприятных изменениях состояния здоровья или факторов внешней среды. Для интерпретации данных с сенсора веса и компьютеризации процедуры выявления причин перепадов значений производственного показателя у животного на некоторых предприятиях устанавливаются внутрижелудочные датчики, которые осуществляют мониторинг среды пищеварительной системы, эти данные помогают объяснять некоторые слу-

14

чаи изменения веса. Тем не менее, внутрижелудочный датчик используется на предприятиях чрезвычайно редко.

Процедура получения данных с сенсоров, в зависимости от производителя оборудования различна, но технология одинакова. При беспривязном содержании в разных частях помещений предприятия устанавливаются антенны. Как правило, места для установки - это пространство на входе в зал дойки, сортировочные ворота и места у поилки. Каждому сенсору присвоен идентификатор, который в базе данных соотносится с конкретным животным. В этом случае данные о животном поступают с датчиков при попадании особи в зону действия антенны. Таким образом, обновление данных в системе происходит с некоторой периодичностью, например, если антенны установлены только в доильных залах, то при схеме, предусматривающей двухразовое доение, данные о животном обновляются два раза в сутки. Такой способ наиболее распространен, так как не требует большого количества дорогостоящего оборудования, установленного по всему периметру помещений, а только в местах, где несколько раз в сутки животное появится со стопроцентной вероятностью. Другой подход предполагает получение данных в режиме онлайн, с периодичностью обновления раз в несколько минут. Этот способ является дорогостоящим и требует более совершенных сенсоров и большое количество антенн-приемников. Из-за своей дороговизны применяется редко.

Информация, поступающая с датчиков, нуждается в визуализации, обработке и частичной интерпретации. Механизмы решения этих задач заложены в основу биотехнических систем управления животноводческим хозяйством.

Стоит упомянуть основные задачи, решаемые с помощью биотехнических систем управления и комплекса датчиков, установленных на современных животноводческих предприятиях.

Одной из самых распространенных незаразных болезней животных, встречающихся на молочных предприятиях, является мастит. Данное заболевание имеет два основных вида: субклинический (скрытый) и клинический (с

15

открытыми визуальными симптомами болезни). Наиболее опасным из них является субклинический, когда внешне вымя и выделяемое молоко выглядят абсолютно нормальными. Скрытый мастит встречается в 5-10 раз чаще, чем клинический. Если субклинический мастит не обнаружить своевременно, то через некоторое время он переходит в клиническую стадию, что приводит к необходимости снятия животного с производства для лечения с использованием антибиотиков, после которых молоко животного становится непригодным для дальнейшей переработки [141]. Опасность мастита заключается в том, что животные могут заболеть в любое время года, в любой стадии производственного цикла, будь то в первые дни послеродового периода, в период максимальной лактации и даже в сухостойный период, что заключает в себе дополнительную опасность: в это время животное перестает давать молоко и, следовательно, состоянию вымени животного может не уделяться достаточного внимания [190].

Мастит является одной из самых распространенных причин массовой выбраковки животных. Статистика, приведенная в [113, 124], показывает, что в хозяйствах разных форм собственности 5-35% от общего количества выбракованных животных составляют коровы с маститом, сопровождающимся атрофией долей вымени. В [141] приводятся цифры, демонстрирующие, что общая заболеваемость маститом у дойных животных в любом виде хозяйств составляет 24-45%. Процедура выявления болезни требует непосредственного ветеринарного осмотра и химического анализа молока, по возможности из разных долей вымени животного. Последствия мастита также серьезны. Последующая лактация успешно вылеченных животных становится менее продуктивной на 7-32% относительно среднего удоя стада [184]. Таким образом, возникает острая проблема идентификации случаев субклинического мастита на ранних стадиях заболевания животного.

Для выявления субклинического мастита обычной практикой является дорогостоящий и сложный клинический анализ. Его суть сводится к исследованию взятой из вымени больного животного пробы молока на предмет по-

16

вышенного содержания соматических клеток: проводится комплексный химический анализ с использованием дорогостоящих реактивов [123]. В работах [112, 211] предлагается использовать низкоинтенсивное лазерное излучение для облучения поврежденных частей вымени. Лазерная терапия в совокупности с применением препаратов показывает более быстрое восстановление повреждённых долей вымени, чем обычное лечение. В работах [39, 123, 144] рассматривается проблема применения инновационных лекарств для лечения заболевших животных, выделены последствия применения новых препаратов.

Стандартные процедуры по обнаружению мастита включают в себя несколько различных методов, применяемых в совокупности:

- клиническое обследование вымени и секреции молока;

- тест на вкусовое качество молока;

- химический анализ и измерение электропроводимости молока.

Клиническое обследование подразумевает первоначальный осмотр вымени и, в соответствии с [52], требует наличия информации об общем состоянии животного, включая данные о текущем состоянии, кормовой базе, прошлых заболеваниях, возрасте и молочной продуктивности. Следующим шагом является подробный осмотр вымени животного ветеринаром.

Тест на вкусовые качества молока является дополнительным и мало распространенным. Тем не менее, при возникновении мастита количество соматических клеток увеличивается, что приводит к изменению состава молока и появлению слегка солоноватого вкуса.

Список литературы диссертационного исследования кандидат наук Антонов, Лев Васильевич, 2017 год

Список литературы

1. Agarwal, L. Hardware Efficient Root-Raised-Cosine Pulse Shaping Filter for DVB-S2 Receivers [Текст] / L. Agarwal, P. Kim, D. Oh, D. Ahn // Advances in Computing and Communications. - 2011. - Vol. 191. - pp. 595-603.

2. Akhtar, P. Performance Analysis of Bessel Beamformer and LMS Algorithm for Smart Antenna Array in Mobile Communication System [Текст] / P. Akhtar, M. Yasin, // Journal of Communications . - 2012. - Vol. 5. - pp. 593603.

3. Alarcon-aquino, V. Anomaly detection in communication networks using wavelets [Текст] / V. Alarcon-aquino, A. Barria // IEEE Proc-Commun. -2001. - Vol. 6. - pp. 127-134.

4. Alexandrov, A. Ad-hoc Kalman Filter Based Fusion Algorithm for Real-Time Wireless Sensor Data Integration [Текст] / A. Alexandrov // Flexible Query Answering Systems. - 2015. - Vol. 400. - pp. 151-280.

5. Anjos, A. Bi-Level Image Thresholding — A Fast Method. [Текст] / A. Anjos, H. Shahbazkia, // Biosignals. - 2008. - Vol. 2. - pp. 70-76.

6. Antonov L. Developing an Algorithm for Identifying Bovine Latent Mastitis Based on Data Complexing from Livestock Enterprise Sensors [Текст] / L.V. Antonov, A.A. Orlov. Proceedings of the XIII International Scientific Conference on Optoelectronic Equipment and Devices in Systems of Pattern Recognition, Image and Symbol Information Processing, Kursk, 2017, - pp. 8-16.

7. Antonov L. Identification of the main parameters for animal performance assessment in decision support system of a livestock enterprise [Текст] / L. Antonov, D. Privezentsev, A. Orlov. Proceedings of International Conference on "Stability and Control Processes" in Memory of V.I. Zubov (SCP 2015), Saint Petersburg, 2015, - pp. 508-509.

8. Antonov, L. Development and experimental research of data analysis algorithm of animal's daily activities in automated information management system for livestock enterprises [Текст] / L. Antonov, D. Privezentsev, A. Orlov

// International Conference on "Stability and Control Processes" in Memory of V.I. Zubov, SCP. - 2015. - pp. 510-512.

9. Antonov, L.V. Development and experimental research on production data analysis algorithm in livestock enterprises [Текст] / L.V. Antonov, K.V. Makarov, A.A. Orlov, // Procedia Engineering. - 2015. - Vol. 129. - pp. 664669.

10. Barford, P. A signal analysis of network traffic nomalies [Текст] / P. Barford, J. Kline, D. Plonka, A. Ron // IntcrnetMcasurcment Workshop. - 2002. - Vol. 8.

11. Branham Jr., R. L. Total Least Squares in Astronomy [Текст] / R. L. Bran-ham jr., // Total Least Squares and Errors-in-Variables Modeling. - 2002. -pp. 375-384.

12. Braun, U. Evaluation of eating and rumination behaviour using a noseband pressure sensor in cows during the peripartum period [Текст] / U. Braun, T. Tschoner, M. Hassig // BMC Vet Res.. - 2014. - Vol. 10. - pp. 1-8.

13. Brooks, R. Visual Map Making for a Mobile Robot / R. Brooks // IEEE Journal on Robotics and Automation. - 1985. - №1. - P. 95-117.

14. Bulman, D.C. Milk progesterone levels in relation to conception, repeat breeding and factors influencing acyclicity in dairy cows [Текст] / D.C. Bulman, G.E. Lamming // J. Reprod Fertil.. - 1978. - Vol. 54. - pp. 447-458.

15. Cappello, I.A Tool For checking probabilistic properties of cows services [Текст] / I. Cappello, P. Quaglia // Trustworthly Global Computing.- 2010. -Vol. 6084. - pp. 364-378.

16. Chatila, R., Laumond J. P. Position Referencing and Consistent World Modeling for Mobile Robots [Текст] / R. Chatila, J. Laumond // IEEE Journal on Robotics and Automation. - 1985. - №3. - P. 102-164.

17. Chiu, C. The Application of Genetic Programming in Milk Yield Prediction for Dairy Cows [Текст] / C. Chiu, H. Jih-tay, C. Lin // Rough Sets and Current Trends in Computing. - 2001. - Vol. 2005. - pp. 598-602.

18. Cipolla, E. Analysis and visualization of meteorological emergencies [Текст] / E. Cipolla, U. Maniscalco, R. Rizzo, D. Stabile, F. Vella // Original Research Journal of Ambient Intelligence and Humanized Computing. - 2016. -№8. - С. 1-12.

19. Darwiche, A. Modeling and Reasoning with Bayesian Networks. [Текст] / A. Darwiche, // Cambridge University Press. - 2009. - pp. 526.

20. de LaRue, B. Smart ways to detect mastitis: What do we know about automated in-line detection systems [Текст] / B. de LaRue, C. Kamphuis, J. Jago // Proceedings of the New Zealand Milk Quality Conference.- 2012.- pp. 114117.

21. De mol, R.M. Application of fuzzy logic in automated cow status monitoring [Текст] / R.M. De mol, W.E. Woldt // J. Dairy Sci.. - 2001. - Vol. 84. - pp. 400-410.

22. Dean, R.B. Simplified Statistic of Small Numbers of Observations [Текст] / R.B. Dean, W.J. Dixon // Anal. Chem.. - 1951. - Vol. 23. - pp. 636-638.

23. Dempster, A.P. A generalization of Bayesian inference [Текст] / A.P. Dempster. // Journal of the Royal Statistical Society. - 1968 - Series B, Vol. 30. -P. 205-247.

24. Diosdado, V. Codling Classification of behaviour in housed dairy cows using an accelerometer-based activity monitoring system [Текст] / J. A. V. Di-osdado, Z. Barker, H. Hodges, J Amory, D. Croft, N. Bell, A. Edward // Vazquez Diosdado et al. Animal Biotelemetry. - 2015. - pp. 3-15.

25. Dixon, W.J. Analysis of extreme values [Текст] / W.J. Dixon,// Ann. Math. Stat.. - 1950. - Vol. 21. - pp. 488-506.

26. Dixon, W.J. Ratios Involving Extreme Values [Текст] / W.J. Dixon // Ann. Math. Stat.. - 1951. - Vol. 22. - pp. 68-78.

27. Draganova, I. The effects of temporal and environmental factors on the urination behaviour of dairy cows using tracking and sensor technologies [Текст] / I. Draganova, I. Yule, M. Stevenson, K. Betteridge // Precision Agriculture. -2015. - Vol. 1. - pp. 1-14.

28. Durrant-Whyte, H. Consistent Integration and Propagation of Disparate Sensor Observations [Текст] / H. Durrant-Whyte // International Journal of Robotics Research. - 1987. - Vol. 10. - pp. 31-64.

29. Edan, Y. Automation in Agriculture [Текст] / Y. Edan, Shufeng , N. Kondo // Springer Handbook of Automation.- 2009.- pp. 1095-1128.

30. El-Tarabany, M. Impact of stillbirth and abortion on the subsequent fertility and productivity of Holstein, Brown Swiss and their crosses in subtropics [Текст] / M. El-Tarabany // Tropical Animal Health and Production 2015.-Vol. 47. - pp. - 1351-1356.

31. Eradus, W. Cate Oestrus detection in dairy cattle using a fuzzy inference system in Control applications and ergonomics in agroculture [Текст] / W. Era-dus, H. Scholten // (CAEA), IF AC Workshop, Athens, Greece. - 1998. - Vol. 66. - pp. 185-188.

32. Firk, R. Automation of estrus detection in dairy cow [Текст] / R. Firk, E. Stamer, W. Junge, J. Krieter // A review. Livest. Prod. Sci.. - 2002. - Vol. 75. - pp. 219-232.

33. Firk, R. Improving oestrus detection by combination of activity measurements with information about previous oestrus cases [Текст] / R. Firk, E. Stamer, W. Junge, J. Krieter, // Livestock Production Science. - 2006. - Vol. 82. - pp. 97-103.

34. Firk, R. Oestrus detection in dairy cows based on serial measure-ments using univariate and multivariate analysis [Текст] / R. Firk, E. Stamer, W. Junge, J. Krieter // Archiv fur Tierzucht. . - 2003. - Vol. 46. - pp. 127-142.

35. Firk, R. Oestrus detection in dairy cows based on serial measure-ments using univariate and multivariate analysis [Текст] / R. Firk, E. Stamer, W. Junge, J. Krieter, // Archiv fur Tierzucht.. - 2003. - Vol. 46. - pp. 127-142.

36. Frank, R. Efficiently mining regional outliers in spatial data [Текст] / R. Frank, W. Jin, M. Ester // Advances in Spatial and Temporal Databases . -2007. - №4605. - С. 112-129.

37. Fujinawa, Y. A method for estimating earthquake occurrence probability using first- and multiple-order Markov chain models [Текст] / Y. Fujinawa // Natural Hazards. - 1991. - Vol. 4. - pp. 7-12.

38. Gander, M. Monitoring Anomalies in IT-Landscapes Using Clustering Techniques and Complex Event Processing [Текст] / M. Gander, M. Felderer, B. Katt, R. Breu // Leveraging Applications of Formal Methods, Verification, and Validations - 2012. - Vol. 336. - pp. 162-180.

39. Gianneechini, R.E. Antimicrobial susceptibility of udder pathogens isolated from dairy herds in the west littoral region of Uruguay [Текст] / R.E. Gianneechini, C. Concha, A. Franklin // Acta Vet Scand.. - 2002. - Vol.43. - pp. 31-41.

40. Godsk, T. High Classification Rates for Continuous Cow Activity Recognition Using Low-Cost GPS Positioning Sensors and Standard Machine Learning Techniques [Текст] / T. Godsk, M.B. Kj^rgaard // Advances in Data Mining. Applications and Theoretical Aspects. - 2011. - Vol. 6870. - pp. 174188.

41. Grubbs, F. E. Procedures for Detecting Outlying Observations in Samples [Текст] / F. E. Grubbs // Technometrics. - 1969. - Vol. 11. - pp. 1-21.

42. Grubbs, F. E. Sample Criteria for Testing Outlying observations [Текст] / F. E. Grubbs // Ann. Math. Statist. - 1950. - Vol. 21. - pp. 27-58.

43. Harris, С. Multisensor data fusion using Kalman filters based on neurofuzzy linearization [Текст] / С. Harris, X. Hong, Q. Gan // Adaptive Modelling, Estimation and Fusion from Data. - 2002. - pp. 255-280.

44. Hauser, M.A. Measuring persistence in aggregate output: arma models, fractionally integrated arma models and nonparametric procedures [Текст] / M.A. Hauser, B.M. Potscher, E. Reschenhofer // Empirical Economics. - 1999. -№2. - С. 243-269.

45. Hillerton, J. E. Comparison of treatment of mastitis by oxytocin or antibiotics following detection according to changes in milk electrical conductivity prior

to visible signs [Текст] / J. E. Hillerton, J. E. Semmens // J. Dairy Sci.. -1999. - Vol. 82. - pp. 82-93.

46. Hira, Z. A Review of Feature Selection and Feature Extraction Methods Applied on Microarray Data [Текст] / Z. Hira, D. Gillies // Advances in Bioin-formatics.- 2015.- Vol. 2015.- pp. 1-13.

47. Ilie, L.I. The electrical conductivity of cattle milk and the possibility of mastitis diagnosis in Romania [Текст] / L.I. Ilie, L. Tudor, A.M. Galis // Lucrari stiintifice medicina veterinara. - 2010. - Vol. 43. - pp. 220-227.

48. Iqbal, S. Application of sigma metrics analysis for the assessment and modification of quality control program in the clinical chemistry laboratory of a tertiary care hospital [Текст] / S. Iqbal // Indian Journal of Clinical Biochemistry. - 2016. - №32. - С. 1-4.

49. Irvin, J.O. On a criterion for the rejection of outlying observation [Текст] / J.O. Irvin // Biometrika. - 1925. - Vol. 17. - pp. 238-250.

50. Jajo, N. A review of robust regression and diagnostic procedures in linear regression [Текст] / N. Jajo,// Acta Mathematicae Applicatae Sinica. - 2005. -Vol. 21. - pp. 209-224.

51. Janzekovic, M. Mastitis detection based on electric conductivity of milk [Текст] / M. Janzekovic, M. Brus, B. Mursec, B. Vinis, D. Stajnko, F. Cus // Journal of Achievements in Materials and Manufacturing Engineering. -2009. - Vol. 34. - pp. 39-46.

52. Janzekovic, M. Quality and delivery of milk in slovenia [Текст] / M. Janzekovic, M. Bras , L. Muzerlin // Dairying. - 2007. - Vol.57. - С. 275-288.

53. Jong-Hann, J. Development of an indoor patrol robot based on ultrasonic and vision data fusion [Текст] / J. Jong-Hann, W. Jheng-Liang // Mechatronics and Automation (ICMA), IEEE International Conference. - 2013. - pp. 1234 - 1238.

54. Jourde, K. Improvement of density models of geological structures by fusion of gravity data and cosmic muon radiographies [Текст] / K. Jourde, D. Gibert,

J. Marteau // Geosci. Instrum. Method. Data Syst.- 2015.- Vol. 4.- pp. 177 -188.

55. Kaiser, H. Alpha factor analysis [Текст] / H. Kaiser, J. Caffrey // Psy-chometrika. - 1965. - Vol. 30. - pp. 1-14.

56. Kalman, R. A new approach to Linear Filtering and Prediction Problems [Текст] / R. Kalman // Transactions of the ASME. - 1960. - №82. - P. 120155.

57. Kamphuis, C. Detection of clinical mastitis with sensor data from automatic milking systems is improved by using decision-tree induction [Текст] / C. Kamphuis, H. Mollenhorst, J. A. P. Heesterbeek, H. Hogeveen // Journal of Dairy Science. - 2010. - Vol. 93. - No. 8. - pp. 3616 - 3627.

58. Kate, M. Millar respect for animal autonomy in bioethical analysis: the case of automatic milking systems (AMS) [Текст] / M. Kate // Journal of Agricultural and Environmental Ethics. - 2000.- Vol. 12. - pp 41-50.

59. Kemp, B. An optimal monitor of the electroencephalographic sigma sleep state [Текст] / B. Kemp, P. Jaspers, J. Franzen, A. Janssen // Biological Cybernetics. - 1985. - №51. - С. 263-270.

60. Kim, K. Analysis/synthesis of speech signals based on abs/ola sinusoidal modeling using elliptic filter [Текст] / K. Kim, J. Hong, J. Lim // Intelligent Data Engineering and Automated Learning - IDEAL. - 2005. - Vol. 3578. -pp. 141-148.

61. Kim, S. Detecting traffic anomalies at the source through aggregate analysis of packet header data [Текст] / S. Kim, A. Reddy // Proceedings of Networking. - 2004. - Vol. 9.

62. Lee, C. Two-way partitioning of a recursive Gaussian filter in CUDA [Текст] / C. Lee, J. Ko, T. Choe // EURASIP Journal on Image and Video Processing. - 2014. - Vol. 33. - pp. 1-12.

63. Lovendahl, P. Assessment of fertility in dairy cows based on electronic monitoring of their physical activity [Текст] / P. Lovendahl, M. Chagunda // Pro-

ceedings of the 8th World Congress on Genetics Applied to Livestock Production, Belo Horizonte, MG, Brazil. - 2006. - pp. 496-500.

64. Mazel, J. Sub-Space Clustering and Evidence Accumulation for Unsupervised Network Anomaly Detection [Текст] / J. Mazel, P. Casas, P. Owezarski // Traffic Monitoring and Analysis . - 2011. - Vol. 6613. - pp. 15-28.

65. Miekley, B. Implementation of multivariate cumulative sum control charts in mastitis and lameness monitoring [Текст] / B. Miekley, E. Stamer, I. Traulsen, J. Krieter // Journal of Dairy Science. - 2013. - Vol. 96. - No. 9. -pp. 5723 - 5733.

66. Milner, P. The effects of early antibiotic treatment following diagnosis of mastitis detected by a change in the electrical conductivity of milk [Текст] / P. Milner, K.L. Page, J.E. Hillerton // J. Dairy Sci. - 1997. - Vol. 80. - pp. 850-859.

67. Mollenhorst, H. Mastitis alert preferences of farmers milking with automatic milking systems [Текст] / H. Mollenhorst, L. J. Rijkaart, H. Hogeveen // Journal of Dairy Science.- 2012 .- Vol. 95.- No. 5.- pp.- 2523 - 2530.

68. Mursec, B. Comparison of rollers after sowing of buckwheat [Текст] / B. Mursec, M. Janzekovic , F. Cus, U. Zuperl // Journal of Achievements in Materials and Manufacturing Engineering. - 2006. - Vol. 17. - pp. 269-272.

69. Nandakumar J. Score normalization in multimodal biometric systems. [Текст] / Nandakumar J., Ross K. //Patt. Rccogn. - 2005. - pp. 2270-2285.

70. Niedzielski, T. The Statistical Characteristics of Altimetric Sea Level Anomaly Time Series [Текст] / T. Niedzielski, W. Kosek // Geodesy for Planet Earth. - 2011. - Vol. 136. - pp. 545-549.

71. Norberg , E. Electrical conductivity of milk as a phenotypic and genetic indicator of bovine mastitis [Текст] / E. Norberg // Livestock Production Science. - 2005. - Vol. 96. - pp. 129-139.

72. Oten, R. An efficient method for l-filter design [Текст] / R. Oten, R.J.P. Figueiredo // IEEE Transactions on Signal Processing . - 2003. - Vol. 51. -pp. 141-148.

73. Otsu, N. A threshold selection method from gray-level histograms [Текст] / N. Otsu // IEEE Trans. Sys., Man., Cyber. - 1979. - №9. - С. 70-76.

74. Paola, A. Multi-sensor Fusion through Adaptive Bayesian Networks [Текст] / A. Paola, S. Gaglio, G. Re, M. Ortolani // AI*IA 2011: Artificial Intelligence Around Man and Beyond. - 2011. - Vol. 6934. - pp. 360-371.

75. Peeters, S. Classification using extended morphological attribute profiles based on different feature extraction techniques. [Текст] / S. Peeters, P.R. Marpu, J.A. Benediktsson, M. Dalla // Geoscience and Remote Sensing Symposium (IGARSS), IEEE International.- 2011, pp. 4453 - 4456.

76. Peirce, B. Criterion for the rejection of doubtful observations [Текст] / B. Peirce // Astronomical Journal II. - 1852. - №45.

77. Qian, Q. Research on hidden markov model for system call anomaly detection [Текст] / Q. Qian, M. Xin // Intelligence and Security Informatics. - 2007. -Vol. 4430. - pp. 152-159.

78. Qin, Z. Improvement of Protocol Anomaly Detection Based on Markov Chain and Its Application [Текст] / Z. Qin, N. Li, D. Zhang, N. Bian // Parallel and Distributed Processing and Applications - ISPA 2005 Workshops. - 2005. -Vol. 3759. - pp. 387-396.

79. Ramanathan, A. Wades: A tool for distributed denial of service attack detection [Текст] / A. Ramanathan // Master of Science Thesis. - 2002. - Vol. 7. -pp. 152.

80. Richardson, E.K.B. Direct and indirect effects of Johne's disease on farm and animal productivity in an Irish dairy herd [Текст] / E.K.B. Richardson, S.J. More // Irish Veterinary Journal. - 2009. - Vol. 8. - pp. 526-532.

81. Ridler , T.W. Picture thresholding using an iterative selection method [Текст] / T.W. Ridler , S. Calvard, // IEEE Trans. System, Man and Cybernetics, SMC-8. - 1978. - pp. 630—632.

82. Roelofs, J.B. Pedometer readings for estrous detection and as a predictor for time of ovulation in dairy cattle [Текст] / J.B. Roelofs, F.J. Van eerdenburg, N.M. Soede, B. Kemp // Theriogenology. - 2005. - Vol. 64. - pp. 1690-1703.

157

83. Roelofs, J.B. Various behavioral signs of estrous and their relationship with time of ovulation in dairy cattle [Текст] / J.B. Roelofs, F.J. Van eerdenburg, N.M. Soede, B. Kemp // Theriogenology. - 2005. - Vol. 63. - pp. 1366-1377.

84. Rorabacher, D.B. Statistical Treatment for Rejection of Deviant Values: Critical Values of Dixon Q Parameter and Related Subrange Ratios at the 95 percent Confidence Level [Текст] / D.B. Rorabacher // Anal. Chem. - 1991. -Vol. 63. - pp. 139-146.

85. Secilmis, A. Determination of optimal EDM machining parameters for machined pure titanium-porcelain adhesion [Текст] / A. Secilmis, A. Olmez, M. Dilmec, H. Halkaci, O. Inan // The International Journal of Advanced Manufacturing Technology . - 2009. - Vol. 45. - pp. 55-61.

86. Shafer, G. A. Mathematical Theory of Evidence [Текст] / G. A. Shafer, // Princeton University Press. - 1976. - pp. 185.

87. Shen, J. Sun Nonlinear Radar Tracking Data Filtering with Unscented Kal-man Filter [Текст] / J. Shen, Y. Liu, S. Liu, Z Sun // The Proceedings of the Third International Conference on Communications, Signal Processing, and Systems. - 2015. - Vol. 322. - pp. 139-147.

88. Steeneveld, W. Discriminating between true-positive and false-positive clinical mastitis alerts from automatic milking systems [Текст] / W. Steeneveld, L. C. van der Gaag, W. Ouweltjes, H. Mollenhorst, H. Hogeveen // Journal of Dairy Science. - 2010. - Vol. 93. - No. 6. - pp. 2559 - 2568.

89. Sun, D. Analysis of Mineral Elements, Metabolism, and Inflammation Indexes in the Plasma of Dairy Cows Suffering from Different Degrees of Lameness [Текст] / D. Sun , C. Li, C. Gu, J. Chen, Y. Qu, X. Wang, J. Gao, S. Wei, J. Wang, R. Wu, D. Guo // Biological Trace Element Research. - 2015. -Vol. 168. - pp 372-379.

90. Tang, C. A Multi-sensor Data Fusion Algorithm Based on Improved Kalman Filter [Текст] / C. Tang, Z. Ao, K. Zhang, Y. Wang // Mechatronics and Automatic Control Systems. - 2013. - Vol. 237. - pp. 219-229.

91. Vechet, S. Sensors Data Fusion via Bayesian Network [Текст] / S. Vechet, J. Krejsa // Recent Advances in Mechatronics. - 2010. - pp. 221-226.

92. Vohra, A. A smart transmission scheme for emergency data from a network of biosensors on the human body [Текст] / A. Vohra. M. Sarkar, G. Lee // Multisensor Fusion and Integration for Intelligent Systems (MFI).- 2012. -pp. 200 - 205.

93. Waage, S. Evaluation of a cow-side test for detection of Gramnegative bacteria in milk from cows with mastitis [Текст] / S. Waage, P. Jonsson, A. Franklin // Acta Vet. Scand. . - 1994. - Vol. 35. - pp. 200-207.

94. Ye, N. Multivariate Statistical Analysis of Audit Trails for Host-Based Intrusion Detection [Текст] / N. Ye, S.M. Emran, Q. Chen , S. Vilbert // IEEE Transactions on Computers. - 2002. - Vol. 7. - pp. 810-820.

95. Zarchi, H. Improving Oestrus Detection in Dairy Cows by Combining Statistical Detection with Fuzzy Logic Classification [Текст] / H. Zarchi, R. Ingi // Proceedings Workshop on Advanced Control and Diagnosis. - 2009.

96. Zhong, K. Wiener Filter Based Channel Estimation for High-Speed Communication Environments [Текст] / K. Zhong, X. Lei, S. Li // Wireless Personal Communications. - 2013. - Vol. 69. - pp. 1819-1845.

97. Антонов Л.В. Анализ производственных данных животноводческого предприятия для разработки методов и алгоритмов мониторинга состояния животных. (тезисы) // VI Всероссийские научные Зворыкинские чтения: сб. тез. докл. Всероссийской межвузовской научной конференции. Муром, 12 апр. 2014 г.- Муром: Изд.-полиграфический центр МИ ВлГУ, 2014.- 730 -732с.

98. Антонов Л.В. Использование метрик при интеллектуальном мониторинге состояний крупного рогатого скота [Электронный ресурс] / Л.В. Антонов, А.Д. Варламов // Алгоритмы, методы и системы обработки данных. - 2015. - №4. - С. 3-9. - Режим доступа: http://files.amisod.ru/mediacontent/ vipuski/2015/4/amisod-2015-04-33-antonov-varlamov.pdf

99. Антонов Л.В. Применение факторного и корреляционного анализа данных для вы-деления существенных факторов оценки состояния животных для интеллектуаль-ной системы управления животноводческим предприятием / Л.В. Антонов, А.А. Орлов [Текст] // Материалы 25-ой Международная Крымская конференция "СВЧ-техника и телекоммуникационные С255 технологии" (КрыМиКо'2015). - Севасто-поль. - 2015. -Т. 1. - C. 309-311.

100. Антонов Л.В. Разработка алгоритма выявления внеплановых отклонений значений производственных параметров на животноводческом предприятии (тезисы) // VI Всероссийские научные Зворыкинские чтения: сб. тез. докл. Всероссийской межвузовской научной конференции. Муром, 12 апр. 2014 г.- Муром: Изд.-полиграфический центр МИ ВлГУ, 2014.735 -737с.

101. Антонов Л.В. Разработка алгоритмов автоматической идентификации состояний животных на основе комплексирования данных с датчиков на предприятиях мо-лочного животноводства [Текст] / Л.В. Антонов, А.Д. Варламов // Научно-технический вестник Поволжья. - 2017. - №1. - С. 19-21

102. Антонов Л.В. Разработка и апробация алгоритмов выделения комплексных показателей состояния здоровья вымени животных на основе анализа данных с сенсоров предприятия молочного животноводства [Текст] // Вестник ЧГУ. - 2017. - №1. - С. 19-21.

103. Антонов, Л.В. Алгоритм мониторинга критических изменений параметров производственного процесса животноводческого предприятия [Текст] / Л.В. Антонов // Алгоритмы, методы и системы обработки данных. - 2014. - №29. - С. 3-12.

104. Антонов, Л.В. Автоматизация процесса мониторинга животноводческого предприятия на основе исследования временных рядов параметров крупного рогатого скота [Электронный ресурс] / Л.В. Антонов, А.Д.

Варламов // Современные проблемы науки и образования. - 2013. - №6. -

160

Режим доступа: http://www.science-education.ru/113-10922 (дата обращения: 30.07.2017)

105. Антонов, Л.В. Разработка адаптивного алгоритма отслеживания критических изменений параметров животных в информационной системе управления животноводческим предприятием [Текст] / Л.В. Антонов // 25-я Международная Крымская конференция «СВЧ-техника и телекоммуникационные С255 технологии» (КрыМиКо'2015). - 2015. - №1. - С. 411-413.

106. Антонов, Л.В. Разработка адаптивного алгоритма отслеживания отклонений параметров животных в системе управления животноводческим предприятием [Текст] / Л.В. Антонов, А.Д. Варламов, А.А. Орлов // Динамика сложных систем. - 2015. - №2. - С. 44-49.

107. Антонов, Л.В. Разработка алгоритма идентификации скрытого мастита коров на основе комплексирования данных с датчиков на животноводческом предприятии [Электронный ресурс] / Л.В. Антонов // АгроЭкоИн-фо. - 2016. - №2. - Режим доступа: http: //agroecoinfo. narod.ru/j ournal/TEXT/RUSSIAN/2016/st_203_annot.html (дата обращения: 30.07.2017).

108. Антонов, Л.В. Разработка метода отслеживания внеплановых всплесков значений производственных характеристик в условиях животноводческого производства [Электронный ресурс] / Л.В. Антонов // Международный научно-исследовательский журнал. - 2014. - №10. - Режим доступа: http://research-journal.org/wp-content/uploads/2014/11/10-2-29.pdf (дата обращения: 30.07.2017)

109. Афанасьева, Т.В. Алгоритм поиска и удаления аномалий временных рядов на основе применения кластеризации [Текст] / Т.В. Афанасьева, Д.В. Заварзин, И.В. Сибирев // Радиотехника. - 2015. - №6. - С. 59-62.

110. Баин, А.М. Поиск лучшей прогнозной модели класса ARIMA [Текст] / А.М. Баин // Техника и технология. - 2007. - №5. - С. 38.

111. Балаев, А.И. Анализ многомерных временных рядов финансовых доход-ностей: сравнение различных подходов к моделированию тяжелых хвостов [Текст] / А.И. Балаев // Экономический журнал Высшей школы экономики. - 2013. - №2. - С. 239-263.

112. Баркова, А.С. Дифференциальная диагностика мастита у коров с использованием ультразвукового сканирования [Текст] / А.С. Баркова, Г. Ю. Смирнов // Аграрный вестник Урала. - 2014. - №3. - С. 19-22.

113. Баркова, А.С. Заболеваемость коров маститом и качество молока [Текст] / А.С. Баркова, Е.И. Шурманова, А.К. Липчинская, А.Г. Баранова, // Аграрный вестник Урала. - 2010. - №11. - С. 10-11.

114. Басангов, Ю.М. О модели СМО в поддержку принятия брокерских решений [Текст] / Ю.М. Басангов, А.Г. Перевозчиков // Аудит и финансовый анализ. - 2010. - №6. - С. 107-111.

115. Белоусов, Ю.К. Влияние подготовки коров к доению на удой и скорость молокоотдачи [Текст] / Ю.К. Белоусов // Вестник ИрГСХА. - 1997. - №5.

- С. 31-32.

116. Бойко, В.И. Исследование фильтров Бесселя для хроматографии [Текст] / В.И. Бойко, Ю.И. Слабченко // Горный вестник. - 2012. - №95. - С. 180183.

117. Брюханов , Ю.А. Анализ эффектов квантования и переполнения в цифровых фильтрах Баттерворта и Чебышева [Текст] / Ю.А. Брюханов , Ю.Ф. Лукашевич // Радиотехника. - 2012. - №9. - С. 127-132.

118. Буй , Т. Распознавание лиц на основе применения метода виолы-джонса, вейвлетспреобразования и метода главных компонент [Текст] / Т. Буй , Н. Фан, В. Спицын // Известия Томского политехнического университета. - 2012. - №5. - С. 54-59.

119. Буряченко, В.В. Алгоритм устранения размытия для видеопоследовательностей статических сцен, основанный на применении анизотропного фильтра Гаусса [Текст] / В.В. Буряченко // Решетневские чтения. - 2014.

- №2. - С. 235-236.

120. Вернер Е.А. Эксплуатационная оценка автоматической доильной системы фирмы "DELAVAL". (ФРГ) [Текст] / Е.А. Вернер // Инженерно-техническое обеспечение АПК. Реферативный журнал. - 2004. - № 3. - С. 892.

121. Вернер, Е.А. Новая доильная установка карусельного типа Autorota фирмы "Westfalia Surge". (ФРГ) [Текст] / Е.А. Вернер // Инженерно-техническое обеспечение АПК. Реферативный журнал. - 2006. - № 2.- С. 568.

122. Вернер, Е.А. Электронные системы обработки данных, применяемые в сельском хозяйстве (по материалам выставки компьютерной техники). ФРГ [Текст] / Е.А. Вернер// Инженерно-техническое обеспечение АПК. Реферативный журнал. - 2004. - № 3. - С. 915.

123. Войтенко, Л.Г. Мастит. диагностика. методы лечения [Текст] / Л.Г. Вой-тенко, А.С. Картушина, Ю.А. Шутова, М.П. Загорулько // Ветеринарная патология. - 2015. - №4. - С. 9-13.

124. Гаврин, А. Н. Этиологические факторы мастита у коров и его фитотерапия: Диссертация ветеринарных наук. - Мичуринск-Наукоград. - 2012.

125. Гвишиани, А.Д. Математические методы геоинформатики III. нечеткие сравнения и распознавание аномалий на временных рядах [Текст] / А.Д. Гвишиани, С.М. Агаян, Ш.Р. Богоутдинов, Ж. Злотники, Ж. Боннин // Кибернетика и системный анализ. - 2008. - №3. - С. 3-18.

126. Голобоких, П.И. Изменение электропроводности молока коров в течение лактации [Текст] / П.И. Голобоких. - Москва, 1991. - С. 7.

127. Грига, О.Э. Течение обменных процессов у коров в различныепериоды воспроизводительной функции [Текст] / О.Э. Грига, Э.Н. Грига, С.Е. Боженов // Ветеринарная патология. - 2013. - №2. - С. 71-76.

128. Дорохов, Е.В. Применение адаптивных, arima и arch методов при прогнозировании краткосрочной динамики российского фондового рынка [Текст] / Е.В. Дорохов // Финансы и бизнес. - 2007. - №3. - С. 47-63.

129. Егоров, А.А. Оптимальное линейное оценивание стационарных процессов с дискретным временем в задачах фильтрации сигналов с датчиков [Текст] / А.А. Егоров , С.В. Крапивин // Промышленные АСУ и контроллеры. - 2015. - №9. - С. 19-24.

130. Егорычева, Э.В. Комплексная оценка физической подготовленности студентов специальной медицинской группы [Текст] / Э.В. Егорычева, А.Д. Викулов // Ярославский педагогический вестник. - 2014. - №1. - С. 173-177.

131. Ермолаев, М.Б. Анализ финансовых пузырей в контексте исследований аномальных уровней [Текст] / М.Б. Ермолаев, Т.М. Бессонова // Сборник научных трудов вузов России "Проблемы экономики, финансов и управления производством". - 2015. - №36. - С. 120-122.

132. Ефимов, Е.Н. Применение нейронных сетей прямого распространения для формирования оценок параметров по методу максимального правдоподобия [Текст] / Е.Н. Ефимов, Д.В. Филимонова, Т.Я. Шевгунов // Наукоемкие технологии. - 2015. - №8. - С. 42-47.

133. Желтобрюхов, В.Ф. Оценка и прогнозирование экореабилитации городских почв на основе методов регрессионного и корреляционного анализов [Текст] / В.Ф. Желтобрюхов, Г.К. Лобачева, Н.В. Колодницкая , В.Н. Стяжин, И.А. Полозова // Экология урбанизированных территорий. -2012. - №3. - С. 93-98.

134. Заварзин, Д.В. К вопросу поиска аномалий во временных рядах [Текст] / Д.В. Заварзин // Инновации в науке. - 2014. - №29. - С. 59-64.

135. Зеленина, О.В. Молочная продуктивность и лактационные кривые полновозрастных коров симментальской породы [Текст] / О.В. Зеленина, А.А. Матюхин // Сельскохозяйственные науки и агропромышленный комплекс на рубеже веков. - 2014. - №5. - С. 180-183.

136. Зиатдинов , С.И. Линейные искажения сигнала фильтром Баттерворта [Текст] / С.И. Зиатдинов // Известия высших учебных заведений. Приборостроение. - 2007. - №1. - С. 36-39.

164

137. Зиатдинов, А.Ю. Метод обнаружения аномалий в специализированных корпоративных сетях [Текст] / А.Ю. Зиатдинов // Проблемы информатизации и управления. - 2010. - №29. - С. 70-75.

138. Злоба Е. Статистические методы восстановления пропущенных данных [Текст] / Е. Злоба, И. Яцкив // Компьютерное моделирование и новые технологии. - 2002. - №1(6). - С. 56.

139. Ивановский, Р.И. Системы компьютерной математики в специальном корреляционном анализе [Текст] / Р.И. Ивановский, // Современные информационные технологии и ИТ-образование. - 2010. - №6. - С. 514-524.

140. Иохвидова, А.Е. Анализ риска информационно-телекоммуникационных систем на основе множественного нелинейного регрессионного анализа [Текст] / А.Е. Иохвидова, С.Л. Подвальный, Г.А. Остапенко // Информация и безопасность. - 2006. - №2. - С. 52-59.

141. Карташова, В.М. Маститы коров [Текст] / В.М. Карташова, А.И. Ивашу-ра.- М.: Агропромиздат, 1988. - С. 77.

142. Каталажнова , И.Н. . оценка погрешности определения напорной характеристики центробежного насоса методами дисперсионного анализа [Текст] / И.Н. Каталажнова // Современные информационные технологии. - 2004. - №51. - С. 77-79.

143. Клиточенко, Г.В. . возможности кросс-корреляционного анализа при анализе электроэнцефалограммы у детей [Текст] / Г.В. Клиточенко, Н.Л. Тонконоженко, Л.К. Гаврилов, А.С. Попов, // Вестник Волгоградского государственного медицинского университета. - 2012. - №1. - С. 68-70.

144. Комаров, В.Ю. Использование нового препарата «адимаст» для одномоментного запуска коров в сухостойный период и профилактики мастита [Текст] / В.Ю. Комаров, Б.Л. Белкин // Вестник Алтайского государственного аграрного университета. - 2015. - №5. - С. 107-110.

145. Конюхов, А.А. Комплексный подход к анализу данных мониторинга высокопроизводительных установок [Текст] / А.А. Конюхов, Е.А. Московский, А.Н. Рябинкин, В.Е. Велихов // Сборник трудов Международная

научная конференция "Параллельные вычислительные технологии 2013", Южно-Уральский государственный национальный исследовательский университет. - 2013. - С. 400-408.

146. Копытчук, И.Н. Построение аппроксимирующей нечеткой зависимости для определения параметров классификации аномалий тензометриче-ских сигналов [Текст] / И.Н. Копытчук, Н.Б. Копытчук, П.М. Тишин, И.Г. Милейко // Современные информационные и электронные технологии. - 2014. - №15. - С. 68-69.

147. Коржакова, С.А. Исследование априорной информации о расходе топлива в карбюраторных двигателях [Текст] / С.А. Коржакова, А.В. Коржаков // Вестник Адыгейского государственного университета. - 2005. -№4. - С. 251-254.

148. Корт, С.С. Исследование эффективности применения цепей Маркова для обнаружения аномалий [Текст] / С.С. Корт // Проблемы информационной безопасности. Компьютерные системы. - 2010. - №1. - С. 39-47.

149. Круглов, В.В. Методы восстановления пропусков в массивах данных [Текст] / В.В. Круглов, И.В. Абраменкова // Программные продукты и системы. - 2005. - № 2. С.34.

150. Кудрин, М.Р. Технологические процессы при доении коров системой добровольного доения VMS шведской компании «DELAVAL» [Текст] / М.Р. Кудрин, Р.В. Бобылев // Наука Удмуртии. - 2011. - № 1. - С. 52-57.

151. Кузнецов, В.В. Алгоритм обнаружения серии выбросов по критерию диксона в инверсионной вольтамперометрии [Текст] / В.В. Кузнецов, С.В. Романенко, С.Л. Ларин // Аналитика и контроль. - 2014. - №3. - С. 310-315.

152. Кузнецов, В.В. Алгоритм обнаружения серии выбросов по критерию Диксона в инверсионной вольтамперометрии [Текст] / В.В. Кузнецов, С.В. Романенко, С.Л. Ларин // Аналитика и контроль. - 2014. - №18. - С. 310-315.

153. Куликова, Н.И. Инновационные системы повышения молочной продуктивности высокопродуктивных коров [Текст] / Н.И. Куликова, А.О. Малахова, С.В. Цыплакова // Труды Кубанского государственного аграрного университета. - 2013. - № 44. - С. 191-193.

154. Куликова, Н.И. Технологические возможности современных информационных систем управления молочным стадом [Текст] / Н.И. Куликова, А.О. Малахова, А.А. Синявская // Труды Кубанского государственного аграрного университета. - 2013. - № 43. - С. 236-239.

155. Л.В. Антонов Автоматический мониторинг случаев мастита КРС // Наука и образование в развитии промышленной, социальной и экономической сфер регионов России. VIII Всероссийские научные Зворыкин-ские чтения: сб. тез. докл. Всероссийской межвузовской научной конференции. Муром, 5 февр. 2016 г.- Муром: Изд.-полиграфический центр МИ ВлГУ, 2016.- 117-119

156. Л.В. Антонов Разработка алгоритма идентификации отклонений производственных параметров от нормальных значений // Наука и образование в развитии промышленной, социальной и экономической сфер регионов России. VII Всероссийские научные Зворыкинские чтения: сб. тез. докл. Всероссийской межвузовской научной конференции. Муром, 6 февр. 2015 г.- Муром: Изд.-полиграфический центр МИ ВлГУ, 2015.136-137

157. Лебедева, И.П. Интерпретация взаимодействия факторов второго порядка в дисперсионном анализе [Текст] / И.П. Лебедева // Фундаментальные исследования. - 2016. - №3. - С. 588-593.

158. Лебедянцев, М.В. Исследование свойств нелинейно-дисперсионного канала средствами тензорного и векторного анализа [Текст] / М.В. Лебедянцев // Инфокоммуникационные технологии. - 2014. - №2. - С. 35-39.

159. Лемешко, Б.Ю. О сходимости распределений статистик и мощности критериев однородности смирнова и лемана-розенблатта [Текст] / Б.Ю.

Лемешко, С.Б. Лемешко // Измерительная техника. - 2005. - №12. - С. 914.

160. Липчинская, А.К. Роль патологии сосков молочной железы в развитии маститов у коров при машинном доении [Текст] / А.К. Липчинская. -Екатеринбург, 2010.

161. Литтл, Р. Статистический анализ данных с пропусками. Финансы и статистика [Тест] / Р.Дж.А. Литтл, Д.Б.Рубин.- М.: Финансы и статистика, 1991.- С. 102.

162. Лопатин, С.В. Терапевтическая эффективность сульфогеля при болезнях пальцев у коров [Текст] / С.В. Лопатин, А.А. Самоловов // Сибирский вестник сельскохозяйственной науки. - 2016. - №1. - С. 58-63.

163. Малинин, Д.Д. Повышение точности позиционирования мобильной платформы путем коррекции GPS сигнала фильтром Калмана [Текст] / Д.Д. Малинин, А.Е. Шаралапов // Надежность и качество сложных систем. - 2014. - №3. - С. 44-49.

164. Мальцев, К.А. Статистический анализ данных в экологии природопользовании [Текст] / К.А. Мальцев, С.С. Мухарамова.- Казань: Казанский (Приволжский) федеральный университет, 2011. - C. 50.

165. Малюкова, М.А. Эффективность использования различных технологий доения коров в Ярославской области [Текст] / Малюкова М.А. // Вестник АПК Верхневолжья.- 2011.- № 1.- С. 92-95.

166. Мандрикова, О.В. Моделирование и анализ временных рядов сложной структуры [Текст] / О.В. Мандрикова, Ю.А. Полозов, Н.В. Фетисова (Глушкова) // Вестник Камчатского государственного технического университета. - 2014. - №28. - С. 23-32.

167. Манж, Ж. Эффективное искусственное осеменение коров [Текст] / Ж. Манж // Agro Press. - 2016. - №1. - С. 34-35.

168. Маршалов, А.Я. Алгоритм и программное решение для выделения фоновых компонент электромагнитного поля методом распределенных вы-

числений [Текст] / А.Я. Маршалов // Актуальные направления научных исследований XXI века: теория и практика.. - 2014. - №6. - С. 181-168.

169. Машлякевич, А.А. Основание параметров и режимов работы устройства для управления вакуумом в доильном стакане [Текст] / А.А. Машляке-вич.- Зеленоград, 2016.

170. Мокеев, В.В. Метод главных компонент и метод собственных состояний в задачах анализа и прогнозирования [Текст] / В.В. Мокеев // Монография. Министерство образования и науки Российской Федерации, ЮжноУральский государственный университет. - 2014.

171. Монахова, Ю.Б. Метод независимых компонент как альтернатива методу главных компонент и дискриминантным алгоритмам в обработке спектрометрических данных [Текст] / Ю.Б. Монахова, А.М. Цикин, С.П. Муштакова // Журнал аналитической химии. - 2015. - №9. - С. 925.

172. Назаров , М.А. Анализ искажений короткоимпульсных сигналов минимально фазовыми и фазолинейными фильтрами [Текст] / М.А. Назаров , Э.В. Семенов // Электронные средства и системы управления. - 2015. -№1. - С. 65-69.

173. Назарова, Е.В. Планирование и контроль молочной продуктивности коров [Текст] / Е.В. Назарова // Вестник аграрной науки Дона. - 2012. - №2. - С. 59.

174. Недопекин, А.Е. Адаптация стандартных критериев тестирования статистических выбросов для выделения сигнала ЛЧМ-ионозонда [Текст] / А.Е. Недопекин // Журнал радиоэлектроники. - 2013. - №9. - С. 2.

175. Новицкий, П.В. Оценка погрешности результатов измерений [Текст] / П.В. Новицкий, И.А. Зограф.- Л.: Энергоатомиздат, 1985. - С. 304.

176. Овсянкина, Н.М. Использование АСУ в производстве молока [Текст] / Н.М. Овсянкина, А.А. Прозоров // Молочнохозяйственный вестник.-2011. - № 1.- С. 81-86.

177. Орлов, А.А. Обзор и анализ современных информационных решений автоматизации животноводческих хозяйств [Электронный ресурс] / А.А.

169

Орлов, Л.В. Антонов // Современные проблемы науки и образования. -2013. - №6. - Режим доступа: http://www.science-education.ru/113-10943 (дата обращения: 30.07.2017).

178. Орлов, А.А. Разработка и экспериментальное исследование алгоритма мониторинга ежедневной активности животного для автоматизированной системы управления молочным хозяйством [Текст] / А.А. Орлов, Л.В. Антонов, К.В. Макаров // Вестник ЧГУ. - 2015. - №8. - С. 19-21.

179. Петренко, В.Р. Нейросетевой подход к структурной идентификации агта-моделей временных последовательностей [Текст] / В.Р. Петренко, К.А. Куделина // Сложные системы и процессы. - 2008. - №1. - С. 87-93.

180. Петровская, Ю.А. Методы исключения грубой погрешности [Текст] / Ю.А. Петровская, Е.А. Петровская, М.С. Эльберг // Актуальные проблемы авиации и космонавтики. - 2015. - №11. - С. 109-110.

181. Подивилова, Е.О. Сравнение оценок минимаксного фильтра и фильтра Калмана [Текст] / Е.О. Подивилова, В.И. Ширяев // Вестник ЮжноУральского государственного университета. Серия: Математическое моделирование и программирование. - 2012. - №40. - С. 182-186.

182. Понятский , В.М. Исследование способов реализации адаптивной системы управления с фильтром Калмана [Текст] / В.М. Понятский // Стохастическая оптимизация в информатике. - 2008. - №4. - С. 196-210.

183. Понятский, В.М. Исследование способов реализации адаптивной системы управления с фильтром Калмана [Текст] / В.М. Понятский // Стохастическая оптимизация в информатике. - 2008. - №1. - С. 196-210.

184. Попов Л.К. Генотипические аспекты мастита у коров и его фитотерапия: Автореф. дис. доктора вет. наук. - Мичуринск. - 1998. С. - 40.

185. Попова, О.А. Численный вероятностный анализ для агрегации, регрессионного моделирования и анализа данных [Текст] / О.А. Попова // Информатизация и связь. - 2015. - №1. - С. 15-21.

186. Потапов, A.M. . обработка экспериментальных данных по вязкости, содержащих случайные выбросы одного знака [Текст] / A.M. Потапов, С.И. Кумков, Ю. Сато // Расплавы. - 2010. - №3. - С. 48-63.

187. Пятков , Д.А. Особенности приёма импульсных сигналов, прошедших через фильтр типа raised cosine [Текст] / Д.А. Пятков // Вопросы радиоэлектроники. - 2013. - №3. - С. 114-124.

188. Рабуасон, Д. Субклинический кетоз: точная оценка потерь [Текст] / Д. Рабуасон, М. Муни, Э. Мане // Животноводство России. - 2015. - №53. -С. 46-49.

189. Репина, Е.Г. Проблема использования критерия граббса на выброс при экспоненциальном законе распределения и законе распределения Лапласа [Текст] / Е.Г. Репина // Вестник Оренбургского государственного университета. - 2005. - №8. - С. 149-154.

190. Роман, Л.Г. Особенности диагностики и синдроматика постлактационного мастита у коров [Текст] / Л.Г. Роман // Ветеринарная патология. -2010. - №4. - С. 106-111.

191. Ромашевская, Я.А. Стратегическое управление природоохранной деятельностью посредством реализации информационно-коммутационной системы экологического аудита на основе методов анализа сингулярного спектра и интерсубъектного анализа [Текст] / Я.А. Ромашевская, И.А. Степановская // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. - 2015. - №12. - С. 90-98.

192. Рудой, Г.И. О возможности применения методов монте-карло в анализе нелинейных регрессионных моделей [Текст] / Г.И. Рудой // Сибирский журнал вычислительной математики. - 2015. - №4. - С. 425-434.

193. Русин, А.Ю. Улучшения оценок метода максимального правдоподобия в автоматизированной системе ремонта электрооборудования [Текст] / А.Ю. Русин, И.А. Теркин // Молодой ученый. - 2013. - №8. - С. 114- 117.

194. Рыженкова, К.В. Методы восстановления пропуска данных при проведении статистических исследований [Текст] / К.В. Рыженкова // Интеллект. Инновации. Инвестиции. - 2012. - № 3. - С. 127-133.

195. Садыков, К.Б. Стимуляция молокоотдачи у коров при машинном доении [Текст] / К.Б. Садыков. - Москва, 1975.- С. 12.

196. Самоловов, А.А. Ламинит и ламинитосвязанные поражения копытец как симптомокомплекс метаболических нарушений у молочных коров [Текст] / А.А. Самоловов, С.В. Лопатин // Инновации и продовольственная безопасность. - 2015. - №3. - С. 21-24.

197. Семёнычев, В.К. Моделирование и прогнозирование временного ряда суммой логистической, линейной и гармонической компонент на основе агта-модели [Текст] / В.К. Семёнычев , В.Д. Павлов, В.В. Семёнычев // Известия Уральского государственного экономического университета. -2009. - №1. - С. 128-139.

198. Сидельников , О. В. Обнаружение аномалий сетевого трафика в автоматизированных информационных системах на основе метода сигнатурно-статистического анализа [Текст] / О. В. Сидельников // Перспективы развития информационных технологий. - 2010. - №2. - С. 339-343.

199. Скворцов, Е.А. Тенденции развития сельскохозяйственной робототехники за рубежом [Текст] / Е.А. Скворцов, Е.Г. Скворцова // Аграрный вестник Урала. - 2016. - № 1 (143). - С. 37-43.

200. Сорокин, С.В. Использование нейросетевых моделей в поведенческом скоринге [Текст] / С.В. Сорокин, А.С. Сорокин // Прикладная информатика. - 2015. - №2(56).

201. Терещенко, С.В. Двухкольцевая система автоматической подстройки частоты с эллиптическим фильтром [Текст] / С.В. Терещенко // Радиотехника. - 2010. - №11. - С. 34-38.

202. Трофимов, Д.Ю. Сравнительный анализ прогнозирования доходов бюджета методами сингулярного спектра и классических адаптивных моде-

лей [Текст] / Д.Ю. Трофимов // Приложение математики в экономических и технических исследованиях. - 2014. - №4. - С. 161-164.

203. Трусова, А.Ю. Моделирование банковских данных средствами ретро-прогноза [Текст] / А.Ю. Трусова, И.С. Орлова // Вестник Самарского муниципального института управления. - 2009. - №11. - С. 77-82.

204. Усенков, И. Скорость молокоотдачи - важный признак [Текст] / И. Усенков, В. Усенкова, И. Тузов, В. Морозов, Е. Демьянченко, // Животноводство России Спецвыпуск по молочному скотоводству. - 2013. - №4.

- С. 13-14.

205. Фирсов, А.А. Алгоритм повышения точности локации при корреляционном течеискании, основанный на анализе функции фазы взаимного спектра [Текст] / А.А. Фирсов, Д.А. Терентьев // Контроль. Диагностика.

- 2014. - №8. - С. 23-27.

206. Фомичева, Т.А. Методологический аспект статистической оценки и межрегиональной дифференциации социальной безопасности [Текст] / Т.А. Фомичева // Вестник Самарского государственного экономического университета. - 2009. - №10. - С. 101-106.

207. Шабельников, А.Н. Поиск аномалий в технических базах данных временных рядов [Текст] / А.Н. Шабельников, В.А. Шабельников, // Известия ЮФУ. Технические науки.- 2008. - №4. - С. 167-173.

208. Шелухин, О. И. Анализ информативных признаков в задачах обнаружения аномалий трафика статистическими методами [Текст] / О. И. Шелу-хин, Р. А. Судариков // Т-Сошш - Телекоммуникации и Транспорт. -2014. - №3. - С. 14-18.

209. Шелухин, О. И. Оценка достоверности обнаружения аномалий сетевого трафика методами дискретного вейвлет-анализа [Текст] / О. И. Шелу-хин, А. П. Панкрушин // Т-Сошш - Телекоммуникации и Транспорт. -2013. - №10. - С. 110-115.

210. Шелухин, О.И. Обнаружение аномальных выбросов телекоммуникационного трафика методами дискретного вейвлет-анализа [Текст] / О.И.

173

Шелухин // Электромагнитные волны и электронные системы. - 2012. -№2. - С. 15-26.

211. Шестаков, В.М. Использование лазера при лечении маститов у лактиру-ющих коров [Текст] / В.М. Шестаков, Т.Н. Болтушкина // Сельскохозяйственные науки и агропромышленный комплекс на рубеже веков. - 2014. - №5. - С. 192-195.

212. Юданова, А.В. Новый доильный станок марки megazine фирмы "FuПwood". (ФРГ) [Текст] / А.В. Юданова // Инженерно-техническое обеспечение АПК. Реферативный журнал.- 2005. - № 3. - С. 853.