References
- Bishop C. M. (2006). Pattern Recognition and Machine Learningupport. Springer.
- Cover T. (1965). Geometrical and statistical propertirs of system sof linear inequalities with applications in pattern recoqnition. IEEE Trans. Electronic Computers, vol. 14.
- Gil J. (1995). Badanie nieliniowego geodezyjnego modelu przemieszczeń (na przykładzie obciążonego podłoża gruntowego). Wydawnictwo Wyższej Szkoły Inżynierskiej w Zielonej Górze. Zielona Góra.
- Gunn S. M. (1998). Support Vector Machines for Classification or Regression. Technical Report.
- Haykin S. (1994). Neural networks, a comprehensive foundation. Macmillan College Publishing Company. New York.
- Kuligowski J. L. (1986). Zarys teorii grafów. Wydawnictwo PWN. Warszawa.
- Markiewicz A. (2003). Halotektoniczne uwarunkowania sedymentacji i deformacji osadów kenozoicznych w południowej części Monokliny Przedsudeckiej (SW Polska). Oficyna Wydawnicza Uniwersytetu Zielonogórskiego. Zielona Góra.
- Mrówczyńska M. (2014a). Klasyfikatory neuronowe typu SVM w zastosowaniu do klasyfikacji przemieszczeń pionowych na obszarze LGOM. Zeszyty Naukowe SIGMiE PAN. Kraków.
- Mrówczyńska M. (2014b). Sieć liniowa SVM do wyznaczenia przemieszczeń pionowych. Przegląd Geodezyjny 3/2014b. Warszawa.
- Mrówczyńska M. (2015). Studium nad doborem metod inteligencji numerycznej do rozwiązywania problemów z geodezji inżynieryjnej. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego. Zielona Góra.
- Osowski S. (2006). Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej. Warszawa.
- Prószyński W., Kwaśniak M. (2006). Podstawy geodezyjnego wyznaczenia przemieszczeń. Pojęcia i elementy metodyki. Oficyna Wydawnicza Politechniki Warszawskiej. Warszawa.
- Vapnik V. (1998). Statistical learning theory. Wiley, New York.
- Zanni L., Serafini T., Zanghirati. G. (2006). Parallel Software for Training Large Scale Support Vector Machines on Multiprocessor Systems. Journal of Machine Learning Research 7, 1467-1492.