Чуличков

Методы морфологического анализа изображений, Пытьев Ю.П., Чуличков А.И., 2010.

Рассмотрено математическое понятие формы изображения как (инвариантной относительно условий получения изображения) характеристики геометрической формы изображенного объекта. Рассмотрены основанные на понятии формы изображения методы морфологического анализа изображений, ориентированные на компьютерные решения задач анализа и интерпретации изображенных объектов при априорной неопределенности условий регистрации их изображений, таких, в частности, как характер освещения, его спектральный состав и т. п. Типичными являются задачи, в которых даны два изображения одной и той же местности, полученные в разное время при различных и неизвестных условиях освещения, и требуется выделить объекты, представленные на первом (втором) изображении и отсутствующие на втором (первом) изображении. Для специалистов по математическому моделированию, а также для студентов старших курсов и аспирантов технических и физико-математических специальностей вузов.

Математические модели нелинейной динамики, Чуличков А.И., 2003.

Обобщаются известные и предлагаются новые методы математического моделирования нелинейных динамических систем. На простых примерах пояснены механизмы возникновения динамического хаоса, самоорганизации и др. Предложен принципиально новый подход к моделированию динамических систем, основанный на теории возможностей и нечеткой математике. Он ориентирован на описание динамики в условиях неопределенности и является альтернативой стохастическому моделированию. Предлагаются методы прогноза динамики на основе наблюдений над системой, выполненных с погрешностью. Первое издание — 2000 г. Для специалистов по математическому моделированию, а также для студентов старших курсов и аспирантов технических и физико-математических специальностей вузов.

Математические модели нелинейной динамики, Чуличков А.И., 2003.

  Обобщаются известные и предлагаются новые методы математического моделирования нелинейных динамических систем. На простых примерах пояснены механизмы возникновения динамического хаоса, самоорганизации и др. Предложен принципиально новый подход к моделированию динамических систем, основанный на теории возможностей и нечеткой математике. Он ориентирован на описание динамики в условиях неопределенности и является альтернативой стохастическому моделированию. Предлагаются методы прогноза динамики на основе наблюдений над системой, выполненных с погрешностью.
Для специалистов по математическому моделированию, а также для студентов старших курсов и аспирантов технических и физико-математических специальностей вузов.