Please use this identifier to cite or link to this item: http://elartu.tntu.edu.ua/handle/lib/32351

Title: Моделі та методи компартментного математичного моделювання кіберфізичних систем медико-біологічних процесів
Other Titles: Модели и методы компартментного математического моделирования киберфизических систем медико-биологических процессов
Models and methods of compartmental mathematical modelling of cyber-physical systems of medical and biological processes
Authors: Сверстюк, Андрій Степанович
Sverstiuk, A. S.
Affiliation: Тернопільський національний медичний університет імені І. Я. Горбачевського
Bibliographic description (Ukraine): Сверстюк А. С. Моделі та методи компартментного математичного моделювання кіберфізичних систем медико-біологічних процесів : дисертація на здобуття наукового ступеня доктора технічних наук за спеціальністю 01.05.02 / Андрій Степанович Сверстюк. — Тернопіль, 2020. — 611 с.
Issue Date: 20-Aug-2020
Date of entry: 20-Aug-2020
Publisher: «Укрмедкнига» Тернопільського національного медичного університету імені І. Я. Горбачевського
Country (code): UA
Place of the edition/event: Тернопіль
Science degree: доктор технічних наук
Level thesis: докторська дисертаія
Code and name of the specialty: 01.05.02
Defense council: Д 58.052.01
Institution defense: ТНТУ ім. І. Пулюя
Supervisor: Марценюк, Василь Петрович
Committee members: Власюк, Анатолій Павлович
Гера, Богдан Васильович
Сафоник, Андрій Петрович
UDC: 602.1
519.85
53.082.9
616-07
Keywords: кіберфізична система
медико-біологічні процеси
математичне моделювання
решітчасті диференціальні рівняння
решітчасті різницеві рівняння
рекурентна нейромережа із запізненням
нелінійна динаміка
дослідження стійкості
комп’ютерне моделювання
киберфизическая система
медико-биологические процессы
математическое моделирование
решётчастые дифференциальные уравнения
решётчастые разностные уравнения
рекуррентная нейросеть с запаздыванием
нелинейная динамика
исследования устойчивости
компьютерное моделирование
cyber-physical system
medical and biological processes
mathematical modelling
lattice differential equations
lattice difference equations
recurrent neural network with delay
method of Lyapunov functions
nonlinear dynamics
deterministic chaos
stability studies
computer modelling
Number of pages: 611
Abstract: Дисертація присвячена вирішенню проблеми розвитку математичного моделювання та обчислювальних методів у напрямку створення та дослідження нових компартментних математичних моделей кіберфізичних систем медико- біологічних процесів. Розроблено компартментні математичні моделі кіберфізичних систем медико-біологічних процесів з використанням решітчастих диференціальних та різницевих рівнянь із запізненням на прямокутній та гексагональній решітках. Запропоновано методи обчислювальної математики для дослідження перманентності, екстинкції та стійкості компартментних математичних моделей кіберфізичних систем медико-біологічних процесів. Розроблено нові методи моделювання кіберфізичних біосенсорних систем з використанням гібридного програмування та інтерпретацією результатів моделювання у вигляді зображення фазових площин, решітчастих портретів та електричних сигналів. Запропоновано методи дослідження експоненційної стійкості рекурентних нейромережевих моделей для кіберфізичних систем медико-біологічних процесів. Розроблено алгоритм оптимального керування в моделі кіберфізичної системи лабораторної діагностики на основі полімеразно-ланцюгової реакції. Програмно реалізовані методи дослідження стійкості кіберфізичних систем медико-біологічних процесів.
Диссертация посвящена решению проблемы развития математического моделирования и вычислительных методов в направлении создания и исследования новых компартментных математических моделей киберфизических систем медико- биологических процессов. Разработаны компартментные математические модели киберфизических систем медико-биологических процессов с использованием решётчастых дифференциальных и разностных уравнений с запаздыванием на прямоугольной и гексагональной решётках. Предложенные методы вычислительной математики для исследования перманентности, экстинкции и устойчивости компартментных математических моделей киберфизических систем медико- биологических процессов. Разработаны новые методы моделирования киберфизических биосенсорных систем с использованием гибридного программирования и интерпретацией результатов моделирования в виде изображения фазовых плоскостей, решётчастых портретов и электрических сигналов. Предложенные методы исследования экспоненциальной устойчивости рекуррентных нейросетевых моделей для киберфизических систем медико- биологических процессов. Разработан алгоритм оптимального управления в модели киберфизической системы лабораторной диагностики на основе полимеразно- цепной реакции. Программно реализованы методы исследования устойчивости киберфизических систем медико-биологических процессов.
The dissertation is devoted to the solution of the problem of development of mathematical modelling and computational methods in the direction of creation and investigation of new compartmental mathematical models of cyber-physical systems of medical and biological processes. A methodology for designing cyber-physical biosensor systems used for automated monitoring of biomedical processes has been developed. On the basis of the suggested methodology, compartmental mathematical models of cyber- physical systems of medical and biological processes have been developed using lattice differential and difference equations with delay on rectangular and hexagonal lattices. The developed compartmental mathematical models take into account all the properties that are characteristic of lattice cyber-physical systems of medical and biological processes. Taking into account the lattice structure, the research has been carried out by the use of appropriate interactions between pixels of rectangular and hexagonal lattices, spatial operators and coordinations of biopixels. Methods of computational mathematics have been developed for solving problems of studying the permanence, extinction and stability of compartmental mathematical models of cyber-physical systems of medical and biological processes by using lattice differential and difference equations with delay on rectangular and hexagonal lattices. The basic numbers of reproduction have been suggested as a tool for studying the stability of compartmental lattice-type mathematical models. The conditions of stability, stability state without antibodies, stability state without antigens and antibodies, identical and non-identical endemic stability state have been investigated. Тhe study of local and global asymptotic stability has presented qualitative and quantitative results of numerical simulation of cyber-physical systems of medical and biological processes. The numerical simulation results show that the time delay has the greatest influence on the stability of the developed mathematical models of cyber-physical biosensor systems on rectangular and hexagonal lattices using lattice differential and difference equations with delay. New methods of organizing and optimizing the processes of simulation of cyber-physical biosensor systems using hybrid programming and interpretation of simulation results in the form of phase planes, lattice portraits have been developed. A mathematical model of dynamic logic for the systems under study has been developed by using the basic terms of the hybrid programming language. The results of numerical simulation of the developed cyber-physical biosensor system have been presented in the form of electrical signals from transducers characterizing the number of fluorescent pixels. Methods of computational mathematics have been worked out to solve the problems of exponential stability research of recurrent neural network models for cyber-physical systems of medical and biological processes. The algorithm of optimal control in the model of cyber-physical system of laboratory diagnostics based on polymerase-chain reaction has been developed. Using the obtained results, it is possible to control the temperature to minimize the required time of implementation of the annealing stage with the possibility of using a minimum amount of primer. The practical significance of the results of the dissertation research consists in the fact that, on the basis of the developed compartmental mathematical models of cyber- physical systems of medical and biological processes, the study of stability on rectangular and hexagonal lattices with the use of lattice differential and difference equations, it has been established that the constant delay is the most important parameter that affects the stability of the systems under study. A software complex has been developed to study the stability of cyber-physical systems of medical-biological processes, consisting of a block of identification and input of the parameters of the studied models, a software module for investigation of continuous dynamics, the block of modelling of the lattice images of antigens and antibodies, the block of obtaining the lattice images of connections of antigens with antibodies, the module of the study of discrete dynamics on the stability of the cyber-physical biosensor system and the visualization unit. The developed software complex and the obtained practical results are suitable for use in the design of modern cyber-physical systems of medical and biological processes with ensuring their stability during storage and use.
Description: Захист відбудеться «02» жовтня 2020 р. о 12 00 годині на засіданні спеціалізованої вченої ради Д58.052.01 в Тернопільському національному технічному університеті імені Івана Пулюя, 46001, м. Тернопіль, вул. Руська, 56, ауд. 79.
Content: Перелік основних умовних позначень, символів і скорочень 42 Вступ 46 Розділ 1. Аналітичний огляд кіберфізичних систем медико- біологічних процесів та їх математичних моделей 57 1.1. Огляд практичних задач, пов’язаних із застосуванням кіберфізичних систем медико-біологічних процесів 58 1.1.1. Портативні кіберфізичні системи медико-біологічних процесів 59 1.1.2. Кіберфізичні біосенсорні системи для комплексного моніторингу біохімічних показників 60 1.1.3. Кіберфізичні біосенсорні системи для моніторингу прийому лікарських препаратів 62 1.1.4. Кіберфізичні системи медико-біологічних процесів для моніторингу рівня глюкози 63 1.1.5. Селективні елементи кіберфізичних систем медико- біологічних досліджень 68 1.2. Задача проектування та технічні характеристики кіберфізичних систем медико-біологічних процесів 74 1.3. Математичні моделі біосенсорів у кіберфізичних системах медико-біологічних процесів 81 1.3.1. Статичні математичні моделі біосенсорів у кіберфізичних системах медико-біологічних процесів 81 1.3.1.1. Модель оптичного біосенсора на основі поверхневого плазмонного резонансу 81 1.3.1.2. Багатошарова модель оптичного біосенсора 83 1.3.2. Динамічні математичні моделі біосенсорів на основі звичайних диференціальних рівнянь 86 1.3.2.1. Модель біосенсора першого порядку 86 1.3.2.2. Динамічна модель біосенсора другого порядку 89 1.3.3. Динамічні моделі біосенсорів у вигляді диференціальних рівнянь в частинних похідних 91 1.3.3.1. Модель біосенсора на основі рівнянь реакції-дифузії 91 1.3.3.2. Моделі біосенсорів, які використовують кінетику Міхаеліса-Ментена 92 1.3.3.3. Математична модель електрохімічного біосенсора 95 1.3.3.4. Модель біосенсора для визначення рівня глюкози 98 1.3.3.5. Модель для оптимізації розроблення біосенсорних кіберфізичних систем 100 1.3.3.6. Модель біосенсора в циліндричних координатах 101 1.4. Математична модель решітчастої динамічної системи в медико- біологічних дослідженнях 102 1.5. Математична модель Г.І. Марчука та використання її в кіберфізичних системах медико-біологічних процесів 106 1.6. Властивості, які повинні мати компартментні математичні моделі кіберфізичних систем медико-біологічних процесів 108 1.7. Висновки до першого розділу 114 Розділ 2. Розробка компартментних математичних моделей кіберфізичних біосенсорних систем 116 2.1. Математичне моделювання медико-біологічних процесів 117 2.2. Математична модель біосенсора на прямокутній решітці з використаням решітчастих диференціальних рівнянь із запізненням 120 2.3. Математична модель біосенсора на прямокутній решітці з використанням різницевих рівнянь із запізненням 125 2.4. Математична модель біосенсора на гексагональній решітці з використаням решітчастих диференціальних рівнянь із запізненням 129 2.5. Математична модель біосенсора на гексагональній решітці з використанням різницевих рівнянь із запізненням 132 2.6. Математична модель компартментних медико-біологічних процесів на основі клітинних автоматів 136 2.7. Модель кіберфізичної системи з атаками стану та вимірювань на основі стохастичних різницевих рівнянь 137 2.8. Ідентифікація параметрів у решітчастих диференціальних рівняннях із запізненням 140 2.9. Математична модель бутирилхолінестеразного біосенсора для визначення α-чаконіну 146 2.10. Висновки до другого розділу 149 Розділ 3. Дослідження неперервної та дискретної динаміки компартментних математичних моделей решітчастого типу 151 3.1. Ендемічні стани рівноваги компартментних математичних моделей решітчастого типу в кіберфізичних біосенсорних системах 152 3.1.1. Ендемічні стани рівноваги математичних моделей біосенсора на прямокутній решітці з використанням диференціальних та різницевих рівнянь 152 3.1.2. Ендемічні стани рівноваги математичних моделей біосенсора на гексагональній решітці з використанням диференціальних та різницевих рівнянь 153 3.2. Базові числа репродукції як інструмент дослідження стійкості компартментних математичних моделей решітчастого типу 155 3.3. Умови локальної асимптотичної стійкості компартментних математичних моделей біосенсорів решітчастого типу 159 3.3.1. Умови локальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на прямокутній решітці 159 3.3.2. Умови перманентності математичної моделі біосенсора на основі різницевих рівнянь на прямокутній решітці 164 3.3.3. Умови локальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на гексагональній решітці 173 3.3.4. Умови перманентності математичної моделі біосенсора на основі різницевих рівнянь на гексагональній решітці 174 3.4. Умови глобальної асимптотичної стійкості компартментних математичних моделей решітчастого типу 175 3.4.1. Умови глобальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на прямокутній решітці 175 3.4.2. Умови глобальної притягувальності математичної моделі біосенсора на основі різницевих рівнянь на прямокутній решітці 182 3.5. Виникнення біфуркації та детермінованого хаосу в компартментних математичних моделях решітчастого типу 187 3.5.1. Виникнення біфуркації та детермінованого хаосу в математичній моделі біосенсора з використанням решітчастих диференціальних рівнянь із запізненням на прямокутній решітці 187 3.5.2. Виникнення біфуркації та детермінованого хаосу в математичній моделі біосенсора з використанням решітчастих диференціальних рівнянь із запізненням на гексагональній решітці 192 3.5.3. Виникнення біфуркації та детермінованого хаосу в математичній моделі біосенсора на основі різницевих рівнянь на прямокутній решітці 193 3.5.4. Виникнення біфуркації та детермінованого хаосу в математичній моделі біосенсора на основі різницевих рівнянь на гексагональній решітці 198 3.6. Дослідження на основі чисельних характеристик нелінійної динаміки 199 3.6.1. Результати чисельного моделювання математичної моделі біосенсора з використанням диференціальних рівнянь на прямокутній решітці 199 3.6.2. Результати чисельного моделювання математичної моделі біосенсора з використанням диференціальних рівнянь на гексагональній решітці 203 3.6.3. Результати чисельного моделювання математичної моделі біосенсора з використанням різницевих рівнянь на прямокутній решітці 206 3.6.4. Результати чисельного моделювання математичної моделі біосенсора з використанням різницевих рівнянь на гексагональній решітці 207 3.7. Дослідження стійкості математичної моделі бутирилхолінестеразного біосенсора для визначення α-чаконіну 211 3.8. Висновки до третього розділу 214 Розділ 4. Розроблення та дослідження математичних моделей динамічної логіки кіберфізичних біосенсорних систем 216 4.1. Концептуальна модель архітектури кіберфізичних систем медико- біологічних процесів 216 4.2. Проектування динамічних процесів в кіберфізичних біосенсорних системах 219 4.3. Принцип вимірювання медико-біологічних показників кіберфізичними біосенсорними системами 222 4.4. Моделювання неперервної динаміки кіберфізичних біосенсорних систем 224 4.5. Основні терміни мови гібридного програмування 225 4.6. Моделі динамічної логіки кіберфізичних біосенсорних систем 228 4.6.1. Динамічне логічне моделювання кіберфізичної біосенсорної системи на прямокутній решітці з використаням решітчастих диференціальних рівнянь із запізненням 228 4.6.2. Динамічне логічне моделювання КФБСС на гексагональній решітці з використаням решітчастих диференціальних рівнянь із запізненням 230 4.7. Експериментальні дослідження математичних моделей динамічної логіки в кіберфізичних системах 232 4.7.1. Дослідження динамічної логіки кіберфізичної біосенсорної системи на прямокутній решітці з використаням решітчастих диференціальних рівнянь із запізненням 232 4.7.2. Дослідження динамічної логіки кіберфізичної біосенсорної системи на гексагональній решітці з використанням решітчастих диференціальних рівнянь із запізненням 238 4.7.3. Дослідження динамічної логіки кіберфізичної біосенсорної системи на прямокутній решітці з використанням різницевих рівнянь із запізненням 243 4.7.4. Дослідження динамічної логіки кіберфізичної біосенсорної системи на гексагональній решітці з використанням різницевих рівнянь із запізненням 248 4.8. Порівняльний аналіз результатів чисельного моделювання математичних моделей кіберфізичних біосенсорних систем на прямокутній та гексагональній решітках з використанням решітчастих диференціальних рівнянь 253 4.9. Порівняльний аналіз результатів чисельного моделювання математичних моделей кіберфізичних біосенсорних систем на прямокутній та гексагональній решітках з використанням решітчастих різницевих рівнянь 254 4.10. Висновки до четвертого розділу 256 Розділ 5. Розроблення методів дослідження нейромережевих моделей кіберфізичних біосенсорних систем медико-біологічних процесів 258 5.1. Нейромережеві моделі кіберфізичних систем медико-біологічних процесів та методи їх дослідження 258 5.2. Модель кіберфізичної біосенсорної системи на основі рекурентної нейромережі 260 5.3. Розроблення методу експоненціального оцінювання рекурентної нейромережі 261 5.3.1. Метод Кертеша та етапи побудови оцінки експоненціального згасання 261 5.3.2. Оцінка для похідної функціонала Ляпунова 262 5.3.3. Різницева нерівність для функціонала Ляпунова 265 5.4. Непрямий метод дослідження стійкості моделі нейронної мережі з дискретно розподіленим запізненням 269 5.4.1. Методи дослідження стійкості нейромережевих моделей 269 5.4.2. Модель нейронної мережі з дискретно розподіленим запізненням 271 5.4.3. Непрямий метод дослідження стійкості рекурентної нейронної мережі з дискретно розподіленим запізненням 273 5.5. Дослідження моделі нейронної мережі з дискретним та неперервним запізненням 282 5.6. Експериментальне дослідження якісної поведінки моделі рекурентної нейромережі 289 5.6.1. Чисельне дослідження динамічної поведінки двонейронної мережі з чотирма дискретними запізненнями 289 5.6.2. Чисельне дослідження динамічної поведінки нейронної мережі з трьома нейронами 291 5.6.3. Чисельне дослідження динамічної поведінки рекурентної двонейронної мережі зі змішаним запізненням 292 5.7. Висновки до п’ятого розділу 296 Розділ 6. Розроблення і дослідження компартментних математичних моделей медико-біологічних процесів лабораторної діагностики 298 6.1. Полімеразно-ланцюгова реакція, як універсальний метод лабораторної діагностики 298 6.2. Розроблення компартментної моделі стадій полімеразно- ланцюгової реакції 304 6.3. Дослідження стійкості полімеразно-ланцюгової реакції 305 6.4. Розроблення алгоритму оптимального керування полімеразно- ланцюговою реакцією 306 6.5. Задача оптимального керування стадією відпалу в ПЛР 307 6.6. Задача оптимального керування стадією елонгації в ПЛР 312 6.7. Чисельне моделювання кіберфізичної системи лабораторної діагностики на прикладі полімерезно-ланцюгової рекції для стадії відпалу 316 6.8. Висновки до шостого розділу 323 Розділ 7. Розроблення програмного забезпечення для реалізації методів математичного моделювання компартментних медико- біологічних процесів 325 7.1. Програмний комплекс для дослідження стійкості КФБСС 326 7.1.1. Розробка програмного комплексу для дослідження стійкості КФБСС 326 7.1.2. Програмний модуль для дослідження фазових площин в КФБСС на прямокутній решітці з використанням диференціальних рівнянь із запізненням 328 7.1.3. Програмний модуль для дослідження фазових площин в КФБСС на гексагональній решітці з використанням диференціальних рівнянь із запізненням 331 7.2. Програмний модуль дослідження інтенсивності імунної відповіді 333 7.2.1. Комп’ютерне моделювання контактів антигенів із антитілами в кіберфізичних біосенсорних системах на прямокутній решітці з використанням диференціальних рівнянь із запізненням 333 7.2.2. Комп’ютерне моделювання контактів антигенів із антитілами в кіберфізичних біосенсорних системах на гексагональній решітці з використанням диференціальних рівнянь із запізненням 334 7.3. Програмна реалізація вихідних сигналів кіберфізичної системи 336 7.3.1. Програмний комплекс аналізу дискретизованого сигналу з перетворювача КФБСС на прямокутній решітці з використанням диференціальних рівнянь із запізненням 336 7.3.2. Результати чисельного аналізу електричного сигналу з перетворювача кіберфізичної біосенсорної системи 337 7.4. Розроблення та використання програмного забезпечення кіберфізичних систем аналізу біосигналів 338 7.4.1. Програмний комплекс для аналізу біосигналів в поліграфах 338 7.4.2. Використання відкритих ресурсів біосигналів PhysioNet для розробки кіберфізичних систем кардіодіагностики 339 7.5. Телемедичні технології у кіберфізичних системах 343 7.6. Використання методу індукції дерев рішень в кіберфізичних системах для потреб судово-медичної експертної практики 344 7.7. Використання комп’ютерних програм при проектуванні та дослідженні кіберфізичних медико-біологічних систем 346 7.8. Ідентифікація параметрів математичної моделі бутирилхолінестеразного біосенсора для визначення α-чаконіну 350 7.9. Дослідження стійкості кіберфізичних біосенсорних систем під впливом електромагнітного випромінювання 354 7.10. Висновки до сьомого розділу 355 Висновки 357 Список використаних джерел 360 Додатки 427 Додаток А. Класифікація та використання кіберфізичних біосенсорних систем 428 A.1. Електрохімічні кіберфізичні біосенсорні системи 428 A.2. Оптичні кіберфізичні біосенсорні системи 429 A.3. Кіберфізичні біосенсорні системи на основі оксиду кремнію 429 A.4. Кіберфізичні біосенсорні системи на основі наноматеріалів 430 A.5. Генетично кодовані кіберфізичні біосенсорні системи 431 A.6. Клітинні кіберфізичні біосенсорні системи 432 A.7. Порівняльний аналіз кіберфізичних біосенсорних систем 433 Додаток Б. Базові числа репродукції математичної моделі біосенсора на прямокутній та гексагональній решітках 437 Б.1. Базові числа репродукції математичної моделі біосенсора на прямокутній решітці з використанням різницевих рівнянь 437 Б.2. Базові числа репродукції математичних моделей біосенсора на гексагональній решітці з використанням диференціальних та різницевих рівнянь 440 Додаток В. Доведення умов локальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на гексагональній решітці 443 Додаток Д. Доведення квазіперманентності математичної моделі біосенсора на основі різницевих рівнянь на гексагональній решітці 448 Додаток Е. Умови глобальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на гексагональній решітці 453 Додаток Ж. Умови глобальної притягувальності математичної моделі біосенсора на основі різницевих рівнянь на гексагональній решітці 461 Додаток И. Фазові діаграми популяцій антигенів щодо антитіл в біопікселях кіберфізичної біосенсорної системи на прямокутній решітці 467 Додаток К. Дослідження кіберфізичної системи з атаками стану та вимірювань на основі стохастичних різницевих рівнянь 473 Додаток Л. Семантика гібридних програм та приклад їх застосування 480 Л.1. Семантика гібридних програм 480 Л.2. Приклад застосування гібридної програми 482 Додаток М. Динамічне логічне моделювання КФБСС на прямокутній та гексагональній решітках 484 М.1. Динамічне логічне моделювання КФБСС на прямокутній решітці з використанням різницевих рівнянь із запізненням 484 М.2. Динамічне логічне моделювання КФБСС на гексагональній решітці з використаням решітчастих різницевих рівнянь із запізненням 486 Додаток Н. Результати чисельного моделювання дискретної динаміки кіберфізичної біосенсорної системи на прямокутній решітці з використаням решітчастих диференціальних рівнянь із запізненням 489 Додаток П. Результати чисельного моделювання дискретної динаміки кіберфізичної біосенсорної системи на гексагональній решітці з використанням решітчастих диференціальних рівнянь із запізненням 499 Додаток Р. Результати чисельного моделювання дискретної динаміки кіберфізичної біосенсорної системи на прямокутній решітці з використаням решітчастих різницевих рівнянь із запізненням 506 Додаток С. Результати чисельного моделювання дискретної динаміки кіберфізичної біосенсорної системи на гексагональній решітці з використанням решітчастих різницевих рівнянь із запізненням 514 Додаток Т. Етапи створення медичних нейромережевих експертних кіберфізичних систем 522 Додаток У. Ієрархічна модель якісного аналізу решітчастих компартментних математичних моделей кіберфізичних медико- біологічних систем 523 Додаток Ф. Використання пакету R для розроблення та дослідження кіберфізичних систем медико-біологічних процесів 526 Ф.1. Пакет R як середовище програмування для статистичного аналізу даних 526 Ф.2. Короткий опис функцій пакета R deSolve 528 Ф.3. Приклад моделювання в пакеті R моделі типу Лотки– Вольтерри 529 Додаток Х. Фрагмент програми для дослідження фазових діаграм кіберфізичної біосенсорної системи на прямокутній решітці з використанням диференціальних рівнянь із запізненням 533 Додаток Ц. Фрагмент програми для дослідження біфуркаційних діаграм в кіберфізичній біосенсорній системі на прямокутній решітці з використанням диференціальних рівнянь із запізненням 543 Додаток Ш. Фрагмент програми для дослідження фазових діаграм кіберфізичної біосенсорної системи на гексагональній решітці з використанням диференціальних рівнянь із запізненням 545 Додаток Щ. Фрагмент програми для дослідження біфуркаційних діаграм в кіберфізичній біосенсорній системі на гексагональній решітці з використанням диференціальних рівнянь із запізненням 554 Додаток Ю. Фрагмент програми для дослідження електричного сигналу з перетворювача кіберфізичної біосенсорної системи на прямокутній решітці з використанням диференціальних рівнянь із 556 запізненням Додаток Я. Фрагмент програми для дослідження електричного сигналу з перетворювача кіберфізичної біосенсорної системи на гексагональній решітці з використанням диференціальних рівнянь із запізненням 557 Додаток АА. Список публікацій здобувача за темою дисертації 559 Додаток АБ. Свідоцтва про реєстрацію авторського права на комп’ютерні програми, патент 582 Додаток АВ. Акти впроваджень 597
URI: http://elartu.tntu.edu.ua/handle/lib/32351
Copyright owner: © Сверстюк Андрій Степанович, 2020
References (Ukraine): 1. Автандилов Г. Г. Введение в количественную патологическую морфологию. М. : Медицина, 1980. 215 с. 2. Барціховський В. В., Шерстюк П. Я. Медична біологія : підручник. К : ВСВ «Медицина». 2011. С. 312. 3. Березовська І. Б., Сверстюк А. С., Климук Н. Я., Кучвара О. М., Вакуленко Л. О. Застосування методів часового аналізу при діагностиці серцево-судинної системи. Матеріали ІІ Міжнародної науково-практичної Інтернет конференції з нагоди святкування 30-річчя кафедри інформатики та методики її навчання, 8–9 листопада 2018 року. Тернопіль, 2018. С. 153–156. 4. Бєлих І. А., Клещев М. Ф. Біологічні та хімічні сенсорні системи. Посібник. Національний технічний університет «Харківський політехнічний інститут». Харків : НТУ «ХПІ». 2011. С. 144 5. Бігуняк Т. В., Сверстюк А. С., Бігуняк К. О. Деякі аспекти використання імуносенсорів у медицині. Медичний форум. 2018. № 14 (14). С. 8–11. 6. Бугрій Н. В., Єлейко Я. І., Жерновий Ю. В. Граничні розподіли часових середніх випадкових еволюцій, побудованих на розв’язках звичайних диференціальних рівнянь . Вісник Львівського університету. Серія прикладна математика та інформатика. 2004. Вип. 9. С. 63–73. 7. Вадзюк С. Н., Вакуленко Д. В., Кравець Н. О., Сверстюк А. С., Семенець А. В., Климук Н. Я., Кучвара О. М. Підхід до застосування відкритих ресурсів біосигналів Physionet для проведення розрахунку показників варіабельності серевого ритму за даними ЕКГ (часовий аналіз) в навчанні студентів-медиків. Медична інформатика. 2017. № 3. С. 47–52. 8. Вакуленко Д., Сверстюк А., Семенець А., Кравчик Ю. Аналіз фрактальної розмірності реоенцефалограм та електрокардіограм при шийному остеохондрозі. Матеріали XXI наукової конференції ТНТУ ім. І. Пулюя, 16–17 травня 2019 року. Т. : ТНТУ, 2019. С. 83–84. 9. Вакуленко Д. В., Вакуленко Л. О., Кравець Н. О., Кутакова О. В., Сверстюк А. С., Лесів В. В. Застосування кореляційного портрету в диференційній діагностиці захворювань серцево-судинної, легеневої та нервової системи. Медична інформатика та інженерія, 2017. № 2. С. 4–8. 10. Вакуленко Д. В., Вакуленко Л. О., Семенець А. В., Кравець Н. О., Сверстюк А. С. Використання відкритих баз даних для проведення наукових досліджень за допомогою програмного середовища аналізу біосигналів. Підсумкова LIX науково-практична конференція Здобутки клінічної та експериментальної медицини 15 червня 2016 р. : матеріали конф. Тернопіль. 2016. С. 223–225. 11. Вакуленко Д. В., Кравець Н. О., Сверстюк А. С., Семенець А. В., Климук Н. Я., Кучвара О. М. Побудова кореляційного портрету при захворюваннях серцево-судинної системи. Вимірювальна та обчислювальна техніка в технологічних процесах. 2017. № 2. С. 154–158. 12. Вишневецкий В. Ю., Строчан Т. П. Построение биосенсорной системы для экологического мониторинга на основе имитационной компьютерной модели биосенсора Известия ЮФУ. Технические науки. 2015. № 12 (173). С. 161–171. 13. Власюк А. П., Багнюк О. М. Знаходження невідомих параметрів джерела забруднення в одновимірних нестаціонарних задачах масопереносу Математичне та комп'ютерне моделювання. Серія: Технічні науки. 2014. Вип. 11. С. 29–36. 14. Власюк А. П., Жуковська Н. А., Жуковський В. В., Федорчук В. Ю. Математичне та комп’ютерне моделювання впливу тепломасоперенесення на просторовий напружено-деформований стан грунтового масиву. Вчені записки Таврійського національного університету імені В. І. Вернадського. Серія : Технічні науки. 2018. Т. 29 (68), № 2. С. 108– 115. 15. Гречаніна О. Я. Перспективи розвитку клінічної генетики в Україні. Журнал Академії медичних наук України. 2003. № 4. С. 668–680. 16. Гречаніна О. Я., Хоффманн Г., Богатирьова Р. В., Волосовець О. П. Медична генетика. Підручник. К : «Медицина». 2007. С. 536. 17. Дзядевич С. В. Амперометричні ферментні біосенсори. Біотехнологія. 2008. Т. 1, № 1. С. 46–60. 18. Єлейко Я., Косаревич К. Про рівноважні змішані стратегії кооперації та узагальненого лідерства симетричної олігополії у випадковому середовищі. Вісник Львівського університету. Серія прикладна математика та інформатика. 2010. Вип. 16. С. 114–123. 19. Зарипова В. М. База знаний для проектирования биосенсоров. Перспективы развития строительного комплекса. 2016. № 1. С. 324–331. 20. Зарипова В. М., Евдошенко О. И., Лежнина Ю. А., Петрова И. Ю. Автоматизированная система поддержки концептуального проектирования биосенсоров Перспективы развития строительного комплекса. 2017. № 1. С. 255–261. 21. Зарипова В. М., Петрова И. Ю. Фундаментальные исследования. Принципы концептуального проектирования биосенсоров. 2016. № 9–3. С. 483– 488. 22. Кунцевич А. В., Кунцевич В. М. Синтез управления инвариантными множествами семейств линейных и нелинейных дискретных систем с ограниченными возмущениями. Кибернетика и системный анализ. 2011. Т. 47, № 4. С. 65–78. 23. Кунцевич В. М. Управление и идентификация в условиях неопределенности: результаты и нерешенные проблемы. Радіоелектронні і комп’ютерні системи. 2007. № 5. С. 34–46. 24. Кучеренко І. С., Солдаткін О. О., Касап Б. О., Аката Б., Солдаткін О. П., Дзядевич С. В. Використання силікалітів з різним розміром частинок при створенні ферментних кондуктометричних біосенсорів. Сенсорна електроніка і мікросистемемні технології. 2013. Т. 10. № 1. С. 60–69. 25. Литвиненко Я. В., Лупенко С. А., Сверстюк А. С. Програмний комплекс для обробки та моделювання синхронно зареєстрованих кардіосигналів з використанням моделей та методів теорії циклічних функціональних відношень. Вісник Хмельницького національного університету. 2009. № 5. С. 80–87. 26. Литвиненко Я. В., Лупенко С. А., Щербак Л. М., Сверстюк А. С. Основи метрології та вимірювальної техніки : Навч. посіб. Тернопіль: Укрмедкнига, 2016. С. 232. 27. Лупенко С. А. Детерминированные и случайные циклические функции как модели колебательных явлений и сигналов: определение и классификация. Электронное моделирование. Ин-т проблем моделирования в энергетике им. Г. Е. Пухова НАН Украины. Киев. 2006. Т. 28, № 4. С. 29–45. 28. Лупенко С. А. Завдання інтерполяції функції ритму циклічної функції з відомою зонною структурою. Електроніка та системи управління. Національний авіаційний університет. Київ, 2007. № 2 (12). С. 27–35. 29. Лупенко С. А. Теоретичні основи моделювання та опрацювання циклічних сигналів в інформаційних системах: монографія. Львів : Магнолія– 2006, 2016. 343 с. 30. Лупенко С. А., Вакуленко Д. В., Сверстюк А. С., Горкуненко А. Б., Оробчук О. Р. Інтегроване онтоорієнтоване інформаційно- аналітичне середовище наукових досліджень, професійної цілительської діяльності та електронного навчання китайської образної медицини. Вісник «Інформаційні системи та мережі Національного університету “Львівська політехніка”». 2017. № 872. С. 10–19. 31. Лупенко С. А., Литвиненко Я. В., Сверстюк А. С. Статистичний сумісний аналіз біосигналів на основі вектора циклічних ритмічно пов’язаних випадкових процесів. Електроніка та системи управління. 2008. № 4 (18). С. 22–29. 32. Лупенко С. А., Поліщук Г. В., Луцик Н. С., Сверстюк А. С. Напрями розвитку математичного та програмного забезпечення інформаційних систем діагностики та прогнозування за циклічними біометричними сигналами. Вимірювальна та обчислювальна техніка в технологічних процесах. Хмельницький. 2012. № 2 (40). С. 17–27. 33. Лупенко С. А., Сверстюк А. С., Луцик Н. С., Стадник Н. Б., Зозуля А. М. Умовний циклічний випадковий процес як математична модель коливних сигналів та процесів із подвійною стохастичністю. Поліграфія і видавнича справа. 2016. № 1 (71). С.147–159. 34. Лупенко С. А., Сверстюк А. С., Стадник Н. Б., Зозуля А. М. Математичне моделювання та методи опрацювання сигналів серця на базі циклічних випадкових процесів та векторів. Natural and Technical Sciences. 2018. VI (20). Issue 172. P. 47–54. 35. Марценюк В. П., Андрущак И. Е., Зинько П. Н., Сверстюк А. С. Об использовании решетчастых дифференциальных уравнений с запаздыванием для моделирования иммуносенсора. Международный научно- технический журнал Проблемы управления и информатики. 2018. № 3. С. 37– 45. Scopus 36. Марценюк В. П., Андрущак І. Є., Сверстюк А. С., Багрій- Заяць О. А., Кучвара О. М., Гандзюк Н. М., Майхрук З. В., Сарабун Р. О. Проблеми системного аналізу і прийняття рішень в медико-біологічних дослідженнях. Глушковські читання: Матеріали конференції до 90-річчя з Дня народження академіка В.М. Глушкова, 10–11 вересня 2013 р. Київ. С. 151–154. 37. Марценюк В. П., Сверстюк А. С. Про задачу ідентифікації параметрів систем із запізненням аргументу. Вісник Київського університету. Серія: фізико-математичні науки. 2003. № 4. С. 83–87. 38. Марценюк В. П., Дідух В. Д., Ладика Р. Б., Сверстюк А. С., Андрущак І. Є., Чернецький Д. В. Медична та біологічна фізика : Навчальний посібник. Тернопіль: Укрмедкнига, 2012. С. 304. 39. Марценюк В. П., Жулкевич І. В., Сверстюк А. С., Мельник Н. А., Козодій Н. В., Березовська І. Б. Використання біосенсорів для моніторингу навколишнього середовища. Вісник соціальної гігієни та організації охорони здоров’я. Тернопіль. 2019. № 3. С. 107–114. 40. Марценюк В. П., Качур І. В., Сверстюк А. С., Бондарчук В. І., Завіднюк Ю. В., Коваль В. Б., Мочульська О. М. Моніторинг стану здоров’я за функціональними показниками за допомогою сенсорів у реабілітаційній медицині: систематичний огляд. Вісник наукових досліджень. 2019. № 2 (95). C. 5–12. 41. Марценюк В. П., Лупенко С. А., Сверстюк А. С. Використання вектора циклічних ритмічно пов’язаних випадкових процесів у задачах професійного поліграфічного обстеження. XVIІ International conference Problems of decision making under uncertainties (PDMU–2011), (Мау 23–27), Abstracts, Skhidnytsia, Ukraine. 2011. Р. 134–135. 42. Марценюк В. П., Лупенко С. А., Сверстюк А. С., Павлишин А. В. Методології організації клінічних випробувань ефективності та безпечності китайської образної медицини в контексті доказової медицини. Медична інформатика та інженерія. 2018. № 2 (42). С. 52–61. 43. Марценюк В. П., Мочульська О. М., Боярчук О. Р., Павлишин Г. А., Сверстюк А. С., Завіднюк Ю. В., Бондарчук В. І. Перспективи розробки і застосування біосенсорів та імуносенсорів з діагностичною метою в клінічній медицині. Вісник наукових досліджень. 2019. № 1 (94). C. 15–22. 44. Марценюк В. П., Сверстюк А. С. Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням. Системні дослідження та інформаційні технології. 2019. № 2. С.83–93. 45. Марценюк В. П., Сверстюк А. С. Комп’ютерна модель кібер- фізичної імуносенсорної системи з використанням решітчастих диференціальних рівнянь із запізненням на гексагональній решітці. Науковий журнал Радіоелектроніка, інформатика, управління. 2019. № 2 (49). С. 131– 139. 46. Марценюк В. П., Сверстюк А. С. Модель імуносенсора на основі решітчастих диференціальних рівнянь із запізненням. Штучний інтелект. 2018. № 1. С. 42–47. 47. Марценюк В. П., Сверстюк А. С. Про модель кібер-фізичної системи з атаками стану та вимірювань на основі стохастичних різницевих рівнянь. Захист інформації. 2019. Т. 21, № 1. C. 5–12. 48. Марценюк В. П., Сверстюк А. С. Числовий аналіз моделі імуносенсора на основі решітчастих диференціальних рівнянь із запізненням. Наукові праці: науково-методичний журнал Комп’ютерні технології. Миколаїв : Вид-во ЧНУ ім. П. Могили, 2017. Вип. 296. Т. 308. С. 116–124. 49. Марценюк В. П., Сверстюк А. С., Андрущак И. Е. Подход к исследованию глобальной асимптотической устойчивости решетчатых дифференциальных уравнений с запаздыванием для моделирования иммуносенсоров. Международный научно-технический журнал Проблемы управления и информатики. 2019. Том 51, № 2. С. 62–74. 50. Марценюк В. П., Сверстюк А. С., Андрущак І. Є. Математичне моделювання біосенсорних та імуносенсорних інформаційних систем. Комп’ютерно-інтегровані технології: освіта, наука, виробництво. Луцьк, 2018. № 6. С. 110–120. 51. Марценюк В. П., Сверстюк А. С., Багрій-Заяць О. А., Горкуненко А. Б., Остафійчук Д. І. Огляд кібер-фізичних систем. Науковий журнал Комп’ютерно-інтегровані технології: освіта, наука, виробництво. Луцьк: 2019. № 2 (35). С. 152–160. 52. Марценюк В. П., Сверстюк А. С., Багрій-Заяць О. А., Козодій Н. В. Математичні моделі біосенсорів та імуносенсорів. Вісник Хмельницького національного університету. Технічні науки. Хмельницький. 2019. № 2. С. 174–182. 53. Марценюк В. П., Сверстюк А. С., Гвоздецкая И. С. Использование дифференциальных уравнений с запаздыванием на гексагональной решётке для моделирования иммуносенсоров. Международный научно-технический журнал Кибернетика и системный анализ. 2019. Том 55, № 4. С. 119–132. 54. Марценюк В. П., Сверстюк А. С., Гвоздецька І. С. Задача оптимального керування стадією елонгації полімеразно-ланцюгової реакції. Системні дослідження та інформаційні технології. 2015. № 4. С. 75–82. 55. Марценюк В. П., Сверстюк А. С., Дзядевич С. В., Паничев В. О., Климук Н. Я., Кравець Н. О. Дослідження неперервної динаміки кіберфізичної системи для контролю якості продуктів харчування. Збірник тез доповідей V Міжнародної науково-технічної конференції Стан і перспективи харчової науки та промисловості Тернопільського національного технічного університету імені Івана Пулюя, 10–11 жовтня 2019 р.: Тернопіль, 2019. С. 21–23. 56. Марценюк В. П., Сверстюк А. С., Дзядевич С. В., Семенець А. В., Паляниця Ю. Б., Сидоров О. П. Математична модель імуносенсорів для моніторингу навколишнього середовища. Матеріали Першого міжнародного україно-німецького симпозіуму Громадське здоров’я в соціальному і освітньому просторі – виклики сьогодення і перспективи розвитку 25–26 вересня 2019 р: Тернопіль, 2019. С. 7–10. 57. Марценюк В. П., Сверстюк А. С., Дорош Н. В., Семенець А. В., Кучвара О. М., Паляниця Ю. Б., Кравець Н. О., Климук Н. Я. Розробка математичної моделі кіберфізичної біосенсорної системи для фізичної реабілітації. Матеріали Всеукраїнської науково-практичної конференції Перспективи розвитку медичної та фізичної реабілітації на різних рівнях надання медичної допомоги, 10–11 жовтня 2019 р.: Тернопіль, 2019. С. 116– 119. 58. Марценюк В. П., Сверстюк А. С., Козодій Н. В. Використання пакету R для чисельного моделювання кіберфізичних імуносенсорних систем. Збірник тез доповідей Всеукраїнської науково-практичної конференції Цифрові інформаційно-комунікаційні технології в освіті: досвід і виклики Національного університету Острозька академія 15–16 жовтня 2019 р.: Остріг, 2019. С. 7– 11. 59. Марценюк В. П., Сверстюк А. С., Козодій Н. В. Про підходи щодо математичного моделювання біосенсорних та імуносенсорних динамічних систем. Штучний інтелект. 2018. № 2. С. 94–102. 60. Марценюк В. П., Сверстюк А. С., Козодій Н. В., Давиденко Є. О. Дослідження фазових площин моделі імуносенсора на прямокутній решітці з використанням диференціальних рівнянь із запізненням в пакеті R. Вісник Черкаського державного технологічного університету. 2019. № 2. С. 37–47. 61. Марценюк В. П., Сверстюк А. С., Козодій Н. В., Дзядевич С. В., Стравська М. Я. Функціональні особливості біосенсорів та їх моделювання. Комп’ютерно-інтегровані технології: освіта, наука, виробництво. Луцьк, 2019. № 4 (37). С. 81–88. 62. Марценюк В. П., Сверстюк А. С., Козодій Н. В., Киричок О. М., Сверстюк В. В. Імуносенсорна система на прямокутній решітці з використанням решітчастих диференціальних рівнянь із запізненням. Всеукраїнська науково-практична конференція Довкілля і здоров’я 25–26 квітня : матеріали конф. Тернопіль. 2019. C. 74–75. 63. Марценюк В. П., Сверстюк А. С., Козодій Н. В., Кравчик Ю. В. Використання пакету R для комп’ютерного моделювання контактів антигенів з антитілами в кіберфізичних імуносенсорних системах на прямокутній решітці. Вісник Хмельницького національного університету. Технічні науки. Хмельницький. 2019. № 4. С. 97–105. 64. Марценюк В. П., Сверстюк А. С., Кучвара О. М. Задача оптимального керування стадією відпалу полімеразно-ланцюгової реакції. Клиническая информатика и телемедицина. 2015. № 12. С. 47–51. 65. Марценюк В. П., Сверстюк А. С., Кучвара О. М., Козодій Н. В., Шмигер Г. П. Застосування пакету R для чисельного моделювання решітчастих зображень флуоресціюючих пікселів в кіберфізичних імуносенсорних системах. Вісник Хмельницького національного університету. Технічні науки. Хмельницький. 2019. № 6. С. 84–91. 66. Марценюк В. П., Сверстюк А. С., Литвиненко Я. В., Козодій Н. В. Математичне моделювання біосенсорних та імуносенсорних систем. Матеріали IV Міжнародної науково-технічної конференції «Теоретичні та прикладні аспекти радіотехніки, приладобудування і компʼютерних технологій» присвячена 80-ти річчю з дня народження професора Я.І. Проця 20–21 червня: матеріали конф. Тернопіль. 2019. C. 37–40. 67. Марценюк В. П., Сверстюк А. С., Семенець А. В., Андрущак І. Є., Кучвара О. М., Паляниця Ю. Б., Багрій-Заяць О. А., Горкуненко А. Б. Математична модель кіберфізичної біосенсорної системи для клініко- лабораторної діагностики. Збірник тез доповідей Всеукраїнської науково- практичної конференції Прикладні аспекти морфології експериментальних і клінічних досліджень, 10–11 жовтня 2019 р. Тернопіль. 2019. С. 116–119. 68. Марценюк В. П., Сверстюк А. С., Щербатий М. В., Козодій Н. В. Використання пакету R для дослідження біфуркаційних діаграм в кіберфізичних біосенсорних системах. Матеріали IV Всеукраїнської науково- практичної конференції Інформаційні технології в освіті, техніці, промисловості 10–11 жовтня 2019 р.: м. Івано–Франківськ, 2019. С. 218–221. 69. Марценюк В. П., Франчук В. В., Сверстюк А. С., Франчук О. В. Використання технології Data Mining для з’ясування судово-медичних екпертних особливостей неналежної медичної допомоги. Медична інформатика та інженерія. 2018. № 3 (43). С. 28–35. 70. Марчук Г. И. Математические модели в иммунологии. М.: Наука, Главная редакция физико-математической литературы, 1980. 264 с. 71. Марчук Г. И. Математические модели в иммунологии. М.: Наука. 1985. С. 240. 72. Мельник А. О. Кіберфізичні системи: проблеми створення та напрями розвитку. Вісник Нац. ун-ту «Львівська політехніка». Комп’ютерні системи та мережі. 2014. № 806. С. 154–161. 73. Наконечний О. Г., Філіпенков А. О. Дискретне мінімаксне оцінювання при невизначеності з роздільними обмеженнями. Вісник Київського національного університету імені Тараса Шевченка. Серія: Фізико- математичні науки. 2014. Вип. 1. С. 165–168. 74. Наконечний О. Г., Шушарін Ю. В., Демиденко С. В. Гарантовані оцінки середнього значення випадкових послідовностей. Вісник Київського національного університету імені Тараса Шевченка. Серія: Фізико- математичні науки. 2014. Вип. 4. С. 204–205. 75. Никашина А. А., Пурыгин П. П., Решетилов А. Н. Биосенсоры для экологического контроля Известия Самарского научного центра Российской академии наук. 2009. Т. 11. № 1–6. С. 1355–1358. 76. Патент Амперометричний біосенсор на основі глутаматоксидази для визначення концентрації глутамату у розчині: пат 113557 Україна. МПК G01N 27/327 (2006.01) G01N 33/02 (2006.01) C12Q 1/25 (2006.01) (О. О. Солдаткін; Д. Ю. Кучеренко; І. С. Кучеренко; С. В. Дзядевич; О. П. Солдаткін; Т. О. Борисова; А. А. Борисов; Н. В. Крисанова; Б. О. Касап; С. К. Кірдесілер; Б. А. Курч). – № a201502752. Заявлено 12.09.2016. Опубл. 10.02.2017. Бюл. № 3. 77. Патент Біосенсор для визначення патуліну: пат. 115485 Україна. МПК G01N 33/02 (2006.01) G01N 27/26 (2006.01) C12Q 1/25 (2006.01) (О. О. Солдаткін; К. В. Степурська; Т. П. Величко; В. М. Архипова; С. В. Дзядевич; О. П. Солдаткін; Г. В. Єльська; О. Л. Кукла; В. Г. Мельник ). — № a201601485 Заявлено 27.02.2017. Опубл. 10.11.2017. Бюл. № 21. 78. Патент Кондуктометричний біосенсор для визначення концентрації сечовини у водних розчинах: пат. 107618 Україна. МПК G01N 33/00 (2006.01) G01N 27/00 (2006.01) (О. О. Солдаткін; С. В. Марченко; Т. П. Величко; О. П. Солдаткін). – № a201308719 Заявлено 10.02.2014. Опубл. 26.01.2015. Бюл. № 2. 79. Патент Кондуктометричний біосенсор на основі гексокінази для визначення концентрації аденозин–5'–трифосфату у водних розчинах: пат. 112141 Україна. МПК G01N 33/48 (2006.01) G01N 27/26 (2006.01) C12Q 1/25(2006.01) (І. С. Кучеренко; Д. Ю. Кучеренко; О. О. Солдаткін; С. В. Дзядзевич; О. П. Солдаткін; Б. О. Касап; С. К. Кірдесілер; Б. А. Курч). – № a201506793. Заявлено 25.01.2016. Опубл. 25.07.2016. Бюл. № 14. 80. Патент Кондуктометричний сенсор на основі каліксарену для кількісного аналізу аргініну в водних розчинах. Солдаткіна О. В, Марченко С. В, Кучеренко І. С, Солдаткін О. О, Дзядевич С. В, Черенок С. О, Пріньова О. С. Інститут молекулярної біології та генетики НАН України, патентовласник. № 129983. 26.11.2018. 81. Патент Спосіб кіберфізичного моделювання сенсорного масиву: пат. № 139048 Україна: МПК (2019.01), G01N 33/483 (2006.01), G09B 23/00, G09B 23/06 (2006.01), A61B 5/107 (2006.01) (Н. В. Мілян, В. П. Марценюк, А. С. Сверстюк, A. Клос-Вітковска); № u 2019 01590; заявл. 18.02.2019; опубл. 15.12.2019. Бюл. № 6. 82. Патент Ферментний потенціометричний біосенсор для визначення l–аргініну у водних розчинах на основі ph-чутливих польових транзисторів та ефекту інгібування уреази: пат. 105570 Україна. МПК G01N 33/00 (2006.01) G01N 27/00 (2006.01) B82Y 15/00 (2011.01) (В. М. Архипова; М. К. Шелякіна; О. О. Солдаткін; С. В. Дзядевич). – № a201212245. Заявлено 12.05.2014. Опубл. 26.05.2014. Бюл. № 10. 83. Патологическая физиология; под ред. А. Д. Адо и Л. М. Ишимовой. М., 1980. 535 с. 84. Петрик М.Р., Фрессард Ж., Михалик Д.М. Моделирование и анализ концентрационных полей нелинейной компетитивной диффузии в среде нанопористых частиц. Проблемы управления и информатики. 2009. № 4. С.1 – 12. 85. Понтрягин Л. С., Болтянский В. Г., Гамкрелидзе Р. В., Мищенко Е. Ф. Математическая теория оптимальных процессов. M. 1983. C. 393. 86. Путинцева Г. Й. Медична генетика : підручник. К.: Медицина, 2008. С. 392. 87. Пшеничный Б. Н. Структура дифференциальных игр. Теорія оптимальних рішень. 1968. № 1. С. 3–8. 88. Пшеничный Б. Н., Данилин Ю. М. О дифференцируемости решений системы дифференциальных уравнений с разрывными правыми частями по начальным значениям. Теорія оптимальних рішень. 1968. № 1. С. 25–43. 89. Сабадишин Р. О., Бухальська С. Є. Медична біологія : підручник. Вінниця : Нова Книга. 2008. С. 288. 90. Сабадишин Р. О., Бухальська С. Є. Медична біологія: підручник. Вінниця : Нова Книга. 2008. С. 71–73. 91. Сверстюк А. С. Mоделювання кібер-фізичної імуносенсорної системи на прямокутній решітці з використанням решітчастих диференціальних рівнянь із запізненням. Сенсорна електроніка та мікросистемні технології. 2019. № 2. С. 53–65. 92. Сверстюк А. С. Використання пакету R de Solve для математичного моделювання динамічних процесів в кібер-фізичних імуносенсорних системах. Штучний інтелект. 2018. № 4. С. 73–84. 93. Сверстюк А. С. Дослідження глобальної привабливості розв’язків та стійкості моделі імуносенсора з використанням різницевих рівнянь на гексагональній решітці. Іnnovative biosystems and bioengineering. 2019. № 1. С. 17–26. 94. Сверстюк А. С. Дослідження персистентності моделі імуносенсора з використанням різницевих рівнянь на гексагональній решітці. Наукові праці: науково-методичний журнал Комп’ютерні технології. Миколаїв : Вид-во ЧНУ ім. П. Могили, 2018. Вип. 308. Т. 320. С. 12–18. 95. Сверстюк А. С. Кіберфізична імуносенсорна система на гексагональній решітці з використанням решітчастих диференціальних рівнянь із запізненням. ХХI наукова конференція Тернопільського національного технічного університету імені Івана Пулюя 16–17 травня: матеріали конф. Тернопіль, 2019. C. 91. 96. Сверстюк А. С. Кіберфізичні біосенсорні та імуносенсорні системи. Вісник Хмельницького національного університету. Технічні науки. Хмельницький, 2019. № 1. С. 145–154. 97. Сверстюк А. С. Математичне моделювання кібер-фізичних біосенсорних та імуносенсорних систем. Науковий журнал Комп’ютерно- інтегровані технології: освіта, наука, виробництво. Луцьк, 2019. № 1(34). С. 5–18. 98. Сверстюк А. С. Математичне моделювання та методи обробки синхронно зареєстрованих сигналів серця з використанням циклічних ритмічно пов’язаних випадкових процесів: автореф. дис. … канд. техн. наук: 01.05.02. Київський національний університет імені Тараса Шевченка. Київ, 2010. 20 с. 99. Сверстюк А. С. Математичне моделювання та методи обробки синхронно зареєстрованих сигналів серця з використанням циклічних ритмічно пов’язаних випадкових процесів: дис. … канд. техн. наук: 01.05.02. Київський національний університет імені Тараса Шевченка. Київ, 2010.183 с. 100. Сверстюк А. С. Модель імуносенсора з використанням різницевих рівнянь на гексагональній решітці. Штучний інтелект. 2018. № 3. С. 125–134. 101. Сверстюк А. С. Огляд поліграфів та методів обробки психофізіологічної інформації. Медична інформатика та інженерія. 2011. № 2. С. 44–48. 102. Сверстюк А. С. Оптимальне керування стадією відпалу полімеразно-ланцюгової реакції. XХІІІ International conference Problems of decision making under uncertainties (PDMU–2014), (May 12–16), Abstracts, Mukachevo, Ukraine. 2014. Р. 117. 103. Сверстюк А. С. Оптимальне керування стадією елонгації полімеразно-ланцюгової реакції. VI Міжнародна наукова конференція Сучасні проблеми математичного моделювання, прогнозування та оптимізації, 4–5 квітня 2014 р.: матеріали конф. Кам’янець-Подільськ. 2014. С. 141–143. 104. Сверстюк А. С. Про кібер-фізичну модель імуносенсорної системи на прямокутній решітці з використанням різницевих рівнянь популяційної динаміки. Вісник ТНТУ. 2018. № 4. С. 147–161. 105. Сверстюк А. С. Чисельне обчислення оптимального керування стадії відпалу полімеразно-ланцюгової реакції. Тези ІІ-го з’їзду з міжнародною участю Медична та біологічна інформатика і кібернетика. Медична інформатика та інженерія. 2015. № 4. С. 109. 106. Сверстюк А. С. Чисельний алгоритм побудови оптимального керування стадією відпалу полімеразно-ланцюгової реакції. Вісник ТНТУ. 2019. № 1. С. 147–160. 107. Сверстюк А. С. Чисельний аналіз стійкості кібер-фізичної моделі імуносенсора на прямокутній решітці з використанням різницевих рівнянь. Електронне моделювання. 2019. № 1. С. 105–118. 108. Сверстюк А. С., Багрій-Заяць О. А., Горкуненко А. Б., Майхрук З. В., Гайда В. Я. Кіберфізичні системи для визначення рівня глюкози. Комп’ютерно-інтегровані технології: освіта, наука, виробництво. Луцьк, 2019. № 3(36). С. 69–76. 109. Сверстюк А. С., Багрій-Заяць О. А., Горкуненко А. Б., Майхрук З. В., Мойсеєнко О. В. Розробка кіберфізичних біосенсорних систем для медико-біологічних досліджень. Вісник Хмельницького національного університету. Хмельницький. 2019. № 5. С. 252–257. 110. Сверстюк А. С., Бігуняк Т. В., Марценюк В. П. Використання імуносенсорів для діагностики онкологічних захворювань. Збірник матеріалів науково-практичної конференції Актуальні питання морфогенезу та ремоделювання тканин і органів у нормі та патології, 20–21 вересня, 2018 р.: матеріали конф. Тернопіль. 2018. С. 112–113. 111. Сверстюк А. С., Бігуняк Т. В., Перевізник Б. О. Огляд методів та моделей полімеразно-ланцюгової реакції. Медична інформатика та інженерія, Київ. № 3. 2014. С. 97–100. 112. Сверстюк А. С., Вакуленко Д. В., Кучвара О. М. Підхід до застосування відкритих ресурсів біосигналів PHYSIONET для проведення розрахунку показників спектрального аналізу електрокардіограм. Вісник Хмельницького національного університету. Технічні науки. Хмельницький, 2018. № 6. С. 165–170. 113. Сверстюк А. С., Горкуненко А. Б. Нейромережеві експертні системи для діагностики та прогнозування стану серцево-судинної системи. Вісник Хмельницького національного університету. Технічні науки. Хмельницький. 2014. № 4. С. 102–108. 114. Сверстюк А. С., Горкуненко А. Б., Гвоздецька І. С. Розробка сценарію віртуальної програми термоциклююча система Rotor-Gene 6000 для проведення полімеразно-ланцюгової реакції. Збірник матеріалів науково- практичної конференції Нові підходи до викладання медичної фізики (присвяченої 60-річчю ТДМУ та 230-річчю відкриття Луіджі Гальвані) 20–21 червня, Тернопіль, 2017 р. : матеріали конф. Тернопіль, 2017. С. 41–45. 115. Сверстюк А. С., Корніцький Н. Є. Математичне моделювання біосигналів для покращення безпеки інформаційних технологій. Науково- технічна конференція Національного авіаційного університету, 23–24 травня 2011 р. : матеріали конф. Київ, 2011. С. 98. 116. Сверстюк А. С., Кравець Н. О., Вакуленко Д. В. Підхід до застосування сервісу WOLFRAM|ALPHA для математичного моделювання в медицині та фармації на прикладі розв’язання задач фармакокінетики. Медична інформатика та інженерія. 2015. № 1. С. 47–51. 117. Сверстюк А. С., Кравець Н. О., Касянюк В. П. Програмний комплекс для обробки синхронно зареєстрованих біосигналів в поліграфах. Медична інформатика. 2015. № 2. С. 102–108. 118. Сверстюк А. С., Кравець Н. О., Климук Н. Я., Кучвара О. М. Розробка віртуальної програми Телемедичні системи. Всеукраїнська науково- методична відео конференція Актуальні питання дистанційної освіти та телемедицини 2018 25-26 квітня : матеріали конф. Запоріжжя. 2018. C. 64. 119. Сверстюк А. С., Марценюк В. П., Козодій Н. В. Математична модель біосенсора для вимірювання рівня глюкози. Збірник матеріалів науково-практичної конференції Штучний інтелект та інтелектуальні системи (AIIS’2018), 18–19 жовтня, 2018 р. : матеріали конф. Київ, 2018. С. 98–101. 120. Сверстюк А. С., Творко М. В. Програмний комплекс для обробки синхронно зареєстрованих біосигналів в поліграфах. Матеріали XІХ наукової конференції Тернопільського національного технічного університету імені Івана Пулюя. 18–19 травня 2016 року, Тернопіль, 2016. С. 118–121. 121. Свідоцтво № 57924 Україна. Комп’ютерна програма “Флуориметр” / Марценюк В.П., Сверстюк А.С., Горкуненко А.Б., Чернецький Д.В., Федишин Н.Є., Логін Т.І.; заявл. 25.11.2014; опубл. 29.12.2014. 122. Свідоцтво № 57928 Україна. Комп’ютерна програма “Основи магнітотерапії” / Марценюк В.П., Сверстюк А.С., Горкуненко А.Б., Чернецький Д.В., Федишин Н.Є., Логін Т.І.; заявл. 25.11.2014; опубл. 29.12.2014. 123. Свідоцтво № 65579 Україна. Комп’ютерна програма “Телемедичні системи” / Марценюк В.П., Сверстюк А.С., Чернецький Д.В., Федишин Н.Є., Логін Т.І.; заявл. 27.11.17; опубл. 29.12.2017. 124. Свідоцтво № 86331 Україна. Комп’ютерна програма “Полімеразно-ланцюгова реакція” / Марчук О.М., Сверстюк А.С., Логін Т.І., Бігуняк Т.В., Шкільна М.І.; заявл. 30.01.2019; опубл. 26.02.2019. 125. Свідоцтво № 89213 Україна. Комп’ютерна програма “Комп’ютерне моделювання контактів антигенів з антитілами в кіберфізичних імуносенсорних системах на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 126. Свідоцтво № 89214 Україна. Комп’ютерна програма “Комп’ютерне моделювання контактів антигенів з антитілами в кіберфізичних імуносенсорних системах на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 127. Свідоцтво № 89215 Україна. Комп’ютерна програма “Чисельне моделювання решітчастих зображень флуоресціюючих пікселів в кіберфізичних імуносенсорних системах на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 128. Свідоцтво № 89216 Україна. Комп’ютерна програма “Чисельне моделювання решітчастих зображень флуоресціюючих пікселів в кіберфізичних імуносенсорних системах на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 129. Свідоцтво № 89217 Україна. Комп’ютерна програма “Чисельний аналіз електричного сигналу з перетворювача, який характеризує кількість флуоресціюючих пікселів в імуносенсорі на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 130. Свідоцтво № 89218 Україна. Комп’ютерна програма “Чисельний аналіз електричного сигналу з перетворювача, який характеризує кількість флуоресціюючих пікселів в імуносенсорі на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 131. Свідоцтво № 89219 Україна. Комп’ютерна програма “Дослідження фазових площин моделі імуносенсора на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 132. Свідоцтво № 89220 Україна. Комп’ютерна програма “Дослідження фазових площин моделі імуносенсора на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 133. Свідоцтво № 89221 Україна. Комп’ютерна програма “Дослідження біфуркаційних діаграм в імуносенсорі на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 134. Свідоцтво № 89222 Україна. Комп’ютерна програма “Дослідження біфуркаційних діаграм в імуносенсорі на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С., заявл. 7.05.2019; опубл. 03.06.2019. 135. Семенець А. В., Вакуленко Д. В., Сверстюк А. С., Кравець Н. О., Климук Н. Я., Кучвара О. М. Застосування програмного середовища VENSIM в задачах моделювання процесів фармакокінетики. Збірник матеріалів VI науково-практичної конференції з міжнародною участю Науково-технічний прогрес і оптимізація технологічних процесів створення лікарських препаратів 10–11 листопада, Тернопіль, 2016 р. : матеріали конф. Тернопіль, 2016. С. 190– 191. 136. Сидоренко В. А., Куценко В. П., Вакуленко Д. В., Сверстюк А. С., Андрущак І. Є. Клінічний Fuzzy–контролер в оцінці нелінійних особливостей варіабельності серцевого ритму і лікуванні гіпертензивних ускладнень вагітності. Медична інформатика та інженерія. 2011. № 4. С. 66– 72. 137. Солдаткін О. О. Оптимізація одночасної роботи трьох мікробіосенсорів для мультианалізу глюкози, лактату та глютамату. Сенсорна електроніка і мікросистемемні технології. 2012. Т. 3. № 3. C. 53–61. 138. Старченко И. Б., Вишневецкий В. Ю., Ледяева В. С., Строчан Т. П. Моделирование биосенсоров для построения системы определения степени токсичности водной среды. Прикаспийский журнал: управление и высокие технологии. 2013. № 3. С. 129–140. 139. Степурська К. В., Дзядевич С.В. Розробка математичної моделі потенціометричного біосенсору на основі зворотного інгібування ацетилхолінстерази для визначення афлотоксину В1. Сенсорна електроніка та мікросистемні технології. 2016. № 1. С. 66–74. 140. Франчук В. В., Боднар Я. Я., Сверстюк А. С. Використання методу індукції дерев рішень для судово-медичної експертної оцінки дефектів медичної допомоги у лікувально-діагностичній сфері. Інформаційний лист МОЗ України № 37–2019. 141. Хомів Б. А., Лупенко С. А., Сверстюк А. С. Компаративний аналіз математичних моделей, методів та засобів оцінювання опінії в текстових даних інтернет-ресурсів. Вісник Хмельницького національного університету. 2011. № 6. С. 7–16. 142. Aach J., Church G. M. Mathematical models of diffusion-constrained polymerase chainreactions: basis of high-throughput nucleic acid assays and simple self-organizing systems. Journal of Theoretical Biology. 2004. Vol. 228. P. 31–46. 143. Abdallah A. Y. Asymptotic behavior of the Klein-Gordon- Schrodinger lattice dynamical systems. Communications on Pure & Applied Analysis. 2006. Vol. 5. P. 55–69. 144. Abdallah, A. Y. Uniform global attractors for first order non- autonomous lattice dynamical systems. American Mathematical Society. 2010. Vol. 138. P. 3219–3228. 145. Acharya U. R., Oh S. L., Hagiwara Y., Tan J. H., Adeli H. Deep convolutional neural network for the automated detection and diagnosis of seizure using EEG signals. Computers in Biology and Medicine. 2018. Vol. 100. P. 270–278. 146. Achi F., Bourouina-Bacha S., Bourouina M., Amine A. Mathematical model and numerical simulation of inhibition based biosensor for the detection of Hg(II). Sensors and Actuators B: Chemical. 2015. Vol. 207. P. 413–423. 147. Adley C. Past, present and future of sensors in food production. Foods. 2014. Vol. 3. No. 3. P. 491–510. 148. Afraimovich V. S., Nekorkin V. I. Chaos of traveling waves in a discrete chain of diffusively coupled maps. International Journal of Bifurcation and Chaos. 1994. Vol. 4. P. 631–637. 149. Alguliyev R., Imamverdiyev Y., Sukhostat L. Cyber-physical systems and their security issues. Computers in Industry. 2018. Vol. 100. P. 212–223. 150. Ali M. S. Robust stability of stochastic uncertain recurrent neural networks with markovian jumping parameters and time-varying delays. International Journal of Machine Learning and Cybernetics. 2012. Vol. 5(1). P. 13–22. 151. Ali M. S., Arik S., Saravanakumar R. Delay-dependent stability criteria of uncertain markovian jump neural networks with discrete interval and distributed time–varying delays. Neurocomputing. 2015. Vol. 158. P. 167–173. 152. Ali M. S., Balasubramaniam P. Global asymptotic stability of stochastic fuzzy cellular neural networks with multiple discrete and distributed time- varying delays. Communications in Nonlinear Science and Numerical Simulation. 2011. Vol. 16(7). P. 2907–2916. 153. Ali M. S., Saravanakumar R., Arik S. Novel H∞ state estimation of static neural networks with interval time-varying delays via augmented Lyapunov- Krasovskii functional. Neurocomputing. 2016. Vol. 171. P. 949–954. 154. Allen L. J. Persistence, extinction, and critical patch number for island populations. Journal of Mathematical Biology. 1987. Vol. 24. No. 6. P. 617– 625. 155. Amari S. I. Dynamics of pattern formation in lateral-inhibition type neural fields. Biological cybernetics 1977. Vol. 27. P. 77–87. 156. Amato F., López A., Peña-Méndez E.M., Vaňhara P., Hampl A., Havel J. Artificial neural networks in medical diagnosis. Journal of Applied Biomedicine. 2013. Vol. 11(2). P. 47–58. 157. Ambrosio C. M., Alencar S. M., Sousa R. L., Moreno A. M., Gloria E. M. Antimicrobial activity of several essential oils on pathogenic and beneficial bacteria. Industrial Crops and Products. 2017. Vol. 97. P. 128–136. 158. Amin S., Cardenas A., Sastry S. Safe and secure networked control systems under denial-of-service attacks. In Hybrid Systems: Computation and Control. 2009. Vol. 5469. P. 31–45. 159. Amin S., Litrico X., Sastry S. S., Bayen A. M. Stealthy deception attacks on water SCADA systems. In Hybrid Systems: Computation and Control. Stockholm, Sweden. 2010. P. 161–170. 160. Arkhypova V.N, Dzyadevych S.V., Soldatkin A.P., El’skaya A.V., Martelet C., Jaffrezic-Renault N. Development and optimisation of biosensors based on pH-sensitive field effect transistor and cholinesterase for sensitive detection of solanaceous glycoalkaloids. Biosensors & Bioelectronics. 2003. 18. P. 1047–1053. 161. Arnéodo A., Argoul F., Elezgaray J., Richetti P. Homoclinic chaos in chemical systemsю. Physica D: Nonlinear Phenomena. 1993. Vol. 62(1). P. 134– 169. 162. Arnheim N. Polymerase chain reaction strategy. Annual review of biochemistry. 1992. Vol. 61. P. 131–156. 163. Arnold L. Random dynamical systems. Springer Monographs in Mathematics. Springer-Verlag, Berlin.1998. P. 625. 164. Ašeris V., Baronas R., Kulys J. Modelling the biosensor utilising parallel substrates conversion. Journal of Electroanalytical Chemistry. Vol. 685. 2012. P. 63–71. 165. Ašeris V., Gaidamauskaitė E., Kulys J., Baronas R. Modelling glucose dehydrogenase-based amperometric biosensor utilizing synergistic substrates conversion. Electrochimica Acta. Vol. 146. 2014, P. 752–758. 166. Aubin J. P., Cellina A. Differential Inclusions, Set-Valued Maps and Viability Theory. Springer-Verlag, Berlin. 1984. P. 93–138. 167. Babak N. A. Transport Construction Negative Impact on the Environment, Procedia Engineering. 2017. Vol. 189. P. 867–873. 168. Bacha S., Bergel A., Comtat M. Modeling of amperometric biosensors by a finite-volume method. Journal of Electroanalytical Chemistry. 1993. Vol. 359 (1). P. 21–38. 169. Bahadır E. B., Sezgintürk M. K. Applications of commercial biosensors in clinical, food, environmental, and biothreat/biowarfare analyses, Analytical Biochemistry. 2015. Vol. 478. P. 107–120. 170. Bahadır E. B., Sezgintürk M. K. Electrochemical biosensors for hormone analyses. Biosensors and Bioelectronics. 2015. Vol. 68. P. 62–71. 171. Baronas R. Nonlinear effects of diffusion limitations on the response and sensitivity of amperometric biosensors. Electrochimica Acta. 2017. Vol. 240. P. 399–407. 172. Baronas R., Žilinskas A., Litvinas L. Optimal design of amperometric biosensors applying multi-objective optimization and decision visualization. Electrochimica Acta. 2016. Vol. 211. P. 586–594. 173. Bates P., Lisei H., Lu K. Attractors for stochastic lattice dynamical systems. Stochastics and Dynamics. 2006. Vol. 6. P. 1–21. 174. Bates P. W., Chen X., Chmaj A. J. Traveling waves of bistable dynamics on a lattice. SIAM Journal on Mathematical Analysis. 2003. Vol. 35. P. 520–546. 175. Bates P., Lu K., Wang B. Attractors for lattice dynamical systems. International Journal of Bifurcation and Chaos. 2001. Vol. 11. P. 143–153. 176. Bell J. Some threshold results for models of myelinated nerves. Math. Biosci. 1981. Vol. 54. P. 181–190. 177. Bell J., Cosner C. Threshold behaviour and propagation for nonlinear differential-difference systems motivated by modeling myelinated axons. Quarterly of Applied Mathematics. 1984. Vol. 42. P.1–14. 178. Ben-Yoav H., Biran A., Pedahzur R., Belkin S., Buchinger S., Reifferscheid G., Shacham-Diamand Y. A whole cell electrochemical biosensor for water genotoxicity bio-detection. Electrochimica Acta. 2009. Vol. 54. P. 6113–6118. 179. Berger C., Hees A., Braunreuther S., Reinhart G. Characterization of Cyber-Physical Sensor Systems. Procedia CIRP. 2016. Vol. 41. P. 638–643. 180. Betts J. T. Practical Methods for Optimal Control Using Nonlinear Programming. Society for Industrial and Applied Mathematics. 2001. P. 190. 181. Bevers M., Flather C. Numerically exploring habitat fragmentation effects on populations using cell-based coupled map lattices. Theoretical Population Biology. 1999. Vol. 55(1). P. 61–76. 182. Bhaisare M., Gedda G., Khan M., Wu H.–F. Fluorimetric detection of pathogenic bacteria using magnetic carbon dots. Analytica Chimica Acta. 2016. Vol. 920. P. 63–71. 183. Bohrer B., Luo A., Chuang X., Platzer A. CoasterX: A Case Study in Component-Driven Hybrid Systems Proof Automation. IFAC–PapersOnLine. 2018. Vol. 51 (16). P. 55–60. 184. Bohrer B., Tan Y., Mitsch S., Myreen M., Platzer A. VeriPhy: Verified controller executables from verified cyber-physical system models. Proceedings of the 39th ACM SIGPLAN Conference on Programming Language Design and Implementation. 2018. P. 617–630. 185. Buber E., Soylemez S., Udum Y., Toppare L. Fabrication of a promising immobilization platform based on electrochemical synthesis of a conjugated polymer. Colloids and Surfaces B: Biointerfaces. 2018. Vol. 167. P. 392– 396. 186. Bula I., Radin M. A., Wilkins N. Neuron model with a period three internal decay rate. Electronic Journal of Qualitative Theory of Differential Equations. 2017. Vol. 46. P. 1–19. 187. Burnworth M., Rowan S., Weder C. Fluorescent sensors for the detection of chemical warfare agents. Chemistry – A European Journal. 2007. Vol. 13 (28). P. 7828–7836. 188. Byelyx I. A., Kleshhev M. F. Biological and chemical sensory systems. XPI. 2011. P. 143. 189. Cahn J., Chow S., Vleck V. Spatially discrete nonlinear diffusion equations. Mathematical Reviews number. 1995. Vol. 25. P. 87–118. 190. Cahn J.W., Mallet-Paret J., Van Vleck E.S. Traveling wave solutions for systems of ODEs on a two-dimensional spatial lattice. SIAM Journal on Applied Mathematics. 1999. Vol. 59. P. 455–493. 191. Campanella L., Martini E., Tomassetti M. Determination of HIgG and anti-HIgG using a single potentiometric immunosensor and two different “competitive methods”: Application to the analysis of globulin G in human serum. Sensors and Actuators B: Chemical. 2008. Vol. 130 (1). P. 520–530. 192. Cao J., Wang J., Absolute exponential stability of recurrent neural networks with Lipschitz-continuous activation functions and time delays. Neural networks. 2004. Vol. 17(3). P. 379–390. 193. Capota E. A., Stangaciu C. S., Micea M. V., Curiac D.-I. Towards mixed criticality task scheduling in cyber physical systems: Challenges and perspectives. Journal of Systems and Software. 2019. Vol. 156. P. 204–216. 194. Caraballo T., Lu K. Attractors for stochastic lattice dynamical systems with a multiplicative noise. Frontiers of Mathematics in China. 2008. Vol. 3. P. 317–335. 195. Caraballo T., Morillas F., Valero J. Attractors of stochastic lattice dynamical systems with a multiplicative noise and non-Lipschitz nonlinearities. Differential Equations. 2012. Vol. 253. P. 667–693. 196. Caraballo T., Morillas F., Valero J. On differential equations with delay in Banach spaces and attractors for retarded lattice dynamical systems. Discrete and Continuous Dynamical Systems. 2014. Vol. 34. P. 51–77. 197. Caraballo T., Morillas F., Valero J. Random attractors for stochastic lattice systems with non-Lipschitz nonlinearity. Journal of Difference Equations and Applications. 2011. Vol. 17. P. 161–184. 198. Cardenas A. A., Amin S., Sastry S. S. Research challenges for the security of control systems. In Proceedings of the 3rd Conference on Hot Topics in Security, Berkeley, CA, USA. 2008. P. 61–66. 199. Cardenas A. A., Amin S., Sinopoli B., Giani A., Perrig A. A., Sastry S. S. Challenges for securing cyber physical systems. Іn Workshop on Future Directions in Cyber-physical Systems Security, Newark, NJ, USA. 2009. P. 1–4. 200. Carstensen J. T., Franchini M., Ertel K. Statistical approaches to stability protocol design. Journal of Pharmaceutical Sciences. 1992. Vol. 81. P. 303– 308. 201. Celdrán A. H., Pérez M. G., Clemente F. J., Pérez G. M. Sustainable securing of Medical Cyber-Physical Systems for the healthcare of the future. Sustainable Computing: Informatics and Systems. 2018. Vol. 19. P. 138–146. 202. Cervera-Chiner L., Juan-Borrás M., March C., Arnau A., Escriche I., Montoya А., Jiménez Y. High Fundamental Frequency Quartz Crystal Microbalance (HFF–QCM) immunosensor for pesticide detection in honey. Food Control. 2018. Vol. 92. P. 1–6. 203. Chaniotakis N. A. Enzyme stabilization strategies based on electrolytes and polyelectrolytes for biosensor applications. Analytical and Bioanalytical Chemistry. 2004. Vol. 378. P. 89–95. 204. Chaochen Z., Ji W., Ravn A. A formal description of hybrid systems. Hybrid Systems of LNCS. Berlin. Springer. 1995. Vol. 1066. P. 511–530. 205. Chaplin M. Do we underestimate the importance of water in cell biology?. Nature Reviews Molecular Cell Biology. 2006. Vol. 7. P. 861–866. 206. Chen C., Gong N., Qu F., Gao Y., Fang W., Sun C, Men Z. Effects of carotenoids on the absorption and fluorescence spectral properties and fluorescence quenching of Chlorophyll a, Spectrochimica Acta Part A. Molecular and Biomolecular Spectroscopy. 2018. Vol. 204. P. 440–445. 207. Chen T., Cheng G., Ahmed S., Wang Y., Wang X., Hao H., Yuan Z. New methodologies in screening of antibiotic residues in animal-derived foods. Biosensors, Talanta. 2017. Vol. 175. P. 435–442. 208. Chen X., Guo J. Existence and asymptotic stability of traveling waves of discrete quasilinear monostable equations. Journal of Differential Equations. 2002. Vol. 184. P. 549–569. 209. Chen Y., Li Y., Deng D., He H., Yan X., Wang Z., Fan C., Luo Li. Effective immobilization of Au nanoparticles on TiO2 loaded graphene for a novel sandwich-type immunosensor. Biosensors and Bioelectronics. 2018. Vol. 102. P. 301–306. 210. Chen Y., Wu Y. Novel delay-dependent stability criteria of neural networks with time-varying delay. Neurocomputing. 2009. Vol. 72, No. 4–6, P. 1065–1070. 211. Chow S.–N., Mallet–Paret J., Shen W. Traveling waves in lattice dynamical systems. Journal of Differential Equations. 1998. Vol. 149. No. 2. P. 248– 291. 212. Chow S. N., Mallet–Paret J., Van Vleck E. S. Dynamics of lattice differential equations. International Journal of Bifurcation and Chaos. 1996, Vol. 6, P. 1605–1621. 213. Chow S. N., Shen W. Dynamics in a discrete Nagumo equation: Spatial topological chaos. SIAM Journal on Applied Mathematics. 1995. Vol. 55. P. 1764–1781. 214. Chu T. An exponential convergence estimate for analog neural networks with delay. Physics Letters A. 2001. Vol. 283, No. 1–2. P. 113–118. 215. Chu T., Zhang Z., Wang Z. A decomposition approac to analysis of competitive-cooperative neural networks with delay, Physics Letters A. 2003. Vol. 312, No. 5–6. P. 339–347. 216. Chua L., Roska T. The CNN paradigm. IEEE Transactions on Circuits and Systems. 1993. Vol. 40. P. 147–156. 217. Chua L., Yang L. Cellular neural networks: Applications. IEEE Transactions on Circuits and Systems. 1988. Vol. 35. P. 1273–1290. 218. Chua L., Yang L. Cellular neural networks: Theory. IEEE Transactions on Circuits and Systems. 1988. Vol. 35. P. 1257–1272. 219. Chuang C. H., Du Y. C., Wu T. F., Chen C. H., Lee D. H., Chen S. M., Huang T. C., Wu H. P., Shaikh M. O. Immunosensor for the ultrasensitive and quantitative detection of bladder cancer in point of care testing. Biosensors and Bioelectronics. 2016. Vol. 84. P. 126–132. 220. Ciolacu M., Chraif M. The Relationship between Blood Glucose Levels and Performance at Cognitive Processing and Motor Coordination Tasks. Procedia – Social and Behavioral Sciences. 2015. Vol. 187. P. 777–782. 221. Citartan M., Gopinath S. C., Tominaga J., Tang T. H. Label-free methods of reporting biomolecular interactions by optical biosensors. Analyst. 2013. Vol. 138. P. 3576–3592. 222. Coombes S., Graben P. B., Potthast R., Wright J. (Editors): Neural Fields: Theory and Applications. Springer, Heidelberg. 2014. P. 487. 223. Cosnier S. Biomolecule immobilization on electrode surfaces by entrapment or attachment to electrochemically polymerized films. A review, Biosens. Bioelectron. 1999. Vol. 14. P. 443–456. 224. Costa J., Silva C., Antunes M., Ribeiro B. Adaptive learning for dynamic environments: A comparative approach. Engineering Applications of Artificial Intelligence. 2017. Vol. 65. P. 336–345. 225. Cruz H. J., Rosa C. C., Oliva A. G. Immunosensors for diagnostic applications. Parasitology research. 2002. Vol. 88. P. 4–7. 226. Cuijpers P., Reniers M. Hybrid process algebra. The Journal of Logic and Algebraic Programming. 2005. Vol. 62 (2). P. 191–245. 227. D’Orazio P. Biosensors in clinical chemistry. Clinica Chimica Acta. 2003. Vol. 334. P. 41–69. 228. Dan G., Sandberg H. Stealth attacks and protection schemes for state estimators in power systems. In IEEE Int. Conf. on Smart Grid Communications, Gaithersburg, MD, USA. 2010. P. 214–219. 229. De M. R., Carimi F., Frommer W. B. Mitochondrial biosensors. International Journal of Biochemistry & Cell Biology. 2014. Vol. 48. P. 39–44. 230. Deimling K. Differential Equations on Banach Spaces. Springer- Verlag, Heielberg. 1977. P. 136. 231. DeMarco C. L., Sariashkar J. V., Alvarado F. The potential for malicious control in a competitive power systems environment. IEEE International Conference on Control Applications, Dearborn, MI, USA. 1996. P. 462–467. 232. Deng H., Zhang L., Shu X. Feature memory-based deep recurrent neural network for language modeling. Applied Soft Computing. 2018. Vol. 68. P. 432–446. 233. Dias A. D., Kingsley D. M., Corr D. T. Recent advances in bioprinting and applications for biosensing. Biosensors. 2014. Vol. 4. P. 111–136. 234. Diekmann O., Heesterbeek J. Mathematical Epidemiology of Infectious Disease. John Wiley & Son. 2000. Р. 303. 235. Ding L., Bond A. M., Zhai J., Zhang J. Utilization of nanoparticle labels for signal amplification in ultrasensitive electrochemical affinity biosensors: a review. 2013. Analytica Chimica Acta. Vol. 797. P. 1–12. 236. Ding S. X. Model-Based Fault Diagnosis Techniques. Design Schemes, Algorithms, and Tools. Springer. 2008. P. 473. 237. DNA structure. [Електронний ресурс]. Режим доступу: http:// academic.brooklyn.cuny.edu/biology/bio4fv/page/molecular%20biology/dna– structure.html. (дата звернення 30.03.2017). Назва з екрана. 238. Dogaru R., Chua L. Edge of chaos and local activity domain of FitzHugh–Nagumo equation. International Journal of Bifurcation and Chaos. 1998. Vol. 8. P. 211–257. 239. Dosi G., Ermoliev Y., Kaniovski Y. Generalized urn schemes and technological dynamics. Journal of Mathematical Economics. 1994. Vol. 23(1). P. 1– 19. 240. Du Y., Zhong S., Xu J., Zhou N. Delay-dependent exponential passivity of uncertain cellular neural networks with discrete and distributed time- varying delays. ISA Transactions. 2015. Vol. 56. P. 1–7. 241. Du Z., Li H., Gu T. A state of the art review on microbial fuel cells: a promising technology for wastewater treatment and bioenergy. Biotechnology Advances. 2007. Vol. 25. P. 464–482. 242. Durliat H., Causserand C., Comtat M. Bienzyme amperometric lactate–specific electrode. Analytica Chimica Acta. 1990. Vol. 231. P. 309–311. 243. Eduard D., Silvana A. Chapter Eleven – Bioapplications of Electrochemical Sensors and Biosensors. Methods in Enzymology. Academic Press. 2017. Vol. 589. P. 301–350. 244. Ermoliev Y., Ermolieva T., Matthias J., Obersteiner M., Wagner F., Winiwarter W. Integrated model for robust emission trading under uncertainties: Cost–effectiveness and environmental safety. Technological Forecasting and Social Change. 2015. Vol. 98. P. 234–244. 245. Erneux T., Nicolis G. Propagating waves in discrete bistable reaction diffusion systems. Physica D. 1993. Vol. 67. P. 237–244. 246. Escaleras M., Chiang E. Fiscal decentralization and institutional quality on the business environment. Economics Letters. 2017. Vol. 159. P. 161–163. 247. Esteves S., Gökmen E., José J. Oliveira Global exponential stability of nonautonomous neural network models with continuous distributed delays, Applied Mathematics and Computation. 2013. Vol. 219(17). P. 9296–9307. 248. Evtugyn G. A., Shamagsumova R. V., Hianik T. Biosensors for detection mycotoxins and pathogenic bacteria in food. Nanobiosensors. Academic Press. 2017. P. 35–92. 249. Fabien B. C. Some tools for the direct solution of optimal control problems. Advances in Engineering Software. 1998. Vol. 29. P. 45–61. 250. Fan X., Wang Y. Attractors for a second order nonautonomous lattice dynamical system with nonlinear damping. Physics Letters A. 2007. Vol. 365. P. 17–27. 251. Fang F. C., Frawley E. R., Tapscott T., Vázquez-Torres A. Discrimination and Integration of Stress Signals by Pathogenic Bacteria. Cell Host & Microbe. 2016. Vol. 20 (2). P. 144–153. 252. Fang S., Jiang M., Wang X. Exponential convergence estimates for neural networks with discrete and distributed delays. Nonlinear Analysis: Real World Applications. 2009. Vol. 10 (2). P. 702–714. 253. Faria T., Rost G. Persistece, permaece ad global stability for a ndimesional nicholson system. Journal of Dynamics and Differential Equations. 2014. Vol. 26 (3). P. 723–744. 390 254. Fawzi H., Tabuada P, Diggavi S. Security for control systems under sensor and actuator attacks. Decision and Control (CDC) 2012 IEEE 51st Annual Conference. 2012. P. 3412–3417. 255. Faye G. Traveling fronts for lattice neural field equations. Physica D. 2018. Vol. 378–379. P. 20–32. 256. Feng R., Gao X.-S., Huang Z. Rational solutions of ordinary difference equations. Journal of Symbolic Computation. 2008. Vol. 43 (10). P. 746– 763. 257. Feng X., Loparo K., Fang Y. Optimal state estimation for stochastic systems: An information theoretic approach. Automatic Control, IEEE Transactions. 1997. Vol. 42 (6). P. 771–785. 258. Ferrini A. M., Mannoni V., Carpico G., Pellegrini G. E. Detection and identification of beta-lactam residues in milk using a hybrid biosensor. Agricultural and Food Chemistry. 2008. Vol. 56. P. 784–788. 259. finzi.psych.upenn.edu. [Електронний ресурс]: [Інтернет-портал]. – Електронні дані. R Site Search. – Режим доступа: http://finzi.psych.upenn.edu/nmz.html. (дата звернення 30.03.2017). Назва з екрана. 260. Fitz T., Theiler M., Smarsly K. A metamodel for cyber-physical systems. Advanced Engineering Informatics. 2019. Vol. 41. P. 80–93. 261. Fleming W. H., Rishel R. W. Deterministic and Stochastic Optimal Control. Springer Verlag, New York. 1975. Vol. XIII. P. 222. 262. Forrest L. J. Computed Tomography Imaging in Oncology, Veterinary Clinics of North America. Small Animal Practice. 2016. Vol. 46 (3). P. 499–513. 263. Foryś U. Marchuk’s model of immune system dynamics with application to tumour growth. Journal of Theoretical Medicine. 2002. Vol. 4 (1). P. 85–93. 391 264. Fu H., Zhang S., Chen H., Weng J. Graphene enhances the sensitivity of fiber-optic surface plasmon resonance biosensor. IEEE Sensors Journal. 2015. Vol. 15 (10). P. 5478–5482. 265. Fu X. On detecting environment sensitivity using slicing. Theoretical Computer Science. 2016. Vol. 656. P. 27–45. 266. Fulton N., Mitsch S., Bohrer B., Platzer A. Bellerophon. Tactical theorem proving for hybrid systems. Springer. LNCS. 2017. Vol. 10499. P. 207–224. 267. Fulton N., Mitsch S., Quesel J.–D., Volp M., Platzer A. An axiomatic tactical theorem prover for hybrid systems. CADE. LNCS. Berlin. Springer. 2015. Vol. 9195. P. 527–538. 268. Garlick M., Powell J., Eyre D., Robbins T. Mathematically modeling PCR: an asymptotic approximation with potential for optimization. Mathematical biosciences and engineering. 2010. Vol. 7 (2). P. 363–384. 269. Gibson T. D. Biosensors: The stabilité problem. Analusis. 1999. Vol. 27 (7). P. 630–638. 270. Gibson T. D., Hulbert J. N., Parker S. M., Woodward J. R., Higgins I. J. Extended shelf life of enzyme-based biosensors using a novel stabilization system, Biosensors and Bioelectronics. 1992. Vol. 7. P. 701–708. 271. Glatt M., Aurich J. Physical modeling of material flows in cyber- physical production systems. Procedia Manufacturing. 2019. Vol. 28. P. 10–17. 272. Glushkov V. M., Kaspshitskaya M. F., Sergienko I. V. Formalization and solution of a class of discrete optimization problems. USSR Computational Mathematics and Mathematical Physics. 1980. Vol. 20 (6). P. 23–36. 273. Grossman A., Gafter-Gvili A., Schmilovitz-Weiss H., Koren- Morag N., Beloosesky Y., Weiss A. Association of glycated hemoglobin with hemoglobin levels in elderly nondiabetic subjects. European Journal of Internal Medicine. 2016. Vol. 36. P. 32–35. 274. Grossman R. L., Nerode A., Ravn A. P., Rishel H., Zalewski J. Hybrid systems. Series: Lecture Notes in Computer Science. Springer-Verlag. Berlin. Germany. 1993. Vol. 736. P. 474. 392 275. Gruhl F. J., Rapp B. E., Lange K. Biosensors for diagnostic applications. Advances in Biochemical Engineering/Biotechnology. 2013. Vol. 133. P. 115–148. 276. Gu A., Kloeden P. E. Asymptotic Behavior of a nonautonomous p- Laplacian lattice system. International Journal of Bifurcation and Chaos. 2016. Vol. 26. P. 165–174. 277. Gu Z., Zhu H., Rodriguez A., Mhaissen M., Schultz C., Adderson E., Hayden R. Comparative Evaluation of Broad-Panel PCR Assays for the Detection of Gastrointestinal Pathogens in Pediatric Oncology Patients. The Journal of Molecular Diagnostics. 2015. Vol. 17 (6). P. 715–721. 278. Guo J., Wu C. Traveling wave front for a two-component lattice dynamical system arising in competition models. Journal of Differential Equations. 2012. Vol. 252. P. 4357–4391. 279. Gutierrez J. C., Amaro F., Martin-Gonzalez A. Heavy metal wholecell biosensors using eukaryotic microorganisms: an updated critical review. Frontiers in Microbiology. 2015. Vol. 6 (48). P. 1–8. 280. Hale J. K., Lunel S. M. Introduction to functional differential equations. Springer Science & Business Media. 2013. Vol. 99. P. 447. 281. Han X. Asymptotic dynamics of stochastic lattice differential equations: a review. Continuous and distributed systems. Studies in Systems, Decision and Control. 2015. Vol. 30. P. 121–136. 282. Han X., Kloeden P. E. Lattice Dynamical Systems in the Biological Sciences. In: Yin G., Zhang Q. Modeling, Stochastic Control, Optimization, and Applications. The IMA Volumes in Mathematics and its Applications. Springer, Cham. 2019. Vol. 164. P. 233. 283. Han X., Kloeden P. E. Asymptotic behaviour of a neural field lattice model with a Heaviside operator. Physica D : Nonlinear Phenomena. 2019. Vol. 389. P. 1–12. 284. Han X., Kloeden P. E. Attractors under Discretisation. Springer Briefs series, Springer-Verlag. 2017. P. 121. 393 285. Han X., Kloeden P. E. Lattice systems with switching effects and delayed recovery. Journal of Differential Equations. 2016. Vol. 261. P. 2986–3009. 286. Han X., Kloeden P. E. Random Ordinary Differential Equations and their Numerical Solution. Springer Nature, Singapore. 2017. P. 222. 287. Han X., Kloeden P. E., Simsen J. Sequence spaces with variable exponents for lattice models with nonlinear diffusion. Modern Mathematics and Mechanics – Fundamentals, Problems, Challenges, Springer-Verlag. 2018. P. 195– 214. 288. Han X., Kloeden P. E., Sonner S. Discretisation of the global attractor of a lattice system. Journal of Dynamics and Differential Equations. 2019. Р. 1–18. 289. Han X., Kloeden P., Usman B. Long term behavior of a random Hopfield neural lattice model. 2019. Vol. 18. P. 809–824. 290. Han X., Kloeden P. E. Asymptotic behaviour of a neural field lattice model with a Heaviside operator, Phys. D, 2019. Vol. 389. P. 1–12. 291. Han X., Kloeden P. E., Wang X. Sigmoidal approximation of Heaviside functions in neural lattice models. Journal of Differential Equations. 2019. Vol. 5. P. 55–65. 292. Han X., Shen W., Zhou S. Random attractors for stochastic lattice dynamical systems in weighted spaces. Journal of Differential Equations. 2011. Vol. 250. P. 1235–1266. 293. Hare S. A. Diverse structural approaches to haem appropriation by pathogenic bacteria. Biochimica et Biophysica Acta (BBA) – Proteins and Proteomics. 2017. Vol. 1865 (4). P. 422–433. 294. Harris J. M., Reyes C., Lopez G. P. Common causes of glucose oxidase instability in vivo biosensing: a brief review. Journal of Diabetes Science and Technology. 2013. Vol. 7. P. 1030–1038. 295. Hartwig R. Review of the theory of matrices. Linear Algebra and its Applications. 1988. Vol. 108. P. 173–175. 394 296. Haykin S. Neural Networks and Learning Machines. A Comprehensive Foundation 3rd Edition, Kindle Edition, Pearson. 2011. P. 936. 297. He X. Z. Stability and delays in a predator–prey system. Journal of Mathematical Analysis and Applications. 1996. Vol. 198 (2). P. 355–370. 298. He Y., Wang Q.-G., Lin C., Wu M. Delay-range-dependent stability for systems with time-varying delay. Automatica. 2007. Vol. 43 (2). P. 371–376. 299. Hendrie H., Zheng M., Li W., Lane K., Ambuehl R., Purnell C., Unverzagt F., Torke A., Balasubramanyam A., Callahan C., Gao S. Glucose level decline precedes dementia in elderly African Americans with diabetes. Alzheimer’s & Dementia. 2017. Vol. 13 (2). P. 111–118. 300. Hiatt L. A., Cliffel D. E. Real-time recognition of Mycobacterium tuberculosis and lipoarabinomannan using the quartz crystal microbalance. Sensors and Actuators B: Chemical. 2012. Vol. 174. P. 245–252. 301. Hijjawi N., Zahedi A., Kazaleh M., Ryan U. Prevalence of Cryptosporidium species and subtypes in paediatric oncology and non-oncology patients with diarrhoea in Jordan. Infection, Genetics and Evolution. 2017. Vol. 55. P. 127–130. 302. Hildebrand M., Bär M., Eiswirth M. Statistics of Topological Defects and Spatiotemporal Chaos in a Reaction-Diffusion System. Physical Review Letters. 1995. Vol. 75. P. 1503–1506. 303. Hofbauer J., Iooss G. A hopf bifurcation theorem for difference equations approximating a differential equation. Monatshefte fur Mathematik. 1984. Vol. 98 (2). P. 99–113. 304. Hoffman A., Hupkes H., Vleck V., Entire E. Solutions for Bistable Lattice Differential Equations with Obstacles. American Mathematical Society: Providence, RI, USA. 2017. Vol. 5 (2). P. 95–107. 305. Honda T., Pun V., Manjourides J., Suh H. Anemia prevalence and hemoglobin levels are associated with long-term exposure to air pollution in an older population, Environment International. 2017. Vol. 101. P. 125–132. 395 306. Hopfield J. J. Neurons with graded response have collective computational properties like those of two-state neurons. Proceedings of the national academy of sciences. 1984. Vol. 81. No. 10. P. 3088–3092. 307. Hsu C. H., Lin S. S. Existence and Multiplicity of Traveling Waves in a Lattice Dynamical System. Journal of Differential Equations. 2000. Vol. 164. P. 431–450. 308. Huang B., Zhang H., Gong D., Wang J. Synchronization analysis for static neural networks with hybrid couplings and time delays. Neurocomputing. 2015. Vol. 148. P. 288–293. 309. Huang C., Huang L., Feng J., Nai M., He Y. Hopf bifurcation analysis for a two-neuron network with four delays. Chaos, Solitons Fractals. 2007. Vol. 34. No. 3. P. 795–812. 310. Huang H., Feng G., Cao J. Guaranteed performance state estimation of static neural networks with time-varying delay. Neurocomputing. 2011. Vol. 74. No. 4. P. 606–616. 311. Huang J. The random attractor of stochastic FitzHugh-Nagumo equations in an infinite lattice with white noises. Journal of Physics D. 2007. Vol. 233. P. 83–94. 312. Huang, J., Lu G., Zou X. Existence of traveling wave fronts of delayed lattice differential equations. Journal of Mathematical Analysis and Applications. 2004. Vol. 298. P. 538–558. 313. Hupkes H. J., Van Vleck E. S. Negative diffusion and traveling waves in high dimensional lattice systems. SIAM Journal on Mathematical Analysis. 2013. Vol. 45. No. 3. P. 1068–1135. 314. Hupkes H. J., Van Vleck E. S. Travelling waves for complete discretizations of reaction diffusion systems. Journal of Dynamics and Differential Equations. 2016. Vol. 28. No. 3–4. P. 955–1006. 315. Hutter E., Maysinger D. Gold-nanoparticle-based biosensors for detection of enzyme activity. Trends in Pharmacological Sciences. 2013. Vol. 34. P. 497–507. 396 316. Hyman D. M., Taylor B. S., Baselga J. Implementing Genome- Driven Oncology. Cell. 2017. Vol. 168 (4). P. 584–599. 317. Ibupoto Z. H., Jamal N., Khun K., Liu X., Willander M. A potentiometric immunosensor based on silver nanoparticles decorated ZnO nanotubes, for the selective detection of d.dimer. Sensors and Actuators B: Chemical. 2013. Vol. 182. P. 104–111. 318. Ivanauskas F., Baronas R. Numerical simulation of a plate-gap biosensor with an outer porous membrane. Simulation Modelling Practice and Theory. 2008. Vol. 16(8). P. 962–970. 319. Jančíková Z. K., Koštial P., Heger M., Frischer R., David J., Spička I., Garzinová R., Ruziak I., Spačková H. Review on Artificial Intelligence. Applications in Material Diagnostics and Technology. MATEC Web of Conferences. 2018. P. 1–10. 320. Jasevičius R., Baronas R., Kruggel-Emden H. Numerical modelling of the normal adhesive elastic-plastic interaction of a bacterium. Advanced Powder Technology. 2015. Vol. 26. P. 742–752. 321. Jeong Y., Kook Y. M., Lee K., Koh W. G. Metal enhanced fluorescence (MEF) for biosensors: General approaches and a review of recent developments. Biosensors and Bioelectronics. 2018. Vol. 111. P. 102–116. 322. Jezewski J., Pawlak A., Horoba K., Wrobel J., Czabanski R., Jezewski M. Selected design issues of the medical cyber-physical system for telemonitoring pregnancy at home. Microprocessors and Microsystems. 2016. Vol. 46. P. 35–43. 323. Jezewski J., Pawlak A., Wrobel J., Horoba K., Penkala P. Towards a medical cyber-physical system for home telecare of high-risk pregnancy. IFAC- PapersOnLine. 2015. Vol. 48 (4). P. 466–473. 324. Ji M.-D., He Y., Wu M., Zhang C.-K. Further results on exponential stability of neural networks with time-varying delay. Applied Mathematics and Computation. 2015. Vol. 256. P. 175–182. 397 325. Jiang X., Spencer M. G. Electrochemical impedance biosensor with electrode pixels for precise counting of CD4+ cells: A microchip for quantitative diagnosis of HIV infection status of AIDS patients. Biosensors and Bioelectronics. 2010. Vol. 25 (7). P. 1622–1628. 326. Jiang Y., Zhang X., Pei L., Yue S., Ma L., Zhou L., Huang Z., He Y., Gao J. Silver nanoparticles modified two-dimensional transition metal carbides as nanocarriers to fabricate acetycholinesterase-based electrochemical biosensor, Chemical Engineering Journal. 2018. Vol. 339. P. 547–556. 327. John T. Betts. Practical Methods for Optimal Control Using Nonlinear Programming. Society for Industrial and Applied Mathematics. 2001. P. 190. 328. Joyner R. W., Ramza B. M., Osaka T., Tan R. C. Cellular mechanisms of delayed recovery of excitability in ventricular tissue. American Journal of Physiology. Vol. 1991. Vol. 260. P. 225–233. 329. Justino C. I., Duarte A. C., Rocha-Santos T. A. Critical overview on the application of sensors and biosensors for clinical analysis. TrAC Trends in Analytical Chemistry. 2016. Vol. 85. P. 36–60. 330. Kagan S. H. The Future of Gero-Oncology Nursing. Seminars in Oncology Nursing. 2016. Vol. 32(1). P. 65–76. 331. Kamien M. I., Schwartz N. L. Dynamic Optimization. North- Holland, Amsterdam. 1991. Vol. 3. P. 272. 332. Kapval R. Discrete models for chemically reacting systems. Journal of Mathematical Chemistry. 1991. Vol. 6. P. 113–163. 333. Karachalios N. I., Yannacopoulos A. N. Global existence and compact attractors for the discrete nonlinear Schrodinger equation. Journal of Differential Equations. 2005. Vol. 217. P. 88–123. 334. Kaspshitskaya M. F., Sergienko I. V., Stiranka A. I. Some properties of discrete fuzzy sets. USSR Computational Mathematics and Mathematical Physics. 1990. Vol. 30(4). P. 103–107. 398 335. Kawamura A., Miyata T. Biosensors. Biomaterials Nanoarchitectonics. William Andrew Publishing. 2016. P. 157–176. 336. Keener J. P. Propagation and its failure in coupled systems of discrete excitable cells. SIAM Journal on Applied Mathematics. 1987. Vol. 47. P. 556–572. 337. Keener J. P. The effects of discrete gap junction coupling on propagation in myocardium. Journal of Theoretical Biology. 1991. Vol. 148. P. 49– 82. 338. Kelly K., Kostin M. Non-Arrhenius rate constants involving diffusion and reaction. Journal of Chemical Physics. 1986. Vol. 85 (12). P. 7318– 7335. 339. Kertesz V. Stability investigations and exponential estimations for functional differential equations of retarded type. Acta Mathematica Hungarica. 1990. Vol. 55. No. 3–4. P. 365–378. 340. Khansili N., Rattu G., Krishna P. Label-free optical biosensors for food and biological sensor applications. Sensors and Actuators B: Chemical. 2018. Vol. 265. P. 35–49. 341. Khimji I., Kelly E. Y., Helwa Y., Hoang M., Liu J. Visual optical biosensors based on DNA-functionalized polyacrylamide hydrogels. Methods. 2013. Vol. 64. P. 292–298. 342. Khusainov D., Marzeniuk V. Two-side estimates of solutions of linear systems with delay. Russian, Reports of Ukr.Nat.Acad.Sciences. 1996. Vol. 8. P. 8–13. 343. Kirichenko M. F., Krak Y. V., Lazorik V. V. Structural Representation for Problems of Mechanical Systems Modeling and Synthesis. IFAC Proceedings Vol. s. 2000. Vol. 33 (27). P. 639–643. 344. Kirichenko N. F., Nakonechnyi A. G. Minimax approach to recursive estimation of states of linear dynamic systems. Cybernetics. 1977. Vol. 13. No. 4. P. 527–531. 399 345. Kirthiga O. M., Rajendran L. Approximate analytical solution for non–linear reaction diffusion equations in a mono-enzymatic biosensor involving Michaelis-Menten kinetics. Journal of Electroanalytical Chemistry. 2015. Vol. 751. P. 119–127. 346. Klip I. T., Postmus D., Voors A. A., Brouwers F. P., Gansevoort R. T., Bakker S. J., Hillege H. L., Boer R. A., Harst P. V., Gilst W. H., Veldhuisen D. J., Meer P. V. Hemoglobin levels and new-onset heart failure in the community. American Heart Journal. 2015. Vol. 169 (1). P. 94–101. 347. Kloeden P. E., Lorenz J. Stable attracting sets in dynamical systems and in their one-step discretizations. SIAM Journal on Numerical Analysis. 1986. Vol. 23. P. 986–995. 348. Kloeden P. E., Rasmussen M. Nonautonomous dynamical systems. Mathematical Surveys and Monographs. American Mathematical Society. Providence. 2011. P. 176. 349. Kloeden P. E., Simsen J. Pullback attractors for non-autonomous evolution equations with spatially variable exponents. Communications on Pure & Applied Analysis. 2014. Vol. 13. P. 2543–2557. 350. Kłos-Witkowska A., Martsenyuk V., Sverstiuk A. Badania stabilnosci w czasie i pod wplywem pola elektromagnetycznego roztvorow komponentu sieciujacego warstw receptorowych biosensorow. Pomiary Automatyka Robotyka. 2019. Vol. 4. P. 71–76. 351. Kłos-Witkowska A. The phenomenon of fluorescence in immunosensors. Acta Biochimica Polonica. 2016. Vol. 63 (2). P. 215–221. 352. Ko P. J., Ishikawa R., Sohn H., Sandhu A. Porous silicon platform for optical detection of functionalized magnetic particles biosensing. Journal of Nanoscience and Nanotechnology. 2013. Vol. 13. P. 2451–2460. 353. Kohn W., Nerode A., Remmel J., Yakhnis A. Viability in hybrid systems. Theoretical Computer Science. 1995. Vol. 138 (1). P. 141–168. 400 354. Kommanaboyina B., Rhodes C. T. Effects of temperature excursions on mean kinetic temperature and shelf life. Drug Development and Industrial Pharmacy. 1999. Vol. 25. P. 1301–1306. 355. Koutny T. Blood glucose level reconstruction as a function of transcapillary glucose transport. Computers in Biology and Medicine. 2014. Vol. 53. P. 171–178. 356. Koutny T., Krcma M., Kohout J., Jezek P., Varnuskova J., Vcelak P., Strnadek J. On-line Blood Glucose Level Calculation. Procedia Computer Science. 2016. Vol. 98. P. 228–235. 357. Kuang Y. Delay differential equations with applications in population dynamics. New York: Academic Press. 1993. Р. 398. 358. Kulys J., Higgins I. J., Bannister J. V. Amperometric dertermination of phosphate ions by biosensor. Biosensors and Bioelectronics. 1992. Vol. 7 (3). P. 187–191. 359. Kulys J. J., Sorochinskii V. V., Vidziunaite R. A. Transient response of bienzyme electrodes. Biosensors. 1986. Vol. 2 (3). P. 135–146. 360. Kulys J., Tetianec L. Synergistic substrates determination with biosensors. Biosensors and Bioelectronics. 2005. Vol. 21 (1). P. 152–158. 361. Kumar S., Kundu S., Pakshirajan K., Dasu V. V. Cephalosporins determination with a novel microbial biosensor based on permeabilized pseudomonas aeruginosa whole cells. Applied Biochemistry and Biotechnology. 2008. Vol. 151. P. 653–664. 362. Kunzelmann S., Solscheid C., Webb M. R. Fluorescent biosensors: design and application to motor proteins. EXS. 2014. Vol. 105. P. 25–47. 363. Kuo Yi. C., Lee C. K., Lin C. T. Data on a new sensitivity-improved miniaturized label-free electrochemical biosensor. Data in Brief. 2018. Vol. 17. P. 1288–1294. 364. Kuo Yi. C., Lee C. K., Lin C. T. Improving sensitivity of a miniaturized label-free electrochemical biosensor using zigzag electrodes. Biosensors and Bioelectronics. 2018. Vol. 103. P. 130–137. 401 365. Kushwaha A. S., Kumar A., Rajeev Kumar, Srivastava S. K. A study of surface plasmon resonance (SPR) based biosensor with improved sensitivity. Photonics and Nanostructures – Fundamentals and Applications. 2018. Vol. 31. P. 99–106. 366. Kwon S. J., Bard A. J. DNA analysis by application of Pt nanoparticle electrochemical amplification with single label response. Journal of the American Chemical Society. 2012. Vol. 134. P. 10777–10779. 367. Lamprecht C., Hinterdorfer P., Ebner A. Applications of biosensing atomic force microscopy in monitoring drug and nanoparticle delivery. Expert Opinion on Drug Delivery. 2014. Vol. 11. P. 1237–1253. 368. Laplante J. P., Erneux T. Propagating failure in arrays of coupled bistable chemical reactors. Journal of Physical Chemistry. 1992. Vol. 96. P. 4931– 4934. 369. Lee E. A. Cyber-physical systems: Design challenges. 11th IEEE international symposium on object oriented real-time distributed computing. 2008. P. 363–369. 370. Lee J., Bagheri B., Kao H. A cyber-physical systems architecture for industry 4.0-based manufacturing systems. Manufacturing Letters. 2015. Vol. 3. Р. 18–23. 371. Letellier C., Elaydi S., Aguirre L., Alaoui A. Difference equations versus differential equations, a possible equivalence for the Rоssler system. Physica D: Nonlinear Phenomena. Vol. 195. No. 1–2. P. 29–49. 372. Lever-van Milligen B. A., Vogelzangs N., Smit J. H., Penninx B. W. Hemoglobin levels in persons with depressive and/or anxiety disorders. Journal of Psychosomatic Research. 2014. Vol. 76 (4). P. 317–321. 373. Levrat E., Iung B., Crespo Marquez A. E–maintenance: review and conceptual framework. Production Planning & Control. 2008. Vol. 19 (4). P. 408– 429. 402 374. Li H., Yun L., Feng H., Dayang W. A quantitative analysis model of grid cyber physical systems. Global Energy Interconnection. 2018. Vol. 1 (5). P. 618–626. 375. Li M., Li R., Li C. M., Wu N. Electrochemical and optical biosensors based on nanomaterials and nanostructures: a review. Frontiers in Bioscience. 2011. Vol. 3. P. 1308–1331. 376. Liao X., Chen G., Sanchez E. N. Delay-dependent exponential stability analysis of delayed neural networks: An LMI approach. Neural Networks, 2002. Vol. 15. No. 7. P. 855–866. 377. Liao X., Li C., Wong K.–W. Criteria for exponential stability of cohen-grossberg neural networks. Neural Networks. 2004. Vol. 17. No. 10. P. 1401– 1414. 378. Liao X., Liu Y., Wang H., Huang T. Exponential estimates and exponential stability for neutral-type neural networks with multiple delays, Neurocomputing. 2015. Vol. 149. P. 868–883. 379. Liebes Y., Amir L., Marks R., Banai M. Chemiluminescent optical fiber immunosensor detection of Brucella cells presenting smooth-A antigen. Sensors and Actuators B: Chemical. 2009. Vol. 140 (2). P. 568–576. 380. Liebes Y., Amir L., Marks R., Banai M. Immobilization strategies of Brucella particles on optical fibers for use in chemiluminescence immunosensors. Talanta. 2009. Vol. 80 (1). P. 338–345. 381. Lien C. H., Chung L. Y. Global asymptotic stability for cellular neural networks with discrete and distributed time-varying delays. Chaos, Solitons & Fractals. 2007. Vol. 34. No. 4. P. 1213–1219. 382. Liu C., Vengayil H., Zhong R., Xu X. A systematic development method for cyber-physical machine tools. Journal of Manufacturing Systems. 2018. Vol. 48. P. 13–24. 383. Liu C. X., Jiang L. Y., Wang H., Guo Z. H., Cai X. X. A novel disposable amperometric biosensor based on trienzyme electrode for the 403 determination of total creatine kinase. Sensors & Actuators: B. 2007. Vol. 122. P. 295–300. 384. Liu L., Liu Z. Asymptotic behaviors of a delayed nonautonomous predator-prey system governed by difference equations. Discrete Dynamics in Nature and Society. 2011. Vol. 2011. P. 1–15. 385. Liu Y., Raymond R., Zenga X. Single Chain Fragment Variable Recombinant Antibody Functionalized Gold Nanoparticles for a Highly Sensitive Colorimetric Immunoassay. Biosensors and Bioelectronics. 2009. Vol. 24 (9). P. 2853–2857. 386. Liu Y., Reiter M. K., Ning P. False data injection attacks against state estimation in electric power grids. In ACM Conference on Computer and Communications Security, Chicago, IL, USA. 2009. P. 21–32. 387. Lou X., Ye Q., Cui B. Exponential stability of genetic regulatory networks with random delays. Neurocomputing. 2010. Vol. 73 (4–6). P. 759–769. 388. Luisa P. M. Dynamic optimization. The calculus of variations and optimal control in economics and management. By Morton I. Kamien and Nancy L. Schwartz. Amsterdam and New York. 1991. P. 377. 389. Lukes D. L. Differential Equations: Classical to Controlled. Academic Press, New York. 1982. Vol. 162. P. 322. 390. Lun Y., D’Innocenzo A., Smarra F., Malavolta I., Di Benedetto M. State of the art of cyber-physical systems security: An automatic control perspective. Journal of Systems and Software. 2019. Vol. 149. P. 174–216. 391. Luppa P. B., Sokoll L. J., Chan D. W. Immunosensors principles and applications to clinical chemistry. Clinica Chimica Acta. 2001. Vol. 314 (1). P. 1–26. 392. Lv M., Liu Y., Geng J., Kou X., Xin Z., Yang D. Engineering nanomaterials-based biosensors for food safety detection. Biosensors and Bioelectronics. 2018. Vol. 106. P. 122–128. 393. Lytvynenko I., Maruschak P, Lupenko S., Panin S. Segmentation and Statistical Processing of Geometric and Spatial Data on Self-Organized Surface 404 Relief of Statically Deformed Aluminum Alloy. Applied Mechanics and Materials. 2015. Vol. 770. Р. 288–293. 394. Lytvynenko I. V. Method of segmentation of determined cyclic signals for the problems related to their processing and modelling. Scientific Journal of the ternopil national technical university. 2018. Vol. 88(4). P. 153–169. 395. Lytvynenko I. V. Method of the quadratic interpolation of the discrete rhythm function of the cyclical signal with a defined segment structure. Scientific Journal of the ternopil national technical university. 2016. Vol. 84 (4). Р. 131–138. 396. Ma S., Weng P., Zou X. Asymptotic speed of propagation and traveling wavefronts in a non-local delayed lattice differential equation. Nonlinear Analysis: Theory, Methods & Applications. 2006. Vol. 65 (10). P. 1858–1890. 397. Ma S., Zhao X. Existence, uniqueness and stability of travelling waves in a discrete reaction diffusion monostable equation with delay. Journal of Differential Equations. 2005. Vol. 217. P. 54–87. 398. Ma Y., Farrell G., Semenova Y., Chan H.P., Zhang H., Wu Q. Sensitivity enhancement for a multimode fiber sensor with an axisymmetric metal grating layer. Photonics and Nanostructures: Fundamentals and Applications. 2014. Vol. 12. P. 69–74. 399. Mackay D. Information theory, inference, and learning algorithms. Cambridge, UK New York: Cambridge University Press. 2003. P. 628. 400. Macki J., Strauss A. Introduction to Optimal Control Theory. Springer-Verlag, New York. 1982. Vol. XIV. P. 168. 401. Maftuch I., Isma K., Adam A., Zamzami I. Antibacterial effect of Gracilaria verrucosa bioactive on fish pathogenic bacteria. The Egyptian Journal of Aquatic Research. 2016. Vol. 42 (4). P. 405–410. 402. Maharana P. K., Jha R., Padhy Pu. On the electric field enhancement and performance of SPR gas sensor based on graphene for visible and near infrared. Sensors and Actuators B: Chemical. 2015. Vol. 207. P. 117–122. 405 403. Malhotra B. D., Chaubey A. Biosensors for clinical diagnostics industry. Sensors and Actuators B: Chemical. 2003. Vol. 91 (1–3). P. 117–127. 404. Mallet-Paret J. The Global Structure of Traveling Waves in Spatially Discrete Dynamical Systems. Journal of Dynamics and Differential Equations. 1999. Vol. 11. P. 49–127. 405. Mannoor Manu S. Graphene-based wireless bacteria detection on tooth enamel. Nature Communications. 2012. Vol. 3. P. 763–773. 406. Marceniuk V. On construction of exponential estimates for linear systems with delay. In Proceedings of the Second International Conference on Difference Equations. Gordon and Breach Science Publishers. 1997. P. 439–444. 407. Marchuk G., Petrov R., Romanyukha A., Bocharov G. Mathematical model of antiviral immune response. I. Data analysis, generalized picture construction and parameters evaluation for hepatitis B. Journal of Theoretical Biology. 1991. Vol. 151 (1). P. 1–40. 408. Marcus C.M., Waugh F.R., Westervelt R.M. Nonlinear dynamics and stability of analog neural networks. Physica D: Nonlinear Phenomena, 1991. Vol. 51, Issues 1–3. P. 234–247. 409. Martsenyuk V. On an indirect method of exponential estimation for a neural network model with discretely distributed delays. Electronic Journal of Qualitative Theory of Differential Equations. 2017. No. 23. P. 1–16. 410. Martsenyuk V., Sverstiuk A., Andrushchak I. Stability investigation of immunosensor model based on lattice differential equations with delay. XХХІ International conference Problems of decision making under uncertainties (PDMU– 2018), (July 3–9), Abstracts, Lankaran–Baku, Republic of Azerbaijan. 2018. P. 93– 94. 411. Martsenyuk V., Andrushchak I., Sverstiuk A., Klos-Witkowska A. On Investigation of Stability and Bifurcation of Neural Network with Discrete and Distributed Delays. In: Saeed K., Homenda W. (eds) Computer Information Systems and Industrial Management. CISIM 2018. Lecture Notes in Computer Science. Publisher Name: Springer, Cham. Vol. 11127. P. 300–313. 406 412. Martsenyuk V., Andrushchak I., Zinko P., Sverstiuk A. On Application of Latticed Differential Equations with a Delay for Immunosensor Modeling. Journal of Automation and Information Sciences. 2018. Vol. 50. Is. 6. P. 55–65. 413. Martsenyuk V., Andrushchak I., Sverstiuk A., Milyan N. Architecture of the decision-making system in medical systems research. XХХІV International conference Problems of decision making under uncertainties (PDMU– 2019), (September 23–27), Abstracts, Lviv, Ukraine. 2019. P. 63–64. 414. Martsenyuk V., Klos-Witkowska A., Sverstiuk A. Stability investigation of biosensor model based on lattice difference equations. Difference Equations and Discrete Dynamical Systems with Applications. Springer Proceedings in Mathematics and Statistics. 24th ICDEA, Dresden, Germany. 2020. Vol. 312. P. 297–322. (Scopus). 415. Martsenyuk V., Klos-Witkowska A., Sverstiuk A. Stability, bifurcation and transition to chaos in a model of immunosensor based on lattice differential equations with delay. Electronic Journal of Qualitative Theory of Differential Equations: No. 2018 (27). P. 1–31. 416. Martsenyuk V., Klos-Witkowska A., Sverstiuk A., Bagrii-Zayats O., Bernas M. On modelling predator-prey cellular automaton with help of lattice differential equations with time dilay. Advances in biotechnology. 18th International Multidisciplinary Scientific GeoConference SGEM 2018. Nano, bio, green and space technologies for a sustainable, 2th–8th of July, Albena, Bulgaria. 2018. Vol. 18. P. 407–414. 417. Martsenyuk V., Sverstiuk A., Andrushchak I. Іmmunosensor model based on lattice difference equations. XХХІІ International conference Problems of decision making under uncertainties (PDMU–2018), (August 27–31), Abstracts, Prague, Czech Republic. 2018. P. 73–75. 418. Martsenyuk V., Sverstiuk A., Andrushchak I., Klos-Witkowska A. Immunosensor Model on the Basis of Lattice Dynamic System. Selected papers 407 XХХІІ International conference Problems of decision making under uncertainties (PDMU–2018), (August 27–31), Prague, Czech Republic. 2018. P. 52–61. 419. Martsenyuk V., Sverstiuk А. Cyber-physical model of the immunosensor system at the hexagonal lattice with the use of differential equations of the population dynamics. Innovative Technologies and Scientific Solutions for Industries. 2019. No. 1. P. 75–83. 420. Martsenyuk V., Sverstiuk A., Dzyadevych S. Identification of parameters and investigation of stability of the mathematical model of biosensor for measuring α-chaconine. Scientific Journal of TNTU. 2019. Vol. 96. № 4. P. 101–111. 421. Martsenyuk V. P., Klos-Witkowska A., Sverstiuk A. S. Study of classification of immunosensors from viewpoint of medical tasks. Medical informatics and engineering. 2018. № 1 (41). P. 13–19. 422. Martsenyuk V.P., Klos-Witkowska A., Sverstiuk A. S., Bihunyak T. V. On principles, methods and areas of medical and biological application of optical immunosensors. Medical informatics and engineering. 2018. № 2 (42). P. 28–36. 423. Martsenyuk V. P., Rudyak Yu. A., Sverstiuk A. S., Mayhruk Z. V., Horkunenko A. B., Kasianchuk M. M. Qualitative analysis of the Hodgkin–Huxley model of neuron excitability based on classification rules. In: 1st International Workshop Information–Communication Techologies&Embedded Systems. 14–15 November, Mykolaiv. 2019. Vol. 1. P. 165–176. 424. Martsenyuk V. P., Sverstiuk A. S. Monograph Computation Models of Cyber-physical Systems of Medical and Biological Processes: Qualitative Analysis. Ternopil: Ukrmedknyha. 2019. P. 202. 425. Martsenyuk V. P., Sverstiuk A. S., Klos-Witkowska A., Bagriy- Zayats O. A. Numerical Simulation of Cyber-Physical Biosensor Systems on the Basis of Lattice Difference Eqations. Advances in Cyber-Physical Systems. 2019. Vol. 4 (2). P. 75–85. 426. Martsenyuk V. P., Sverstiuk A. S., Klos-Witkowska A., Horkunenko A. B., Rajba S. Vector of Diagnostic Features in the Form of 408 Decomposition Coefficients of Statistical Estimates Using a Cyclic Random Process Model of Cardiosignal. The 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, 18–21 September. Metz, 2019. Vol. 1. P. 298–303. 427. Martsenyuk V. P., Sverstiuk A. S., Klos-Witkowska A., Kozodii N. V., Bagriy-Zayats O. A., Zubenko I. R. Numerical Analysis of Results Simulation of Cyber-physical Biosensor Systems. In 1st International Workshop Information-Communication Techologies&Embedded Systems. 14–15 November, Mykolaiv. 2019. Vol. 1. P. 149–164. 428. Martsenyuk V.P., Sverstiuk A.S., Karpinski M.P., Klos- Witkowska A. Stability investigation of biosensor model based on lattice difference equations. Book of Abstracts. Conference ICDEA-2018. Technical University of Dresden, 21–25 May. Dresden, Germany, 2018. P. 10. 429. Martsenyuk V.P., Sverstiuk A.S., Milyan N.V. On stability investigation of population dynamics model based on lattice differential equations. Proceedings of International Conference “Dynamical System Modeling and Stability Investigations” (DSMSI-2019), 22–24 May 2019. Kiev, Ukraine. 2019. P. 65–67. 430. Marzeniuk V., Nakonechny A. Investigation of delay system with piecewise right side arising in radiotherapy. WSEAS Transactions on Mathematics. 2004. Vol. 3(1). P. 181–187. 431. Matveev A. S., Savkin A. V. Optimal chemotherapy regimens: influence of tumors on normal cells and several toxicity constraints. Mathematical Medicine and Biology. 2001. Vol. 18. Р. 25–40. 432. McAteer K., Simpson C. E., Gibson T. D., Gueguen S., Boujtita M., El Murr N. Proposed model for shelf-life prediction of stabilized commercial enzyme-based systems and biosensors. Molecular Catalysis B: Enzymatic. 1999. Vol. 7. P. 47–56. 433. Mcсluskey C. C. Complete global stability for an SIR epidemic model with delay – distributed or discrete. Nonlinear Analysis: Real World Applications. 2010. Vol. 11 (1). P. 55–59. 409 434. Mcсluskey C. C. Global stability for an SIR epidemic model with delay and nonlinear incidence. Nonlinear Analysis: Real World Applications. 2010. Vol. 11 (4). P. 3106–3109. 435. Meena A., Rajendran L. Mathematical modeling of amperometric and potentiometric biosensors and system of non-linear equations – Homotopy perturbation approach. Journal of Electroanalytical Chemistry. 2010. Vol. 644 (1). P. 50–59. 436. Mehrotra P. Biosensors and their applications – a review. Journal of Oral Biology and Craniofacial Research. 2016. Vol. 6 (2). P. 153–159. 437. Meissner H., Aurich J. Implications of cyber-physical production systems on integrated process planning and scheduling. Procedia Manufacturing. 2019. Vol. 28. P. 167–173. 438. Mello L. D., Kisner A., Goulart M. O., Kubota L. T. Biosensors for antioxidant evaluation in biological systems. Combinatorial Chemistry & High Throughput Screening. 2013. Vol. 16. P. 109–120. 439. Melnik A. Cyber-physical systems multilayer platform and research framework. Advances in cyber-physical systems. 2016. Vol. 1 (1). P. 1–6. 440. Metke A. R., Ekl R. L. Security technology for smart grid networks. IEEE Transactions on Smart Grid. 2010. Vol. 1 (1). P. 99–107. 441. Mickens R. E. Advances in the applications of nonstandard finite difference schemes. World Scientific. 2005. P. 664. 442. Mickens R. E. Nonstandard finite difference models of differential equations. World Scientific. 1994. P. 264. 443. Mo Y. Sinopoli B. Secure control against replay attacks. In Allerton Conf. on Communications, Control and Computing, Monticello, IL, USA. 2010. P. 911–918. 444. Mohamad S. Exponential stability preservation in discrete–time analogues of artificial neural networks with distributed delays. Journal of Computational and Applied Mathematics. 2008. Vol. 215 (1). P. 270–287. 445. Moina C., Ybarra G. Fundamentals and applications of immunosensors. Advances in immunoassay technology. 2012. P. 65–80. 446. Mosinska L., Fabisiak K., Paprocki K., Kowalska M., Popielarski P., Szybowicz M., Stasiak A. Diamond as a transducer material for the production of biosensors, Przemysl Chemiczny. 2013. Vol. 92 (6). P. 919–923. 447. Motallebi H., Azgomi M. Modeling and verification of hybrid dynamic systems using multisingular hybrid Petri nets. Theoretical Computer Science. 2012. Vol. 446. P. 48–74. 448. Nagra N. S., Popta D., Whiteside S., Holt E. An analysis of postoperative hemoglobin levels in patients with a fractured neck of femur. Acta Orthopaedica et Traumatologica Turcica. 2016. Vol. 50 (5). P. 507–513. 449. Nakano F., Sakushima K., Umeki R., Yabe I., Endoh A., Sasaki H. Effects of age and glucose levels on lactate levels in cerebrospinal fluid examination of neurodegenerative diseases. Journal of the Neurological Sciences. 2017. Vol. 378. P. 45–48. 450. Nakonechny A., Marzeniuk V. Uncertainties in medical processes control. Lecture Notes in Economics and Mathematical Systems, 2006. Vol. 581, P. 185–192. 451. Nakonechnyi A. G., Levoshich O. L. Estimating the solutions of linear stochastic equations by the information criterion. Journal of Soviet Mathematics, 1992. Vol. 60. No. 4. P. 1619–1625. 452. Nakonechnyi O., Martsenyuk V., Sverstiuk A. On Application of Kertesz Method for Exponential Estimation of Neural Network Model with Discrete Delays. In: Zawiślak S., Rysiński J. (eds) Engineer of the XXI Century. Mechanisms and Machine Science. Springer, Cham. Projekt interdyscyplinarny projektem XXI wieku. 2020. Vol. 70. P. 165–176. 453. Nerode A. Logic and control. LNCS. Berlin. Springer. 2007. Vol. 4497. P. 585–597. 454. Nezami A., Dehghani S., Nosrati R., Eskandari N., Taghdisi S. M., Karimi G. Nanomaterial–-based biosensors and immunosensors for quantitative determination of cardiac troponins. Journal of Pharmaceutical and Biomedical Analysis. 2018. Vol. 159. P. 425–436. 455. Nicholson A. J., Bailey V. A. The balance of animal populations. Proceedings of the Zoological Society of London. Wiley Online Library. 1935. Vol. 105. P. 551–598. 456. Nie S., Xing Y., Kim G. J., Simons J. W. Nanotechnology applications in cancer. Annual Review of Biomedical Engineering. 2007. Vol. 9. P. 257–288. 457. Nieto J., Rodríguez-López R. Some results on boundary value problems for fuzzy differential equations with functional dependence. Fuzzy Sets and Systems. 2013. Vol. 230. P. 92–118. 458. Niu H. Spreading speeds in a lattice differential equation with distributed delay. Turkish Journal of Mathematics, 2015. Vol. 39. No. 2. P. 235–250. 459. Ogi H.. Wireless-electrodeless quartz-crystal-microbalance biosensors for studying interactions among biomolecules: a review. Proceedings of the Japan Academy, Ser. B, Physical and Biological Sciences. 2013. Vol. 89. P. 401– 417. 460. Oldach L., Zhang J. Genetically encoded fluorescent biosensors for live–cell visualization of protein phosphorylation. Chemistry & Biology. 2014. Vol. 21. P. 186–197. 461. Padjen I., Öhler L., Studenic P., Woodworth T., Smolen J., Aletaha D. Clinical meaning and implications of serum hemoglobin levels in patients with rheumatoid arthritis. Seminars in Arthritis and Rheumatism. 2017. Vol. 47. Issue 2. P. 193–198. 462. Paek S. H., Schramm W. Modeling of immunosensors under nonequilibrium conditions: mathematic modeling of performance characteristics. Analytical biochemistry. 1991. Vol. 196. No. 2. P. 319–325. 463. Pan S. Propagation of delayed lattice differential equations without local quasimonotonicity. Annales Polonici Mathematici. 2015. Vol. 114, P. 219–233. 464. Panjan P., Virtanen V., Sesay A. M. Determination of stability characteristics for electrochemical biosensors via thermally accelerated ageing. Talanta. 2017. Vol. 170. P. 331–336. 465. Pankov A., Pfluger K. Travelling waves in lattice dynamical systems. Mathematical Methods in the Applied Sciences. 2000. Vol. 23. P. 1223– 1235. 466. Park J. H. On global stability criterion for neural networks with discrete and distributed delays. Chaos, Solitons & Fractals. 2006. Vol. 30. No. 4. P. 897–902. 467. Park J. H., Cho H. J. A delay-dependent asymptotic stability criterion of cellular neural networks with time-varying discrete and distributed delays. Chaos, Solitons & Fractals. 2007. Vol. 3. No. 2. P. 436–442. 468. Park K., Jung J., Son J., Kim S. H., Chung B. H. Anchoring foreign substances on live cell surfaces using Sortase A specific binding peptide. Chemical Communications. 2013. Vol. 49. P. 9585–9587. 469. Pasqualetti F., Dorer F., Bullo F. Attack detection and identification for cyber-physical systems. Part I: Models and fundamental limitations. 2012, P. 1– 13. 470. Pasqualetti F., Zampieri R., Bullo F. Controllability metrics and algorithms for complex networks. American Control Conference. 2013. P. 1–11. 471. Peng F., Su Y., Zhong Y., Fan C., Lee S. T., He Y. Silicon nanomaterials platform for bioimaging, biosensing, and cancer therapy. Accounts of Chemical Research. 2014. Vol. 47. P. 612–623. 472. Persson E., Halle B. Cell water dynamics on multiple time scales. Proceedings of the National Academy of Sciences. 2008. Vol. 105, P. 6266–6271. 473. Pfaffl M. W. A new mathematical model for relative quantification in real-time RT-PCR. Oxford Journals Science & Mathematics Nucleic Acids Research. Vol. 29. No. 900. P. 45–51. 474. Piccinini L. C., Stampacchia G., Vidossich G. Ordinary Differential Equations in Rn. Problems and Methods Ordinary. Berlin-Heidelberg-New York- Tokyo, Springer-Verlag. 1984. Vol. XII. P. 385. 475. pj.freefaculty.org. [Електронний ресурс]: [Інтернет-портал]. Електронні дані. 1000 R tutorials/Links. Режим доступа: http://pj.freefaculty.org/R/Rtips.html (дата звернення 30.03.2017). Назва з екрана. 476. Plant_genetics. [Електронний ресурс]: [Інтернет-портал]. Електронні дані. Режим доступа: http://en.wikipedia.org/wiki/Plant_genetics. (дата звернення 30.03.2017). Назва з екрана. 477. Plappert M., Mandery C., Asfour T. Learning a bidirectional mapping between human whole-body motion and natural language using deep recurrent neural networks. Robotics and Autonomous Systems. 2018. Vol. 109. P. 13– 26. 478. Platzer A. A complete uniform substitution calculus for differential dynamic logic. Journal of Automated Reasoning. 2017. Vol. 59 (2). P. 219–265. 479. Platzer A. Differential dynamic logic for hybrid systems. Journal of Automated Reasoning. 2018. Vol. 41. № 2. P. 143–189. 480. Platzer A. How to prove hybrid systems and why that matters. International Conference on Complex Systems Engineering (ICCSE). Storrs. 2015. P. 1–2. 481. Platzer A. Logical foundations of cyber-physical systems. Berlin: Springer. 2018. P. 639. 482. Platzer A. Logics of Dynamical Systems. 27th Annual IEEE Symposium on Logic in Computer Science. Dubrovnik. 2012. P. 13–24. 483. Platzer A. The complete proof theory of hybrid systems. In 27th Annual ACM/IEEE Symposium on Logic in Computer Science. 2012. Р. 541–550. 484. Platzer A. Towards a Hybrid Dynamic Logic for Hybrid Dynamic Systems. Electronic Notes in Theoretical Computer Science. 2007. Vol. 174 (6). P. 63–77. 485. Pnueli A. The temporal logic of programs. Foundations of Computer Science. 1977. P. 46–57. 486. Popovtzer R., Neufeld T., Biran D., Ron E., Rishpon J., Shacham- Diamand Y. Novel integrated electrochemical nano-biochip for toxicity detection in water. Nano Letters. 2005. Vol. 5. P. 1023–1027. 487. Popovtzer R., Natan A., Shacham-Diamand Y. Mathematical model of whole cell based bio-chip: An electrochemical biosensor for water toxicity detection. Journal of Electroanalytical Chemistry. 2007. Vol. 602 (1). P. 17–23. 488. Prindle A., Samayoa P., Razinkov I., Danino T., Tsimring L. S., Hasty J. A sensing array of radically coupled genetic ‘biopixels’. Nature. 2011. Vol. 481. No. 7379. P. 39–44. 489. Qin C., Yao D., Shi Y., Song Z. Computer-aided detection in chest radiography based on artificial intelligence. A survey BioMedical Engineering. 2018. Vol. 17. No. 113. 490. Rahman M. S., Rikta K. A., Bashar L. B., Anower M. S. Numerical analysis of graphene coated surface plasmon resonance biosensors for biomedical applications. Optik. 2018. Vol. 156. P. 384–390. 491. Ramanavicius A., Oztekin Y., Ramanaviciene A. Electrochemical formation of polypyrrole-based layer for immunosensor design. Sensors and Actuators B: Chemical. 2014. Vol. 197. P. 237–243. 492. Randriamampita C., Lellouch A. C. Imaging early signaling events in T lymphocytes with fluorescent biosensors. Biotechnology Journal. 2014. Vol. 9. P 203–212. 493. Rasooly A., Jacobson J. Development of biosensors for cancer clinical testing. Biosensors and Bioelectronics. 2006. Vol. 21 (10). P. 1851–1858. 494. Rath H., Panda S. Enhanced capture efficiencies of antigens in immunosensors. Chemical Engineering Journal. 2015. Vol. 260. P. 657–670. 495. redblobgames.com [Електронний ресурс] : [Інтернет-портал]. – Електронні дані. – Режим доступа: https://www.redblobgames.com/ grids/hexagons/. (дата звернення 30.03.2017). – Назва з екрана. 496. Reddy S., Mainwaring D., Kobaisi M., Zeephongsekul P., Fecondo J. Acoustic wave immunosensing of a meningococcal antigen using gold nanoparticle- enhanced mass sensitivity. Biosensors and Bioelectronics. 2012. Vol. 31. Issue 1. P. 382–387. 497. Rembielak A., Green M., Saleem A., Price P. Diagnostic and therapeutic imaging in oncology. Medicine. 2016. Vol. 44, Issue 1. P. 6–9. 498. Ronkainen N. J., Halsall H. B., Heineman W. R. Electrochemical biosensors. Chemical Society Reviews. 2010. Vol. 39. P. 1747–1763. 499. Rössler O. E. Chemical Turbulence: Chaos in a Simple Reaction- Diffusion System. Zeitschrift fur Naturforschung . 31a. 1976. P. 1168–1172. 500. Rossman L. A. Epanet 2, water distribution system modeling software. US Environmental Protection Agency. Water Supply and Water Resources Division. Tech Rep. 2000. P. 200. 501. Rossokhaty V., Rossokhata N. Mathematical model of a biosensor with multilayer charged membrane, Computer Physics Communications. 2002. Vol. 147. Issues 1–2. P. 366–369. 502. Rozhkov V. I., Popov A. M. Estimates of the solutions of certain systems of differential equations with time lag. Differentsialniye Uravnyeniya. 1971. Vol. 7. P. 271–278. 503. r–project.org [Електронний ресурс]: [Інтернет-портал]. – Електронні дані. The R Project for Statistical Computing. Режим доступа: http://www.r–project.org/. (дата звернення 30.03.2017). – Назва з екрана. 504. Ruan S., Wei J. On the zeros of a third degree exponential polynomial with applications to a delayed model for the control of testosterone secretion. Mathematical Medicine and Biology. 2001. Vol. 18. No. 1. P. 41–52. 505. Ruan S., Wei J. On the zeros of transcendental functions with applications to stability of delay differential equations with two delays. Dynamics of Continuous, Discrete and Impulsive Series A: Mathematical Analysis. 2003. Vol. 10. No. 6. P. 863–874. 506. Ruiz-Arenas S., Horváth I., Mejía-Gutiérrez R., Opiyo E. Towards the maintenance principles of cyber-physical systems. Strojniški vestnik-Journal of Mechanical Engineering. 2014. Vol. 60 (12). P. 815–831. 507. Sáenz J., González-Rojí S. J., Carreno-Madinabeitia S., Ibarra- Berastegi G. Analysis of atmospheric thermodynamics using the R package aiRthermo. Computers & Geosciences. 2019. Vol. 122. P. 113–119. 508. Salmain M., Ghasemi M., Boujday S., Spadavecchia J., Técher C., Val F., Moigne V., Gautier M., Briandet R., Pradier C. Piezoelectric immunosensor for direct and rapid detection of staphylococcal enterotoxin A (SEA) at the ng level. Biosensors and Bioelectronics. 2011.Vol. 29 (1). P. 140–144. 509. Salmain M., Ghasemi M., Boujday S., Pradier C. Elaboration of a reusable immunosensor for the detection of staphylococcal enterotoxin A (SEA) in milk with a quartz crystal microbalance, Sensors and Actuators B: Chemical. 2012. Vol. 173. P. 148–156. 510. Sang S., Wang Y., Feng Q., Wei Y. Ji, Zhang W. Progress of new label-free techniques for biosensors: a review. Critical review Biotechnology. 2015. Vol. 15. P. 1–17. 511. Scheller F., Yarman A., Bachmann T., Hirsch T., Kubick S., Renneberg R. Future of biosensors: a personal view. Biochemical Engineering/Biotechnology. 2014. Vol. 140. P. 1–28. 512. Schneider E., Clark D. S. Cytochrome P450 (CYP) enzymes and the development of CYP biosensors. Biosensors and Bioelectronics. 2013. Vol. 39. P. 1– 13. 513. Schütze A., Helwig N., Schneider T. Sensors 4.0 – smart sensors and measurement technology enable industry 4.0. Journal of Sensors and Sensor Systems, May 2018. Vol. 7. No. 1. P. 359–371. 514. Schwenk M. Chemical warfare agents. Classes and targets, Toxicology Letters. 2018. Vol. 293. P. 253–263. 515. Scott A. C. Analysis of a myelinated nerve model. Bulletin of Mathematical Biology. 1964. Vol. 26. P. 247–254. 516. Sha K., Liang X., Li W. Editorial: Special Issue on Security in Medical Cyber-physical Systems. Smart Health. 2019. Vol. 12. P. 1–2. 517. Shamsipur M., Emami M., Farzin L., Saber R. A sandwich-type electrochemical immunosensor based on in situ silver deposition for determination of serum level of HER2 in breast cancer patients. Biosensors and Bioelectronics. 2018. Vol. 103. P. 54–61. 518. Sharma M. K., Rao V. K., Merwyn S., Agarwal G. S., Upadhyay S., Vijayaraghavan R. A novel piezoelectric immunosensor for the detection of malarial Plasmodium falciparum histidine rich protein-2 antigen. Talanta. 2011. Vol. 85, Issue 4. P. 1812–1817. 519. Shen M. Y., Li B. R., Li Y. K. Silicon nanowire field-effect- transistor based biosensors: from sensitive to ultra-sensitive. Biosens. Bioelectron. 2014. Vol. 60. P. 101–111. 520. Shen W. Lifted lattices, hyperbolic structures, and topological disorders in coupled map lattices. SIAM Journal on Applied Mathematics. 1996. Vol. 56. P. 1379–1399. 521. Shipston M. J. Alternative splicing of potassium channels: a dynamic switch of cellular excitability. Trends in Cell Biology. 2001. Vol. 11. P. 353–358. 522. Shushama K. N., Rana M. M., Inum R., Hossain M. B. Graphene coated fiber optic surface plasmon resonance biosensor for the DNA hybridization detection: simulation analysis. Optics Communications. 2017. Vol. 383. P. 186–190. 523. Shushan Y., Portugali J., Blumenfeld-Lieberthal E. Using virtual reality environments to unveil the imageability of the city in homogenous and heterogeneous environments. Computers, Environment and Urban Systems. 2016. Vol. 58. P. 29–38. 524. Sieniutycz S., Szwast Z. 4-Neural Networks – A Review of Applications. Editor(s): Stanislaw Sieniutycz. Zbigniew Szwast. Optimizing Thermal. Chemical and Environmental Systems. Elsevier. 2018. P. 109–120. 525. Singh V. New global robust stability results for delayed cellular neural networks based on norm-bounded uncertainties. Chaos, Solitons & Fractals. 2006. Vol. 30. No. 5. P. 1165–1171. 526. Slay J., Miller M. Lessons learned from the Maroochy water breach. Critical Infrastructure Protection. 2007. Vol. 253. P. 73–82. 527. Smith R. A decoupled feedback structure for covertly appropriating network control systems. In IFAC World Congress, Milan, Italy. 2011. P. 90–95. 528. Snyder S. L., McAuley K. B., McLellan P. J., Brouwer E. B., McCaw T. Modeling the thermal stability of enzyme-based in vitro diagnostics biosensors. Sensors and Actuators B: Chemical. 2011. Vol. 156. Issue 2. P. 621–630. 529. Song Y., Luo Y., Zhu C., Li H., Du D., Lin Y. Recent advances in electrochemical biosensors based on graphene two-dimensional nanomaterials. Biosensors and Bioelectronics. 2016. Vol. 76. P. 195–212. 530. Soulier P., Li D., Williams J. A survey of language-based approaches to cyber-physical and embedded system development. Tsinghua Science and Technology. 2015. Vol. 20. No 2. P. 130–141. 531. Sridhar S., Hahn A., Govindarasu M. Cyber-physical system security for the electric power grid. Proceedings of the IEEE. 2012. Vol. 99. No. 1. P. 1–15. 532. stat.ethz.ch/pipermail/r–help [Електронний ресурс]: [Інтернет- портал]. Електронні дані. The R–help Archives. – Режим доступа: https://stat.ethz.ch/pipermail/r–help/. (дата звернення 30.03.2017). – Назва з екрана. 533. statmethods.net/index.html [Електронний ресурс]: [Інтернет- портал]. Електронні дані. R Site Search. Режим доступа: http://www.statmethods.net/index.html (дата звернення 30.03.2017). Назва з екрана. 534. Stehlık P., Volek J. Maximum principles for discrete and semidiscrete reaction-diffusion equation. Discrete Dynamics in Nature and Society. Vol. 2015. P. 1–13. 535. Stiver J. A., Antsaklis P. J., Lemmon M. D. A logical DES approach to the design of hybrid control systems. Mathematical and Computer Modelling. 1996. Vol. 23 (11–12). Р. 55–76. 536. Stock D., Schel D. Cyber-physical Production System Fingerprinting. Procedia CIRP. 2019. Vol. 81. P. 393–398. 537. Stone E., Goldes J., Garlick M. A multi-stage model for quantitative PCR. Mathematical biosciences and engineering. 2000. Vol. 00. No. 0. P. 1–17. 538. Stryk O., Bulirsch R. Direct and indirect methods for trajectory optimization. Annals of Operations Research. 1992. Vol. 37. No. 2. Iss. 1–4. P. 357– 373. 539. Su L., Jia W., Hou C., Lei Y. Microbial biosensors: a review. Biosensors and Bioelectronics. 2011. Vol. 26. P. 1788–1799. 540. Sun J. Z., Peter K. G., Si R. W., Zhai D. D., Liao Z. H., Sun D. Z., et al. Microbial fuel cell-based biosensors for environmental monitoring: a review. Water Science and Technology. 2015. Vol. 71. P. 801–809. 541. Sverstiuk A. Comparative analysis of results of numerical simulation of cyber-physical biosensor systems on the basis of lattice diferential equations. Scientific Journal of TNTU. 2019. Vol. 95. No 3. P. 75–85. 542. Sverstiuk A. Cyber-physical model of the immunosensor system in a rectangular lattice with the use of lattice difference equations of population dynamics. Scientific Journal of TNTU. 2018. Vol. 92. No 4. P. 112–125. 543. Sverstiuk A. Numerical Algorithm for Optimal Control development for Annealing Stage of Polymerase Chain Reaction. Scientific Journal of TNTU. 2019. Vol. 93. No 1. P. 147–160. 544. Sverstiuk A. Numerical simulation of electric signal in a cyber- physic immunosensor system in a rectangle lattice in a package R. Scientific Journal of TNTU. 2019. Vol. 94. No 2. P. 96–103. 545. Sverstiuk A. S., Shevchuk O. O., Marchuk O. M., Martsenyuk V. P. On metrological aspects of measurement on the basis of PCR. XIII International Scientific Conference Coordinate Measuring Technique Bielsko-Biała, 11th – 13th of April, 2018. P. 49. 546. Sverstyuk A. On direct method for the constructing the optimal controller for annealing stage of polymerase chain reaction. Projekt interdyscyplinarny projektem XXI wieku. 2017. T. 2. P. 317–328. 547. Tao F., Qi Q., Wang L., Nee A. Digital Twins and Cyber-physical Systems toward Smart Manufacturing and Industry 4.0: Correlation and Comparison. Engineering. 2019. Vol. 5. Issue 4, P. 653–661. 548. Tao F, Zhang M., Nee A., Chapter 12 – Digital Twin, Cyber-physical System, and Internet of Things, Editor(s): Fei Tao, Meng Zhang, A.Y.C. Nee, Digital Twin Driven Smart Manufacturing, Academic Press. 2019. P. 243–256. 549. Teixeira A., Amin S., Sandberg H., Johansson K. H., Sastry S. Cyber security analysis of state estimators in electric power systems. Іn IEEE Conf. on Decision and Control, Atlanta, GA, USA. 2010. P. 5991–5998. 550. Thiede S., Juraschek M., Herrmann C. Implementing cyber-physical production systems in learning factories. Procedia CIRP. 2016. Vol. 54. P. 7–12. 551. Tokarskyy O., Marshall D. Immunosensors for rapid detection of Erchelica coli O157:H7 – perspective for use in the meat processing industry. Food Microbiology. 2008. Vol. 141 (18). P. 1–12. 552. Tomita Y., Omatu S., Soeda T. An application of the information theory to filtering problems. Information Sciences. 1976. Vol. 11. No. 1. P. 13–27. 553. Tsotsou G. E., Cass A. E. G., Gilardi G. High throughput assay for cytochrome P450 BM3 for screening libraries of substrates and combinatorial mutants. Biosensors and Bioelectronics. 2002. Vol. 17. P. 119–131. 554. Turner A. P. Biosensors: sense and sensibility. Chemical Society Reviews. 2013. Vol. 42. P. 3184–3196. 555. Valentini F., Galache F. L., Tamburri E., Palleschi G. Single walled carbon nanotubes/polypyrrole–GOx composite films to modify gold microelectrodes for glucose biosensors: study of the extended linearity. Biosensors and Bioelectronics. 2013. Vol. 43. P. 75–78. 556. Vernick S., Freeman A., Rishpon J., Niv Y., Vilkin A., Shacham- Diamand Y. Electrochemical biosensing for direct biopsy slices screening for colorectal cancer detection. Journal of The Electrochemical Society. 2011. Vol. 158. P. 1–4. 557. Vigneshvar S., Sudhakumari C. C., Senthilkumaran B., Prakash H. Recent Advances in Biosensor Technology for Potential Applications. An Overview Frontiers in Bioengineering and Biotechnology. 2016. Vol. 4. P. 11. 558. Vorotyntsev M. A., Antipov A. E. Reduction of bromate anion via autocatalytic redox-mediation by Br2/Br − redox couple. Theory for stationary 1D regime. Effect of different Nernst layer thicknesses for reactants, Journal of Electroanalytical Chemistry. 2016. Vol. 779. P. 146–155. 559. Wang B. Asymptotic behavior of non-autonomous lattice systems. Mathematical Analysis. 2007. Vol. 331. P. 121–136. 560. Wang B. Dynamics of systems on infinite lattices. Differential Equations. 2006. Vol. 221. P. 224–245. 561. Wang B., Takahashi S., Du X., Anzai J. Electrochemical biosensors based on ferroceneboronic acid and its derivatives: a review. Biosensor. 2014. Vol. 4 P. 243–256. 562. Wang H., Yu Y., Wen G., Zhang S., Yu J. Global stability analysis of fractional-order hopfield neural networks with time delay. Neurocomputing. 2015. Vol. 154. P. 15–23. 563. Wang P., Li M., Pei F., Li Y., Liu Q., Dong Y., Chu Q., Zhu H. An ultrasensitive sandwich-type electrochemical immunosensor based on the signal amplification system of double-deck gold film and thionine unite with platinum nanowire inlaid globular SBA-15 microsphere. Biosensors and Bioelectronics. 2017. Vol. 91. P. 424–430. 564. Wang Q., Liu X. Exponential stability of impulsive cellular neural networks with time delay via Lyapunov functionals. Applied Mathematics and Computation. 2007. Vol. 194. No. 1. P. 186–198. 565. Wang Q., Wang B. Sensitivity enhanced SPR immunosensor based on graphene oxide and SPA co-modified photonic crystal fiber, Optics & Laser Technology. 2018. Vol. 107. P. 210–215. 566. Wang S., Poon G. M., Wilson W. D. Quantitative investigation of protein-nucleic acid interactions by biosensor surface plasmon resonance. Methods in Molecular Biology. 2015. Vol. 1334. P. 313–332. 567. Wang X., Kloeden P. E., Yang M. Asymptotic behaviour of a neural field lattice model with delays. Physica D: Nonlinear Phenomena. 2019. Vol. 389. P. 1–12. 568. Wang Y., Li X., Cao W., Li Y., Li H., Du B., Wei Q. Facile fabrication of an ultrasensitive sandwich-type electrochemical immunosensor for the quantitative detection of alpha fetoprotein using multifunctional mesoporous silica as platform and label for signal amplification, Talanta, 2014. Vol. 129. P. 411–416. 569. Wang Y., Yang C., Zuo Zh. On exponential stability analysis for neural networks with time-varying delays and general activation functions. Communications in Nonlinear Science . 2012. Vol. 17. No. 3. P. 1447–1459. 570. Wang Z. C., Li W. T., Wu J. Entire solutions in delayed lattice differential equations with monostable nonlinearity. SIAM Journal on Mathematical Analysis. 2009. Vol. 40. No. 6. P. 2392–2420. 571. Wang Zh., Liu Zh., Zheng Ch. Qualitative analysis and control of complex neural networks with delays. Springer, Heidelberg. 2016. P. 388. 572. Waschburger R., Galva R. Time delay estimation in discretetime state-space models. Signal Process. 2013. Vol. 93(4). P. 904–912. 573. Waschburger R. R., Galvao K. H. Time delay estimation in discretetime state-space models. Signal Process. 2013. Vol. 93(4). P. 904–912. 574. Watts D. G. Estimating parameters in nonlinear rate equations, Can. J. Chem. Eng. 1994. Vol. 72. P. 701–710. 575. Wei J., Ruan S. Stability and bifurcation in a neural network model with two delays. Physica D Nonlinear Phenomena. 1999. Vol. 130. P. 255–272. 576. Weinstein R. S., Krupinski E. A., Doarn C. R. Clinical Examination Component of Telemedicine, Telehealth, mHealth, and Connected Health Medical Practices. Medical Clinics of North America. 2018. Vol. 102 (3). P. 533–544. 577. Wennberg A. M., Spira A. P., Pettigrew C., Soldan A., Zipunnikov V., Rebok G. W., Roses A. D., Lutz M. W., Miller M. M., Thambisetty M., Albert M. S. Blood glucose levels and cortical thinning in cognitively normal, middle-aged adults, Journal of the Neurological Sciences. 2016. Vol. 365. P. 89–95. 578. Wilson K., Hawken S., Murphy M., Atkinson K., Potter B., Sprague A., Walker M., Chakraborty P., Little J. Postnatal Prediction of Gestational Age Using Newborn Fetal Hemoglobin Levels. EbioMedicine. 2017. Vol. 15. P. 203– 209. 579. Wu F. Asymptotic speed of spreading in a delay lattice differential equation without quasimonotonicity. Electronic Journal of Differential Equations. 2014. P. 1–10. 580. Wu M., Liu F., Shi P., He Y., Yokoyama R. Exponential stability analysis for neural networks with time-varying delay. Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions. 2008. Vol. 38. No. 4. P. 1152– 1156. 581. Xiangchun X., Sinton D., Dongqing L. Thermal end effects on electroosmotic flow in capillary. International Journal of Heat and Mass Transfer. 2004. Vol. 47 (14–16). P. 3145–3157. 582. Yagi K. Applications of whole-cell bacterial sensors in biotechnology and environmental science. Applied Microbiology and Biotechnology. 2007. Vol. 73 P. 1251–1258. 583. Yamamoto M. Surface plasmon resonance (SPR) theory, Review of Polarography. 2002. Vol. 48. P. 209. 584. Yamane T., Kozuka M., Wada-Yoneta M., Sakamoto T., Nakagaki T., Nakano Y., Ohkubo I. Aronia juice suppresses the elevation of postprandial blood glucose levels in adult healthy Japanese. Clinical Nutrition Experimental. 2017. Vol. 12. P. 20–26. 585. Yan X. P., Li W. T. Stability and bifurcation in a simplified four– neuron bam neural network with multiple delays. Discrete Dynamics in Nature and Society. 2006. Vol. 2006. P. 1–29. 586. Yana H., Gonga L., Zang L., Yan H., Gong L., Zang L., Dai H., Xu G., Zhang S., Lin Y. Dual-responsive competitive immunosensor for sensitive detection of tumor marker on g-CN/rGO conjugation. Sensors and Actuators B: Chemical. 2016. Vol. 230. P. 810–817. 587. Yang X. Uniform persistence and periodic solutions for a discrete predator-prey system with delays. Journal of Mathematical Analysis and Applications. 2006. Vol. 316. No. 1. P. 161–177. 588. Yoetz-Kopelman T., Porat-Ophir C., Shacham-Diamand Y., Freeman A. Whole-cell amperometric biosensor for screening of cytochrome P450 inhibitors. Sensors and Actuators B: Chemical. 2016. Vol. 223. P. 392–399. 589. Yoetz-Kopelmana T., Pandeya R., Freemanb A., Shacham- Diamand Y. Modeling of suspended vs. immobilized whole-cell amperometric biosensors. Sensors and Actuators B. 2017. Vol. 238. P. 1248–1257. 590. Yongkun L., Yaping R. Exponential convergence for bam neural networks with distributed delays. Electronic Journal of Differential Equations. 2008. Vol. 2008. P. 1–8. 591. Yoo Y. Hyperparameter optimization of deep neural network using univariate dynamic encoding algorithm for searches. Knowledge-Based Systems. 2019. Vol. 178. P. 74–83. 592. Zaitseva M. F., Magnitskii N. A. Space-time chaos in a system of reaction-diffusion equations. Differential Equations. 2017. Vol. 53. P. 1519–1523. 593. Zeng Y., Zhu Z., Du D., Lin Y. Nanomaterial-based electrochemical biosensors for food safety. Journal of Electroanalytical Chemistry. 2016. Vol. 781. P. 147–154. 594. Zhan T., Meng X., Zhang T. Global analysis for a delayed SIV model with direct and environmental transmissions. Journal of Applied Analysis and Computation. 2016. Vol. 6 (2). P. 479–491. 595. Zhang G. B. Global stability of traveling wave fronts for non-local delayed lattice differential equations. Nonlinear Analysis: Real World Applications. 2012. Vol. 13. P. 1790–1801. 596. Zhang Q., Wei X., Xu J. Stability of delayed cellular neural networks. Chaos, Solitons & Fractals. 2007. Vol. 31. No. 2. P. 514–520. 597. Zhang X., Zhao J., Mu L., Tang Y., Xu C. Identity-based proxy- oriented outsourcing with public auditing in cloud-based medical cyber-physical systems. Pervasive and Mobile Computing. 2019. Vol. 56. P. 18–28. 598. Zhang Y., Zhang C., Ma R., Du X., Dong W., Chen Y., Chen Q. An ultra-sensitive Au nanoparticles functionalized DNA biosensor for electrochemical sensing of mercury ions. Materials Science and Engineering. 2017. Vol. 75. P. 175– 181. 599. Zhang Z., Liu J., Qi Z. M., Lu D. F. In situ study of self-assembled nanocomposite films by spectral SPR sensor. Materials Science and Engineering. 2015. Vol. 51. P. 242–247. 600. Zhao X., Zhou S. Kernel sections for processes and nonautonomous lattice systems. Discrete and Continuous Dynamical Systems. 2008. Vol. 9. P. 763– 785. 601. Zhou J., Zhou Y., Wang B., Zang J. Human-Cyber-physical Systems (HCPSs) in the Context of New-Generation Intelligent Manufacturing. Engineering. 2019. Vol. 5 (4). P. 624–636. 602. Zhou S. Attractors and approximations for lattice dynamical systems. Journal of Differential Equations. 2004. Vol. 200. P. 342–368. 603. Zhou S. Attractors for first order dissipative lattice dynamical systems. Journal of Physics D. 2003. Vol. 178. P. 51–61. 604. Zhou S. Attractors for lattice systems corresponding to evolution equations. Nonlinearity. 2002. Vol. 15. P. 1079–1095. 605. Zhou S. Attractors for second order lattice dynamical systems. Journal of Differential Equations. 2002. Vol. 179. P. 605–624. 606. Zhou Y., Chiu C. W., Liang H. Interfacial structures and properties of organic materials for biosensors: an overview. Sensors. 2012. Vol. 12. Р. 15036– 15062. 607. Zhu M., Martinez S. Stackelberg-game analysis of correlated attacks in cyber-physical systems. In American Control Conference, San Francisco, CA, USA. 2011. P. 4063–4068. 608. Zinner B. Existence of traveling wave front solutions for the discrete Nagumo equation. Journal of Differential Equations. 1992. Vol. 96. P.1–27. 609. zoonek2.free.fr. [Електронний ресурс]: [Інтернет-портал]. Електронні дані. Statistics with R. Режим доступа: http://zoonek2.free.fr/UNIX/48_R/all.html (дата звернення 30.03.2017). Назва з екрана.
Список публікацій здобувача за темою дисертації Публікації, які відображають основні наукові результати дисертації Монографія 1. Martsenyuk V.P., Sverstiuk A.S. Monograph Computation Models of Cyber- physical Systems of Medical and Biological Processes: Qualitative Analysis. Ternopil: Ukrmedknyha. 2019. 202 p. Здобувачу належить розробка математичного та програмного забезпечення математичних моделей КФС медико-біологічних процесів на прямокутній та гексагональній решітках з використанням диференціальних та різницевих рівнянь із запізненням. Статті у наукових фахових виданнях, які індексуються у міжнародних наукометричних базах Scopus та Web of Science 2. Martsenyuk V., Klos-Witkowska A., Sverstiuk A. Stability, bifurcation and transition to chaos in a model of immunosensor based on lattice differential equations with delay. Electronic Journal of Qualitative Theory of Differential Equations: No. 2018(27). P. 1–31. (Scopus, Web of Science). Здобувачу належить розробка математичного та програмного забезпечення моделі імуносенсора з використанням решітчастих диференціальних рівнянь із запізненням на прямокутній решітці. 3. Martsenyuk V., Andrushchak I., Sverstiuk A., Klos-Witkowska A. On Investigation of Stability and Bifurcation of Neural Network with Discrete and Distributed Delays. In: Saeed K., Homenda W. (eds) Computer Information Systems and Industrial Management. CISIM 2018. Lecture Notes in Computer Science. Publisher Name: Springer, Cham. Vol. 11127. P. 300–313. (Scopus). Здобувачу належить розробка методів та дослідження стійкості нейронної мережі з дискретним та неперервним запізненням 4. Martsenyuk V.P., Andrushchak I.Ye., Zinko P.M., Sverstiuk A.S. On Application of Latticed Differential Equations with a Delay for Immunosensor Modeling. Journal of Automation and Information Sciences. 2018. Vol. 50 (6). P. 55–65. (Марценюк В.П., Андрущак И.Е., Зинько П.Н., Сверстюк А.С. Об использовании решетчастых дифференциальных уравнений с запаздыванием для моделирования иммуносенсора. Международный научно–технический журнал Проблемы управления и информатики. 2018. № 3. С. 37–45). (Scopus). Здобувачу належить розробка математичного математичної моделі імуносенсора на основі решітчастих диференціальних рівнянь із запізненням на прямокутній решітці. 5. Martsenyuk V.P., Sverstiuk A.S., Andrushchak I.Ye. Approach to the Study of Global Asymptotic Stability of Lattice Differential Equations with Delay for Modeling of Immunosensors. Journal of Automation and Information Sciences. 2019. Vol. 48 (8). P. 58–71. (Марценюк В.П., Сверстюк А.С., Андрущак И.Е. Подход к исследованию глобальной асимптотической устойчивости решетчатых дифференциальных уравнений с запаздыванием для моделирования иммуносенсоров. Международный научно-технический журнал Проблемы управления и информатики. 2019. Том 51, № 2. С. 62–74). (Scopus). Здобувачу належить дослідження стійкості математичної моделі імуносенсора на основі решітчастих диференціальних рівнянь із запізненням. 6. Martsenyuk V., Sverstiuk А., Gvozdetska I. Using Differential Equations with Time Delay on a Hexagonal Lattice for Modeling Immunosensors. Cybernetics and Systems Analysis. 2019. Vol. 55 (4). P. 625–636. (Марценюк В.П., Сверстюк А.С., Гвоздецкая И.С. Использование дифференциальных уравнений с запаздыванием на гексагональной решётке для моделирования иммуносенсоров. Международный научно-технический журнал Кибернетика и системный анализ. 2019. Том 55, № 4. С. 119–132). (Scopus). Здобувачу належить розробка математичної моделі імуносенсора на основі решітчастих диференціальних рівнянь із запізненням на гексагональній решітці.. 7. Martsenyuk V., Klos-Witkowska A., Sverstiuk A., Bagrii-Zayats O., Bernas M. On modelling predator-prey cellular automaton with help of lattice differential equations with time dilay. Advances in biotechnology. 18th International Multidisciplinary Scientific GeoConference SGEM 2018. Nano, bio, green and space technologies for a sustainable, 2th–8th of July, Albena, Bulgaria. 2018. Vol. 18. P. 407–414. (Scopus). Здобувачу належить розробка математичного та програмного забезпечення клітинних автоматів. 8. Martsenyuk V.P., Sverstiuk A.S., Klos-Witkowska A., Horkunenko A.B., Rajba S. Vector of Diagnostic Features in the Form of Decomposition Coefficients of Statistical Estimates Using a Cyclic Random Process Model of Cardiosignal. The 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, 18–21 September. Metz, 2019. Vol. 1. P. 298–303. (Scopus). Здобувачу належить розробка діагностичного простору в КФБСС для кардіодіагностики 9. Марценюк В.П., Сверстюк А.С. Комп’ютерна модель кібер-фізичної імуносенсорної системи з використанням решітчастих диференціальних рівнянь із запізненням на гексагональній решітці. Науковий журнал Радіоелектроніка, інформатика, управління. 2019. № 2 (49). С. 131–139. (Web of Science, Google Scholar, IndexCopernicus). Здобувачу належить розробка математичного та програмного забезпечення КФІСС з використанням решітчастих диференціальних рівнянь із запізненням на гексагональній решітці. 10. Martsenyuk V., Klos-Witkowska A., Sverstiuk A. Stability investigation of biosensor model based on lattice difference equations. Difference Equations and Discrete Dynamical Systems with Applications. Springer Proceedings in Mathematics and Statistics. 24th ICDEA, Dresden, Germany. 2020. Vol. 312. P. 297– 322. (Scopus). Здобувачу належить розробка математичного та програмного забезпечення дослідження стійкості моделі біосенсора на основі різницевих рівнянь із запізненням. 11. Nakonechnyi O., Martsenyuk V., Sverstiuk A. On Application of Kertesz Method for Exponential Estimation of Neural Network Model with Discrete Delays. In: Zawiślak S., Rysiński J. (eds) Engineer of the XXI Century. Mechanisms and Machine Science. Springer, Cham. Projekt interdyscyplinarny projektem XXI wieku. 2020. Vol.70. P. 165–176. (Scopus, Web of Science). Здобувачу належить дослідження методу Кертеша для екпоненціальної оцінки нейронної мережі з дискретним запізненням.
Статті у наукових фахових виданнях 12. Марценюк В.П., Сверстюк А.С., Гвоздецька І.С. Задача оптимального керування стадією елонгації полімеразно-ланцюгової реакції. Системні дослідження та інформаційні технології. 2015. № 4. С. 75–82. (Google Scholar, IndexCopernicus). Здобувачу належить розробка математичного та програмного забезпечення задачі оптимального керування стадією елонгації полімеразно-ланцюгової реакції. 13. Марценюк В.П., Сверстюк А.С. Числовий аналіз моделі імуносенсора на основі решітчастих диференціальних рівнянь із запізненням. Наукові праці: науково–методичний журнал Комп’ютерні технології. Миколаїв: Вид-во ЧНУ ім. П. Могили. 2017. Вип. 296. Т. 308. С. 116–124. (Index Copernicus, Google Scholar). Здобувачу належить розробка програмного забезпечення та проведення числового аналізу моделі імуносенсора на основі решітчастих диференціальних рівнянь із запізненням. 14. Марценюк В.П., Сверстюк А.С. Модель імуносенсора на основі решітчастих диференціальних рівнянь із запізненням. Штучний інтелект. 2018. № 1. С. 42–47. (Google Scholar). Здобувачу належить розробка математичної моделі імуносенсора на основі решітчастих диференціальних рівнянь із запізненням. 15. Sverstiuk A. Cyber-physical model of the immunosensor system in a rectangular lattice with the use of lattice difference equations of population dynamics. Scientific Journal of TNTU. 2018. Vol. 92. № 4. P. 112–125. (Google Scholar, IndexCopernicus). Здобувачу належить розробка математичного та програмного забезпечення КФІСС з використанням решітчастих диференціальних рівнянь із запізненням на прямокутній решітці. 16. Марценюк В.П., Сверстюк А.С., Козодій Н.В. Про підходи щодо математичного моделювання біосенсорних та імуносенсорних динамічних систем. Штучний інтелект. 2018. № 2. С. 94–102. (Google Scholar). Здобувачу належить огляд існуючих підходів до математичного моделювання біосенсорних та імуносенсорних динамічних систем. 17. Martsenyuk V., Sverstiuk A., Andrushchak I., Klos–Witkowska A. Immunosensor Model on the Basis of Lattice Dynamic System. Selected papers XХХІІ International conference Problems of decision making under uncertainties (PDMU–2018), (August 27–31), Prague, Czech Republic. 2018. P. 54–63. (Proceedings). Здобувачу належить розробка математичного та програмного забезпечення моделі імуносенсора з використанням решітчастих диференціальних рівнянь із запізненням. 18. Сверстюк А.С. Модель імуносенсора з використанням різницевих рівнянь на гексагональній решітці. Штучний інтелект. 2018. № 3. С. 125–134. (Google Scholar). 19. Сверстюк А.С. Дослідження персистентності моделі імуносенсора з використанням різницевих рівнянь на гексагональній решітці. Наукові праці: науково–методичний журнал Комп’ютерні технології. Миколаїв : Вид-во ЧНУ ім. П. Могили, 2018. Вип. 308. Т. 320. С. 12–18. (Index Copernicus, Google Scholar). 20. Сверстюк А.С. Використання пакету R de Solve для математичного моделювання динамічних процесів в кібер-фізичних імуносенсорних системах. Штучний інтелект. 2018. № 4. С. 73–84. (Google Scholar). 21. Марценюк В.П., Сверстюк А.С., Андрущак І.Є. Математичне моделювання біосенсорних та імуносенсорних інформаційних систем. Комп’ютерно-інтегровані технології: освіта, наука, виробництво. 2018. № 6. С. 110–120. (Google Scholar). Здобувачу належить розробка математичного та програмного забезпечення КФС медико-біологічних процесів. 22. Sverstiuk A. Numerical algorithm for optimal control development for annealing stage of polymerase chain Reaction. Scientific Journal of TNTU. 2019. Vol. 93, no 1, P. 147–160. (Google Scholar, Index Copernicus). Здобувачу належить розробка чисельного алгоритму оптимального керування стадії відпалу ПЛР. 23. Martsenyuk V., Sverstiuk А. Cyber-physical model of the immunosensor system at the hexagonal lattice with the use of differenсе equations of the population dynamics. Innovative Technologies and Scientific Solutions for Industries. 2019. № 1. P. 75–83. (Google Scholar). Здобувачу належить розробка математичного та програмного забезпечення КФІСС з використанням решітчастих диференціальних рівнянь із запізненням на гексагональній решітці. 24. Марценюк В.П., Сверстюк А.С. Про модель кібер-фізичної системи з атаками стану та вимірювань на основі стохастичних різницевих рівнянь. Захист інформації. 2019. Т. 21, № 1. C. 5–12. (Index Copernicus). Здобувачу належить чисельне дослідження кібер-фізичної системи з атаками стану та вимірювань. 25. Сверстюк А.С. Чисельний аналіз стійкості кібер-фізичної моделі імуносенсора на прямокутній решітці з використанням різницевих рівнянь. Електронне моделювання. 2019. № 1. С. 105–118. (Index Copernicus, Google Scholar). 26. Сверстюк А.С. Дослідження глобальної привабливості розв’язків та стійкості моделі імуносенсора з використанням різницевих рівнянь на гексагональній решітці. Іnnovative biosystems and bioengineering. 2019. № 1. С. 17–26. (Google Scholar, Polska Bibliografia Naukowa). 27. Сверстюк А.С. Кіберфізичні біосенсорні та імуносенсорні системи. Вісник Хмельницького національного університету. Технічні науки. 2019. № 1. С. 145–154. (Index Copernicus, Google Scholar). 28. Сверстюк А.С. Математичне моделювання кібер-фізичних біосенсорних та імуносенсорних систем. Науковий журнал Комп’ютерно-інтегровані технології: освіта, наука, виробництво. 2019. № 1 (34). С. 5–18. (Google Scholar). 29. Сверстюк А.С. Mоделювання кібер-фізичної імуносенсорної системи на прямокутній решітці з використанням решітчастих диференціальних рівнянь із запізненням. Сенсорна електроніка та мікросистемні технології. 2019. № 2. С. 53–65. (Index Copernicus, Google Scholar). 30. Sverstiuk A. Numerical simulation of electric signal in a cyber-physic immunosensor system in a rectangle lattice in a package R. Scientific Journal of TNTU. 2019. Vol. 94, No 2, P. 96–103. (Index Copernicus, Google Scholar). Здобувачу належить розробка програмного забезпечення для моделювання КФІСС з використанням решітчастих диференціальних рівнянь із запізненням на прямокутній решітці. 31. Марценюк В.П., Сверстюк А.С. Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням. Системні дослідження та інформаційні технології. 2019. № 2. С.83–93. (IndexCopernicus, Google Scholar). Здобувачу належить розробка математичного та програмного забезпечення при експоненціальній оцінці рекурентної нейронної мережі з дискретним запізненням. 32. Марценюк В.П., Сверстюк А.С., Козодій Н.В., Давиденко Є.О. Дослідження фазових площин моделі імуносенсора на прямокутній решітці з використанням диференціальних рівнянь із запізненням в пакеті R. Вісник Черкаського державного технологічного університету. 2019. № 2. С. 37–47. (Index Copernicus, Google Scholar). Здобувачу належить дослідження фазових площин моделі імуносенсора на прямокутній решітці з використанням диференціальних рівнянь із запізненням в пакеті R 33. Марценюк В.П., Сверстюк А.С., Багрій-Заяць О.А., Горкуненко А.Б., Остафійчук Д.І. Огляд кібер-фізичних систем. Науковий журнал Комп’ютерно- інтегровані технології: освіта, наука, виробництво. 2019. № 2 (35). С. 152– 160. (Google Scholar). Здобувачу належить проведення огляду сучасних кібер-фізичних систем. 34. Марценюк В.П., Сверстюк А.С., Багрій-Заяць О.А., Козодій Н.В. Математичні моделі біосенсорів та імуносенсорів. Вісник Хмельницького національного університету. 2019. № 2. С. 174–182. (Index Copernicus, Google Scholar). Здобувачу належить проведення огляду математичних моделей біосенсорів та імуносенсорів 35. Sverstiuk A. Comparative analysis of results of numerical simulation of cyber- physical biosensor systems on the basis of lattice diferential equations. Scientific Journal of TNTU. 2019. Vol. 95, No 3. P. 75–87. (Index Copernicus, Google Scholar). 36. Сверстюк А.С., Багрій-Заяць О.А., Горкуненко А.Б., Майхрук З.В., Гайда В.Я. Кіберфізичні системи для визначення рівня глюкози. Комп’ютерно- інтегровані технології: освіта, наука, виробництво. 2019. № 3(36). С. 69–76. (Google Scholar). Здобувачу належить розробка КФС для визначення рівня глюкози. 37. Марценюк В.П., Сверстюк А.С., Козодій Н.В., Кравчик Ю.В. Використання пакету R для комп’ютерного моделювання контактів антигенів з антитілами в кіберфізичних імуносенсорних системах на прямокутній решітці. Вісник Хмельницького національного університету. 2019. № 4. С. 97–105. (Index Copernicus, Google Scholar). Здобувачу належить розробка комп’ютерної програми для моделювання контактів антигенів з антитілами в кіберфізичних імуносенсорних системах на прямокутній решітці в пакеті R. 38. Martsenyuk V., Sverstiuk A., Dzyadevych S. Identification of parameters and investigation of stability of the mathematical model of biosensor for measuring α- chaconine. Scientific Journal of TNTU. 2019. Vol. 96. № 4. P. 117–125. (Google Scholar, IndexCopernicus). Здобувачу належить розробка математичної моделі потенціометричного біосенсора для визначення α-чаконіну 39. Kłos-Witkowska A., Martsenyuk V., Sverstiuk A. Badania stabilnosci w czasie i pod wplywem pola elektromagnetycznego roztvorow komponentu sieciujacego warstw receptorowych biosensorow. Pomiary Automatyka Robotyka. 2019. Vol. 4. P. 71–76. (Google Scholar, IndexCopernicus). Здобувачу належить дослідження стійкості кіберфізичної біосенсорної системи під впливом електромагнітного випромінювання 40. Марценюк В.П., Сверстюк А.С., Козодій Н.В., Дзядевич С.В. Функціональні особливості біосенсорів та їх моделювання. Комп’ютерно- інтегровані технології: освіта, наука, виробництво. 2019. № 4(37). С. 27–35. (Google Scholar). Здобувачу належить дослідження функціональних особливостей біосенсорів та їх моделювання. 41. Сверстюк А.С., Багрій-Заяць О.А., Горкуненко А.Б., Майхрук З.В., Мойсеєнко О.В. Розробка кіберфізичних біосенсорних систем для медико- біологічних досліджень. Вісник Хмельницького національного університету. 2019. № 5. С. 252–257. (Index Copernicus, Google Scholar). Здобувачу належить розробка математичного та програмного забезпечення КФС медико–біологічних процесів. 42. Сверстюк А.С., Горкуненко А.Б. Нейромережеві експертні системи для діагностики та прогнозування стану серцево-судинної системи. Вісник Хмельницького національного університету. 2014. № 4. С. 102–108. (Index Copernicus, Google Scholar). Здобувачу належить розробка основних етапів експертної КФС медико- біологічних процесів. 43. Лупенко С.А., Вакуленко Д.В., Сверстюк А.С., Горкуненко А.Б., Оробчук О.Р. Інтегроване онтоорієнтоване інформаційно-аналітичне середовище наукових досліджень, професійної цілительської діяльності та електронного навчання китайської образної медицини. Вісник «Інформаційні системи та мережі Національного університету “Львівська політехніка”», № 872, 2017. С. 10–19. (Index Copernicus, Google Scholar). Здобувачу належить розробка узагальненої архітектури КФС наукових досліджень китайської образної медицини. 44. Вакуленко Д.В., Кравець Н.О., Сверстюк А.С., Семенець А.В., Климук Н.Я., Кучвара О.М. Побудова кореляційного портрету при захворюваннях серцево–судинної системи. Вимірювальна та обчислювальна техніка в технологічних процесах. 2017. № 2. С. 154–158. (Index Copernicus, Google Scholar). Здобувачу належить проведення експериментальних досліджень при побудові кореляційного портрету при захворюваннях серцево–судинної системи. 45. Сверстюк А.С., Вакуленко Д.В., Кучвара О.М. Підхід до застосування відкритих ресурсів біосигналів PHYSIONET для проведення розрахунку показників спектрального аналізу електрокардіограм. Вісник Хмельницького національного університету. 2018. № 6. С. 165–170. (Index Copernicus, Google Scholar). Здобувачу належить розробка алгоритму проведення експериментальних досліджень при застосуванні відкритих ресурсів біосигналів PHYSIONET 46. Марценюк В.П., Сверстюк А.С., Козодій Н.В., Шмигер Г.П. Застосування пакету R для чисельного моделювання решітчастих зображень флуоресціюючих пікселів в кіберфізичних імуносенсорних системах. Вісник Хмельницького національного університету. 2019. № 6. С. 59–67. (Index Copernicus, Google Scholar). Здобувачу належить розробка комп’ютерної програми в пакеті R для чисельного моделювання решітчастих зображень флуоресціюючих пікселів в кіберфізичних імуносенсорних системах 47. Martsenyuk V.P., Sverstiuk A.S., Klos-Witkowska A., Bagriy-Zayats O.A. Numerical Simulation of Cyber-physical Biosensor Systems on the Basis of Lattice Difference Eqations. Advances in Cyber-physical Systems. Vol. 4, No. 2, 2019. P. 55–70. (Index Copernicus, Google Scholar). Здобувачу належить проведення чисельного аналізу КФБСС з використанням решітчастих різницевих рівнянь.
Публікації у наукових виданнях 48. Martsenyuk V.P., Klos-Witkowska A., Sverstiuk A.S. Study of classification of immunosensors from viewpoint of medical tasks. Medical informatics and engineering. 2018. № 1 (41). P. 13–19. (Index Copernicus, Google Scholar). Здобувачу належить класифікація імуносенсорів медико–біологічних процесів. 49. Martsenyuk V.P., Klos-Witkowska A., Sverstiuk A.S., Bihunyak T.V. On principles, methods and areas of medical and biological application of optical immunosensors. Medical informatics and engineering. 2018. № 2 (42). P. 28–36. (Index Copernicus, Google Scholar). Здобувачу належить огляд принципів та методів використання оптичних імуносенсорів. 50. Марценюк В.П., Франчук В.В., Сверстюк А.С., Франчук О.В. Використання технології Data Mining для з’ясування судово-медичних екпертних особливостей неналежної медичної допомоги. Медична інформатика та інженерія. 2018. № 3 (43). С. 28–35. (Index Copernicus, Google Scholar). Здобувачу належить розробка методу індукції дерев рішень для судово- медичної експертної оцінки дефектів медичної допомоги. 51. Бігуняк Т.В., Сверстюк А.С., Бігуняк К.О. Деякі аспекти використання імуносенсорів у медицині. Медичний форум. 2018. № 14 (14). С. 8–11. Здобувачу належить огляд принципів та методів використання оптичних імуносенсорів при онкологічних захворюваннях. 52. Марценюк В.П., Мочульська О.М., Боярчук О.Р., Павлишин Г.А., Сверстюк А.С., Завіднюк Ю.В., Бондарчук В.І. Перспективи розробки і застосування біосенсорів та імуносенсорів з діагностичною метою в клінічній медицині. Вісник наукових досліджень. 2019. № 1 (94). C. 15–22. (Google Scholar). Здобувачу належить огляд перспектив розробки та застосування біосенсорів з діагностичною метою. 53. Марценюк В.П., Качур І.В., Сверстюк А.С., Бондарчук В.І., Завіднюк Ю.В., Коваль В.Б., Мочульська О.М. Моніторинг стану здоров’я за функціональними показниками за допомогою сенсорів у реабілітаційній медицині: систематичний огляд. Вісник наукових досліджень. 2019. № 2 (95). C. 5–12. (Google Scholar). Здобувачу належить огляд підходів до моніторингу стану здоров’я за функціональними показниками сенсорів 54. Марценюк В.П., Жулкевич І.В., Сверстюк А.С., Мельник Н.А., Козодій Н.В., Березовська І.Б. Використання біосенсорів для моніторингу навколишнього середовища. Вісник соціальної гігієни та організації охорони здоров’я. Тернопіль, 2019. № 3. С. 107–114. (Google Scholar). Здобувачу належить огляд підходів до використання біосенсорів для моніторингу навколишнього середовища. 55. Сверстюк А.С. Огляд поліграфів та методів обробки психофізіологічної інформації. Медична інформатика та інженерія. 2011. № 2. С. 44–48. (Index Copernicus, Google Scholar). 56. Сверстюк А.С., Бігуняк Т.В., Перевізник Б.О. Огляд методів та моделей полімеразно-ланцюгової реакції. Медична інформатика та інженерія. 2014. № 3. С. 97–100. (Index Copernicus, Google Scholar). Здобувачу належить огляд методів та моделей полімеразно-ланцюгової реакції. 57. Сверстюк А.С., Кравець Н.О., Вакуленко Д.В. Підхід до застосування сервісу WOLFRAM|ALPHA для математичного моделювання в медицині та фармації на прикладі розв’язання задач фармакокінетики. Медична інформатика та інженерія. 2015. № 1. С. 47–51. (Index Copernicus, Google Scholar). Здобувачу належить застосування сервісу WOLFRAM|ALPHA для математичного моделювання в КФС медико-біологічних процесів. 58. Сверстюк А.С., Кравець Н.О., Касянюк В.П. Програмний комплекс для обробки синхронно зареєстрованих біосигналів в поліграфах. Медична інформатика. 2015. № 2. С. 102–108. (Index Copernicus, Google Scholar). Здобувачу належить розробка програмного комплексу для обробки синхронно зареєстрованих біосигналів в поліграфах. 59. Марценюк В.П., Сверстюк А.С., Кучвара О.М. Задача оптимального керування стадією відпалу полімеразно-ланцюгової реакції. Клиническая информатика и телемедицина. 2015. № 12. С. 47–51. Здобувачу належить дослідження оптимального керування стадією відпалу полімеразно-ланцюгової реакції. 60. Вакуленко Д.В., Вакуленко Л.О., Кравець Н.О., Кутакова О.В., Сверстюк А.С., Лесів В.В. Застосування кореляційного портрету в диференційній діагностиці захворювань серцево-судинної, легеневої та нервової системи. Медична інформатика та інженерія, 2017. № 2. С. 4–8. (Index Copernicus, Google Scholar). Здобувачу належать експериментальні дослідження по застосуванні кореляційного портрету в диференційній діагностиці захворювань 61. Вадзюк С.Н., Вакуленко Д.В., Кравець Н.О., Сверстюк А.С., Семенець А.В., Климук Н.Я., Кучвара О.М. Підхід до застосування відкритих ресурсів біосигналів Physionet для проведення розрахунку показників варіабельності серевого ритму за даними ЕКГ (часовий аналіз) в навчанні студентів–медиків. Медична інформатика та інженерія. 2017. № 3. С.47–52. (Index Copernicus, Google Scholar). Здобувачу належить застосування відкритих ресурсів біосигналів Physionet для проведення розрахунку показників варіабельності серевого ритму 62. Марценюк В.П., Лупенко С.А., Сверстюк А.С., Павлишин А.В. Методології організації клінічних випробувань ефективності та безпечності китайської образної медицини в контексті доказової медицини. Медична інформатика та інженерія. 2018. № 2 (42). С. 52–61. (Index Copernicus, Google Scholar). Здобувачу належить розробка методології організації клінічних випробувань ефективності та безпечності китайської образної медицини в контексті доказової медицини.
Праці, які засвідчують апробацію матеріалів дисертації 63. Martsenyuk V.P., Sverstiuk A.S., Klos–Witkowska A., Kozodii N.V., Bagriy–Zayats O.A., Zubenko I.R. Numerical Analysis of Results Simulation of Cyber-physical Biosensor Systems. In 1st International Workshop Information- Communication Techologies&Embedded Systems. 14–15 November, Mykolaiv, 2019, Vol. 1. P. 149–164. (Scopus). Здобувачу належить чисельний аналіз результатів моделювання в КФС медико-біологічних процесів. 64. Martsenyuk V.P., Karpinski M.P., Klos-Witkowska A., Sverstiuk A.S. Stability investigation of biosensor model based on lattice difference equations. Book of Abstracts. Conference ICDEA-2018. Technical University of Dresden, 21-25 May. Dresden, Germany, 2018. P. 10. Здобувачу належить дослідження стійкості моделі біосенсора на основі решітчастих різницевих рівнянь. 65. Martsenyuk V.P., Sverstiuk A.S., Milyan N.V. On stability investigation of population dynamics model based on lattice differential equations. Proceedings of International Conference “Dynamical System Modeling and Stability Investigations” (DSMSI-2019), 22–24 May 2019. – Kiev, Ukraine, 2019. P. 65-67. Здобувачу належить дослідження стійкості моделі біосенсора на основі решітчастих диференціальних рівнянь. 66. Березовська І.Б., Сверстюк А.С., Климук Н.Я., Кучвара О.М., Вакуленко Л.О. Застосування методів часового аналізу при діагностиці серцево-судинної системи. Матеріали ІІ Міжнародної науково-практичної Інтернет конференції з нагоди святкування 30-річчя кафедри інформатики та методики її навчання, 8–9 листопада 2018 року. Тернопіль, 2018. С. 153–156. Здобувачу належить застосування методів часового аналізу для КФС 67. Сверстюк А.С. Оптимальне керування стадією елонгації полімеразно- ланцюгової реакції. VI Міжнародна наукова конференція Сучасні проблеми математичного моделювання, прогнозування та оптимізації, 4–5 квітня 2014 р.: матеріали конф. Кам’янець-Подільськ. 2014. С. 141–143. 68. Сверстюк А.С. Чисельне обчислення оптимального керування стадії відпалу полімеразно-ланцюгової реакції. Тези ІІ-го з’їзду з міжнародною участю «Медична та біологічна інформатика і кібернетика». Медична інформатика та інженерія. 2015. № 4. С. 109. 69. Сверстюк А.С., Творко М.В. Програмний комплекс для обробки синхронно зареєстрованих біосигналів в поліграфах. Матеріали XІХ наукової конференції Тернопільського національного технічного університету імені Івана Пулюя. 18–19 травня 2016 року, Тернопіль. 2016. С. 118–121. Здобувачу належить розробка програмного комплексу для обробки синхронно зареєстрованих біосигналів в поліграфах. 70. Семенець А.В., Вакуленко Д.В., Сверстюк А.С., Кравець Н.О., Климук Н.Я., Кучвара О.М. Застосування програмного середовища VENSIM в задачах моделювання процесів фармакокінетики. Збірник матеріалів VI науково- практичної конференції з міжнародною участю Науково–технічний прогрес і оптимізація технологічних процесів створення лікарських препаратів 10–11 листопада, Тернопіль, 2016 р. : матеріали конф. Тернопіль, 2016. С. 190–191. Здобувачу належить застосування програмного середовища VENSIM для задачах моделювання в КФС медико–біологічних процесів на прикладі задач фармакокінетики. 71. Sverstyuk A. On direct method for the constructing the optimal controller for annealing stage of polymerase chain reaction. Projekt interdyscyplinarny projektem XXI wieku. T. 2. 2017. P. 317–328. 72. Сверстюк А.С., Горкуненко А.Б., Гвоздецька І.С. Розробка сценарію віртуальної програми термоциклююча система Rotor–Gene 6000 для проведення полімеразно-ланцюгової реакції. Збірник матеріалів науково-практичної конференції «Нові підходи до викладання медичної фізики (присвяченої 60– річчю ТДМУ та 230-річчю відкриття Луіджі Гальвані)» 20–21 червня, Тернопіль, 2017 р. : матеріали конф. Тернопіль. 2017. С. 41–45. Здобувачу належить розробка сценарію віртуальної програми для проведення полімеразно-ланцюгової реакції. 73. Сверстюк А.С., Кравець Н.О., Климук Н.Я., Кучвара О.М. Розробка віртуальної програми «Телемедичні системи». Всеукраїнська науково- методична відео конференція Актуальні питання дистанційної освіти та телемедицини 2018 25–26 квітня : матеріали конф. Запоріжжя. 2018. C. 64. Здобувачу належить розробка сценарію віртуальної програми «Телемедичні системи». 74. Martsenyuk V., Sverstiuk A., Andrushchak I. Stability investigation of immunosensor model based on lattice differential equations with delay. XХХІ International conference Problems of decision making under uncertainties (PDMU– 2018), (July 3–9), Abstracts, Lankaran–Baku, Republic of Azerbaijan, 2018. P. 93– 94. Здобувачу належить дослідження стійкості моделі імуносенсора на основі решітчастих диференціальних рівнянь із запізненням 75. Martsenyuk V., Sverstiuk A., Andrushchak I. Іmmunosensor model based on lattice difference equations. XХХІІ International conference Problems of decision making under uncertainties (PDMU–2018), (August 27–31), Abstracts, Prague, Czech Republic. 2018. P. 87–88. Здобувачу належить розробка математичної моделі імуносенсора на основі решітчастих різницевих рівнянь. 76. Sverstiuk A.S., Shevchuk O.O., Marchuk O.M., Martsenyuk V.P. On metrological aspects of measurement on the basis of PCR. XIII International Scientific Conference Coordinate Measuring Technique Bielsko–Biała, 11th – 13th of April. 2018. P. 49. Здобувачу належить розробка метрологічних аспектів на основі ПЛР. 77. Martsenyuk V.P., Andrushchak I.Ye., Sverstiuk A.S., Milyan N.V. Architecture of the decision–making system in medical systems research. XХХІV International conference Problems of decision making under uncertainties (PDMU– 2019), (September 23–27), Abstracts, Lviv, Ukraine. 2019. P. 63–64. Здобувачу належить розробка архітектури прийняття рішень в КФС медико- біологічних процесів. 78. Марценюк В.П., Сверстюк А.С., Литвиненко Я.В., Козодій Н.В. Математичне моделювання біосенсорних та імуносенсорних систем. Матеріали IV Міжнародної науково-технічної конференції «Теоретичні та прикладні аспекти радіотехніки, приладобудування і компʼютерних технологій присвячена 80-ти річчю з дня народження професора Я.І. Проця» 20–21 червня: матеріали конф. Тернопіль. 2019. C. 37–40. Здобувачу належить огляд математичних моделей біосенсорних та імуносенсорних систем 79. Марценюк В.П., Сверстюк А.С., Щербатий М.В., Козодій Н.В. Використання пакету R для дослідження біфуркаційних діаграм в кіберфізичних біосенсорних системах. Матеріали IV Всеукраїнської науково- практичної конференції Інформаційні технології в освіті, техніці, промисловості 10–11 жовтня 2019 р.: м. Івано-Франківськ, 2019. С. 218–221. Здобувачу належить розробка та використання пакету R для дослідження біфуркаційних діаграм в кіберфізичних біосенсорних системах 80. Сверстюк А.С. Кіберфізична імуносенсорна система на гексагональній решітці з використанням решітчастих диференціальних рівнянь із запізненням. ХХI наукова конференція Тернопільського національного технічного університету імені Івана Пулюя 16–17 травня: матеріали конф. Тернопіль, 2019. C. 91. 81. Марценюк В.П., Сверстюк А.С., Козодій Н.В. Використання пакету R для чисельного моделювання кіберфізичних імуносенсорних систем. Збірник тез доповідей Всеукраїнської науково-практичної конференції Цифрові інформаційно-комунікаційні технології в освіті: досвід і виклики Національного університету Острозька академія 15–16 жовтня 2019 р.: Остріг, 2019. С. 7– 11. Здобувачу належить розробка програмного забезпечення для чисельного моделювання кіберфізичних імуносенсорних систем в пакеті R 82. Марценюк В.П., Сверстюк А.С., Козодій Н.В., Киричок О.М., Сверстюк В.В. Імуносенсорна система на прямокутній решітці з використанням решітчастих диференціальних рівнянь із запізненням. Всеукраїнська науково- практична конференція Довкілля і здоров’я 25–26 квітня: матеріали конф. – Тернопіль. 2019. C. 74–75. Здобувачу належить розробка математичного та програмного забезпечення імуносенсорної системи на прямокутній решітці з використанням решітчастих диференціальних рівнянь із запізненням. 83. Вакуленко Д., Сверстюк А., Семенець А., Кравчик Ю. Аналіз фрактальної розмірності реоенцефалограм та електрокардіограм при шийному остеохондрозі. Матеріали XXI наукової конференції ТНТУ ім. І. Пулюя, 16–17 травня 2019 року. Т. : ТНТУ, 2019. С. 83–84. Здобувачу належить проведення експериментальних досліджень при аналізі фрактальної розмірності реоенцефалограм та електрокардіограм 84. Марценюк В.П., Сверстюк А.С., Дзядевич С.В., Паничев В.О., Климук Н.Я., Кравець Н.О. Дослідження неперервної динаміки кіберфізичної системи для контролю якості продуктів харчування. Збірник тез доповідей V Міжнародної науково-технічної конференції Стан і перспективи харчової науки та промисловості Тернопільського національного технічного університету імені Івана Пулюя, 10–11 жовтня 2019 р.: Тернопіль, 2019. С. 21– 23. Здобувачу належить розробка математичного та програмного забезпечення для дослідження неперервної динаміки кіберфізичної системи для контролю якості продуктів харчування 85. Марценюк В.П., Андрущак І.Є., Сверстюк А.С., Багрій–Заяць О.А., Кучвара О.М., Гандзюк Н.М., Майхрук З.В., Сарабун Р.О. Проблеми системного аналізу і прийняття рішень в медико-біологічних дослідженнях. Глушковські читання: Матеріали конференції до 90-річчя з Дня народження академіка В.М. Глушкова, 10–11 вересня 2013 р. Київ. С.151–154. Здобувачу належить аналіз проблем системного аналізу і прийняття рішень в медико-біологічних дослідженнях. 86. Сверстюк А.С., Бігуняк Т.В., Марценюк В.П. Використання імуносенсорів для діагностики онкологічних захворювань. Збірник матеріалів науково-практичної конференції Актуальні питання морфогенезу та ремоделювання тканин і органів у нормі та патології, 20–21 вересня, 2018 р.: матеріали конф. Тернопіль, 2018. С. 112–113. Здобувачу належить огляд імуносенсорів для діагностики онкологічних захворювань. 87. Сверстюк А.С., Марценюк В.П., Козодій Н.В. Математична модель біосенсора для вимірювання рівня глюкози. Збірник матеріалів науково- практичної конференції «Штучний інтелект та інтелектуальні системи (AIIS’2018)», 18–19 жовтня, 2018р.: матеріали конф. Київ, 2018. С. 98–101. Здобувачу належить розробка математичної моделі біосенсора для вимірювання рівня глюкози. 88. Вакуленко Д.В., Вакуленко Л.О., Семенець А.В., Кравець Н.О., Сверстюк А.С. Використання відкритих баз даних для проведення наукових досліджень за допомогою програмного середовища аналізу біосигналів. Підсумкова LIX науково-практична конференція Здобутки клінічної та експериментальної медицини 15 червня 2016 р. : матеріали конф. Тернопіль. 2016. С. 223–225. Здобувачу належить використання відкритих баз даних для проведення досліджень за допомогою програмного середовища аналізу біосигналів. 89. Марценюк В.П., Сверстюк А.С., Дзядевич С.В., Семенець А.В., Паляниця Ю.Б., Сидоров О.П. Математична модель імуносенсорів для моніторингу навколишнього середовища. Матеріали Першого міжнародного україно–німецького симпозіуму Громадське здоров’я в соціальному і освітньому просторі – виклики сьогодення і перспективи розвитку 25–26 вересня 2019 р: Тернопіль, 2019. С. 7–10. Здобувачу належить розробка математичного забезпечення імуносенсорів для моніторингу навколишнього середовища. 90. Марценюк В.П., Сверстюк А.С., Дорош Н.В., Семенець А.В., Кучвара О.М., Паляниця Ю.Б., Кравець Н.О., Климук Н.Я. Розробка математичної моделі кіберфізичної біосенсорної системи для фізичної реабілітації. Матеріали Всеукраїнської науково-практичної конференції Перспективи розвитку медичної та фізичної реабілітації на різних рівнях надання медичної допомоги, 10–11 жовтня 2019 р.: Тернопіль, 2019. С. 116–119. Здобувачу належить розробка математичного та програмного забезпечення КФБСС для фізичної реабілітації. 91. Марценюк В.П., Сверстюк А.С., Семенець А.В., Андрущак І.Є., Кучвара О.М., Паляниця Ю.Б., Багрій–Заяць О.А., Горкуненко А.Б. Математична модель кіберфізичної біосенсорної системи для клініко-лабораторної діагностики. Збірник тез доповідей Всеукраїнської науково-практичної конференції Прикладні аспекти морфології експериментальних і клінічних досліджень, 10– 11 жовтня 2019 р.: Тернопіль, 2019. С. 116–119. Здобувачу належить розробка математичного та програмного забезпечення КФБСС для клініко-лабораторної діагностики.
Публікації, які додатково відображають результати дисертації 92. Свідоцтво № 57924 Україна. Комп’ютерна програма “Флуориметр” / Марценюк В.П., Сверстюк А.С., Горкуненко А.Б., Чернецький Д.В., Федишин Н.Є., Логін Т.І.; заявл. 25.11.2014; опубл. 29.12.2014. Здобувачу належить розробка алгоритмічного та програмного забезпечення комп’ютерної програми. 93. Свідоцтво № 57928 Україна. Комп’ютерна програма “Основи магнітотерапії” / Марценюк В.П., Сверстюк А.С., Горкуненко А.Б., Чернецький Д.В., Федишин Н.Є., Логін Т.І.; заявл. 25.11.2014; опубл. 29.12.2014. Здобувачу належить розробка програмного забезпечення комп’ютерної програми. 94. Свідоцтво № 65579 Україна. Комп’ютерна програма “Телемедичні системи” / Марценюк В.П., Сверстюк А.С., Чернецький Д.В., Федишин Н.Є., Логін Т.І.; заявл. 27.11.17; опубл. 29.12.2017. Здобувачу належить розробка алгоритмічного та програмного забезпечення комп’ютерної програми. 95. Свідоцтво № 86331 Україна. Комп’ютерна програма “Полімеразно- ланцюгова реакція” / Марчук О.М., Сверстюк А.С., Логін Т.І., Бігуняк Т.В., Шкільна М.І.; заявл. 30.01.2019; опубл. 26.02.2019. Здобувачу належить розробка алгоритмічного та програмного забезпечення комп’ютерної програми. 96. Свідоцтво № 89213 Україна. Комп’ютерна програма “Комп’ютерне моделювання контактів антигенів з антитілами в кіберфізичних імуносенсорних системах на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 97. Свідоцтво № 89214 Україна. Комп’ютерна програма “Комп’ютерне моделювання контактів антигенів з антитілами в кіберфізичних імуносенсорних системах на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 98. Свідоцтво № 89215 Україна. Комп’ютерна програма “Чисельне моделювання решітчастих зображень флуоресціюючих пікселів в кіберфізичних імуносенсорних системах на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 99. Свідоцтво № 89216 Україна. Комп’ютерна програма “Чисельне моделювання решітчастих зображень флуоресціюючих пікселів в кіберфізичних імуносенсорних системах на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 100. Свідоцтво № 89217 Україна. Комп’ютерна програма “Чисельний аналіз електричного сигналу з перетворювача, який характеризує кількість флуоресціюючих пікселів в імуносенсорі на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 101. Свідоцтво № 89218 Україна. Комп’ютерна програма “Чисельний аналіз електричного сигналу з перетворювача, який характеризує кількість флуоресціюючих пікселів в імуносенсорі на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 102. Свідоцтво № 89219 Україна. Комп’ютерна програма “Дослідження фазових площин моделі імуносенсора на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 103. Свідоцтво № 89220 Україна. Комп’ютерна програма “Дослідження фазових площин моделі імуносенсора на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 104. Свідоцтво № 89221 Україна. Комп’ютерна програма “Дослідження біфуркаційних діаграм в імуносенсорі на прямокутній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С.; заявл. 7.05.2019; опубл. 03.06.2019. 105. Свідоцтво № 89222 Україна. Комп’ютерна програма “Дослідження біфуркаційних діаграм в імуносенсорі на гексагональній решітці з використанням диференціальних рівнянь із запізненням” / Сверстюк А.С., заявл. 7.05.2019; опубл. 03.06.2019. 106. Марценюк В.П., Дідух В.Д., Ладика Р.Б., Сверстюк А.С., Андрущак І.Є., Чернецький Д.В. Медична та біологічна фізика : Навчальний посібник. Тернопіль: Укрмедкнига, 2012. С. 304. Здобувачу належать теми «Основи функціонування біологічних мембран» та «Основи електрографії». 107. Литвиненко Я.В., Лупенко С.А., Щербак Л.М., Сверстюк А.С. Навчальний посібник «Основи метрології та вимірювальної техніки» Тернопіль: Укрмедкнига, 2016. С. 232. Здобувачу належать розділи аналогові та цифрові вимірювальні прилади. 108. Франчук В.В., Боднар Я.Я., Сверстюк А.С. Використання методу індукції дерев рішень для судово–медичної експертної оцінки дефектів медичної допомоги у лікувально–діагностичній сфері. Інформаційний лист МОЗ України № 37–2019. Здобувачу належить розробка методу індукції дерев рішень для судово– медичної експертної оцінки дефектів медичної допомоги. 109. Патент Спосіб кіберфізичного моделювання сенсорного масиву: пат. № u201901590 Україна. (Н.В. Мілян, В.П. Марценюк, А.С. Сверстюк, A. Клос– Вітковска). Заявлено 18.02.2019. Опубл. 15.12.2019. Бюл. № 6. Здобувачу належить розробка математичного та програмного забезпечення способу кіберфізичного моделювання сенсорного масиву.
Content type: Dissertation
Appears in Collections:01.05.02 – математичне моделювання та обчислювальні методи

Files in This Item:
File Description SizeFormat 
Diser_Sverstiuk_A_S_2020.pdfДисертація25,6 MBAdobe PDFView/Open
Aref_Sverstiuk_A_S_2020.pdfАвтореферат4,36 MBAdobe PDFView/Open
Diser_COVER.pngТитул115,71 kBimage/pngView/Open
Vidguk_prof_Vlasiuk_Anatoliy.pdfВідгук Власюка А. П.1,27 MBAdobe PDFView/Open
Vidguk_prof_Gera_Bogdan.pdfВідгук Гери Б. В.1,72 MBAdobe PDFView/Open
Vidguk_prof_Safonyk_Andrii.pdfВідгук Сафоника А. П.1,4 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.