1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Факультет комп’ютерно-інформаційних систем і програмної інженерії (ФІС)
  3. Кафедра комп’ютерних систем та мереж (КС)
  4. Наукові публікації працівників кафедри комп’ютерних систем та мереж
霂瑞霂��撘����迨��辣: http://elartu.tntu.edu.ua/handle/lib/34864
摰����漯敶�
DC �������霂剛��
dc.contributor.authorМарценюк, Василь Петрович-
dc.contributor.authorСверстюк, Андрій Степанович-
dc.date.accessioned2021-04-19T13:17:54Z-
dc.date.available2021-04-19T13:17:54Z-
dc.date.issued2020-
dc.date.submitted2020-
dc.identifier.citationМарценюк В. П., Сверстюк А. С. Математичні моделі та методи компартментного моделювання кіберфізичних систем медико-біологічних процесів / В. П. Марценюк, А. С. Сверстюк. – Львів : Видавництво «Магнолія – 2006», 2020. – 400 с.uk_UA
dc.identifier.isbn5-211-05310-9-
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/34864-
dc.description.abstractМонографію присвячено вирішенню важливого науково-прикладного завдання розвитку математичного моделювання та обчислювальних методів у напрямку створення й дослідження нових компартментних математичних моделей кіберфізичних систем медико-біологічних процесів. В монографії розроблено компартментні математичні моделі та методи дослідження кіберфізичних систем медико-біологічних процесів з використанням решітчастих диференціальних та різницевих рівнянь із запізненням на прямокутній та гексагональній решітках. Отримано результати якісного аналізу кіберфізичних систем у вигляді біфуркаційних та фазових діаграм популяцій антигенів відносно антитіл, решітчастих зображень антигенів, антитіл, ймовірностей зв’язків антигенів з антитілами в біопікселях, флуоресціюючих пікселів та електричного сигналу з перетворювача. Запропоновано непрямий метод дослідження експоненціальної стійкості рекурентних нейромережевих моделей, а також алгоритм оптимального керування в моделі кіберфізичних систем лабораторної діагностики на основі полімеразно-ланцюгової реакції. Розроблено програмні засоби комп’ютерної реалізації методів математичного моделювання компартментних кіберфізичних систем медико-біологічних процесів для проведення серії експериментів по дослідженню їх стійкості.uk_UA
dc.description.tableofcontentsПерелік основних умовних позначень, символів і скорочень 12 Вступ 15 Розділ 1. Аналітичний огляд кіберфізичних систем медико-біологічних процесів та їх математичних моделей 20 1.1. Огляд практичних задач, пов’язаних із застосуванням кіберфізичних систем медико-біологічних процесів 20 1.1.1. Портативні кіберфізичні системи медико-біологічних процесів 21 1.1.2. Кіберфізичні біосенсорні системи для комплексного моніторингу біохімічних показників 22 1.1.3. Кіберфізичні біосенсорні системи для моніторингу прийому лікарських препаратів 24 1.1.4. Кіберфізичні системи медико-біологічних процесів для моніторингу рівня глюкози 24 1.1.5. Селективні елементи кіберфізичних систем медико-біологічних досліджень 29 1.2. Задача проектування та технічні характеристики кіберфізичних систем медико-біологічних процесів 33 1.3. Математичні моделі біосенсорів у кіберфізичних системах медико-біологічних процесів 38 1.3.1. Статичні математичні моделі біосенсорів у кіберфізичних системах медико-біологічних процесів 38 1.3.1.1. Модель оптичного біосенсора на основі поверхневого плазмонного резонансу 38 1.3.1.2. Багатошарова модель оптичного біосенсора 40 1.3.2. Динамічні математичні моделі біосенсорів на основі звичайних диференціальних рівнянь 42 1.3.2.1. Модель біосенсора першого порядку 42 1.3.2.2. Динамічна модель біосенсора другого порядку 44 1.3.3. Динамічні моделі біосенсорів у вигляді диференціальних рівнянь в частинних похідних 45 1.3.3.1. Модель біосенсора на основі рівнянь реакції-дифузії 45 1.3.3.2. Моделі біосенсорів, які використовують кінетику Міхаеліса-Ментена 46 1.3.3.3. Математична модель електрохімічного біосенсора 48 1.3.3.4. Модель біосенсора для визначення рівня глюкози 51 1.3.3.5. Модель для оптимізації розроблення біосенсорних кіберфізичних систем 52 1.3.3.6. Модель біосенсора в циліндричних координатах 53 1.4. Математична модель решітчастої динамічної системи в медико-біологічних дослідженнях 54 1.5. Математична модель Г.І. Марчука та використання її в кіберфізичних системах медико-біологічних процесів 56 1.6. Властивості, які повинні мати компартментні математичні моделі кіберфізичних систем медико-біологічних процесів 58 1.7. Висновки до першого розділу 62 Розділ 2. Розробка компартментних математичних моделей кіберфізичних біосенсорних систем 64 2.1. Математичне моделювання медико-біологічних процесів 64 2.2. Математична модель біосенсора на прямокутній решітці з використаням решітчастих диференціальних рівнянь із запізненням 66 2.3. Математична модель біосенсора на прямокутній решітці з використанням різницевих рівнянь із запізненням 70 2.4. Математична модель біосенсора на гексагональній решітці з використаням решітчастих диференціальних рівнянь із запізненням 74 2.5. Математична модель біосенсора на гексагональній решітці з використанням різницевих рівнянь із запізненням 76 2.6. Математична модель компартментних медико-біологічних процесів на основі клітинних автоматів 79 2.7. Модель кіберфізичної системи з атаками стану та вимірювань на основі стохастичних різницевих рівнянь 80 2.8. Ідентифікація параметрів у решітчастих диференціальних рівняннях із запізненням 82 2.9. Математична модель бутирилхолінестеразного біосенсора для визначення α-чаконіну 87 2.10. Висновки до другого розділу 89 Розділ 3. Дослідження неперервної та дискретної динаміки компартментних математичних моделей решітчастого типу 90 3.1. Ендемічні стани рівноваги компартментних математичних моделей решітчастого типу в кіберфізичних біосенсорних системах 90 3.1.1. Ендемічні стани рівноваги математичних моделей біосенсора на прямокутній решітці з використанням диференціальних та різницевих рівнянь 90 3.1.2. Ендемічні стани рівноваги математичних моделей біосенсора на гексагональній решітці з використанням диференціальних та різницевих рівнянь 92 3.2. Базові числа репродукції як інструмент дослідження стійкості компартментних математичних моделей решітчастого типу 93 3.3. Умови локальної асимптотичної стійкості компартментних математичних моделей біосенсорів решітчастого типу 96 3.3.1. Умови локальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на прямокутній решітці 96 3.3.2. Умови перманентності математичної моделі біосенсора на основі різницевих рівнянь на прямокутній решітці 100 3.3.3. Умови локальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на гексагональній решітці 107 3.3.4. Умови перманентності математичної моделі біосенсора на основі різницевих рівнянь на гексагональній решітці 108 3.4. Умови глобальної асимптотичної стійкості компартментних математичних моделей решітчастого типу 108 3.4.1. Умови глобальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на прямокутній решітці 108 3.4.2. Умови глобальної притягувальності математичної моделі біосенсора на основі різницевих рівнянь на прямокутній решітці 114 3.5. Виникнення біфуркації та детермінованого хаосу в компартментних математичних моделях решітчастого типу 118 3.5.1. Виникнення біфуркації та детермінованого хаосу в математичній моделі біосенсора з використанням решітчастих диференціальних рівнянь із запізненням на прямокутній решітці 118 3.5.2. Виникнення біфуркації та детермінованого хаосу в математичній моделі біосенсора з використанням решітчастих диференціальних рівнянь із запізненням на гексагональній решітці 122 3.5.3. Виникнення біфуркації та детермінованого хаосу в математичній моделі біосенсора на основі різницевих рівнянь на прямокутній решітці 123 3.5.4. Виникнення біфуркації та детермінованого хаосу в математичній моделі біосенсора на основі різницевих рівнянь на гексагональній решітці 127 3.6. Дослідження на основі чисельних характеристик нелінійної динаміки 128 3.6.1. Результати чисельного моделювання математичної моделі біосенсора з використанням диференціальних рівнянь на прямокутній решітці 128 3.6.2. Результати чисельного моделювання математичної моделі біосенсора з використанням диференціальних рівнянь на гексагональній решітці 131 3.6.3. Результати чисельного моделювання математичної моделі біосенсора з використанням різницевих рівнянь на прямокутній решітці 133 3.6.4. Результати чисельного моделювання математичної моделі біосенсора з використанням різницевих рівнянь на гексагональній решітці 135 3.7. Дослідження стійкості математичної моделі бутирилхолінестеразного біосенсора для визначення α-чаконіну 138 3.8. Висновки до третього розділу 140 Розділ 4. Розроблення та дослідження математичних моделей динамічної логіки кіберфізичних біосенсорних систем 142 4.1. Концептуальна модель архітектури кіберфізичних систем медико-біологічних процесів 142 4.2. Проектування динамічних процесів в кіберфізичних біосенсорних системах 144 4.3. Принцип вимірювання медико-біологічних показників кіберфізичними біосенсорними системами 146 4.4. Моделювання неперервної динаміки кіберфізичних систем 148 4.5. Основні терміни мови гібридного програмування 149 4.6. Моделі динамічної логіки кіберфізичних біосенсорних систем 150 4.6.1. Динамічне логічне моделювання кіберфізичної біосенсорної системи на прямокутній решітці з використаням решітчастих диференціальних рівнянь із запізненням 150 4.6.2. Динамічне логічне моделювання КФБСС на гексагональній решітці з використаням решітчастих диференціальних рівнянь із запізненням 152 4.7. Експериментальні дослідження математичних моделей динамічної логіки в кіберфізичних системах 154 4.7.1. Дослідження динамічної логіки кіберфізичної біосенсорної системи на прямокутній решітці з використаням решітчастих диференціальних рівнянь із запізненням 154 4.7.2. Дослідження динамічної логіки кіберфізичної біосенсорної системи на гексагональній решітці з використанням решітчастих диференціальних рівнянь із запізненням 159 4.7.3. Дослідження динамічної логіки кіберфізичної біосенсорної системи на прямокутній решітці з використанням різницевих рівнянь із запізненням 163 4.7.4. Дослідження динамічної логіки кіберфізичної біосенсорної системи на гексагональній решітці з використанням різницевих рівнянь із запізненням 167 4.8. Порівняльний аналіз результатів чисельного моделювання математичних моделей кіберфізичних біосенсорних систем на прямокутній та гексагональній решітках з використанням решітчастих диференціальних рівнянь 172 4.9. Порівняльний аналіз результатів чисельного моделювання математичних моделей кіберфізичних біосенсорних систем на прямокутній та гексагональній решітках з використанням решітчастих різницевих рівнянь 173 4.10. Висновки до четвертого розділу 174 Розділ 5. Розроблення методів дослідження нейромережевих моделей кіберфізичних біосенсорних систем медико-біологічних процесів 175 5.1. Нейромережеві моделі кіберфізичних систем медико-біологічних процесів та методи їх дослідження 175 5.2. Модель кіберфізичної системи на основі рекурентної нейромережі 176 5.3. Розроблення методу експоненціального оцінювання рекурентної нейромережі 177 5.3.1. Метод Кертеша та етапи побудови оцінки експоненціального згасання 177 5.3.2. Оцінка для похідної функціонала Ляпунова 178 5.3.3. Різницева нерівність для функціонала Ляпунова 180 5.4. Непрямий метод дослідження стійкості моделі нейронної мережі з дискретно розподіленим запізненням 183 5.4.1. Методи дослідження стійкості нейромережевих моделей 183 5.4.2. Модель нейронної мережі з дискретно розподіленим запізненням 185 5.4.3. Непрямий метод дослідження стійкості рекурентної нейронної мережі з дискретно розподіленим запізненням 186 5.5. Дослідження моделі нейронної мережі з дискретним та неперервним запізненням 192 5.6. Експериментальне дослідження якісної поведінки моделі рекурентної нейромережі 198 5.6.1. Чисельне дослідження динамічної поведінки двонейронної мережі з чотирма дискретними запізненнями 198 5.6.2. Чисельне дослідження динамічної поведінки нейронної мережі з трьома нейронами 199 5.6.3. Чисельне дослідження динамічної поведінки рекурентної двонейронної мережі зі змішаним запізненням 200 5.7. Висновки до п’ятого розділу 204 Розділ 6. Розроблення і дослідження компартментних математичних моделей медико-біологічних процесів лабораторної діагностики 205 6.1. Полімеразно-ланцюгова реакція, як універсальний метод лабораторної діагностики 205 6.2. Розроблення компартментної моделі стадій полімеразно-ланцюгової реакції 209 6.3. Дослідження стійкості полімеразно-ланцюгової реакції 210 6.4. Розроблення алгоритму оптимального керування полімеразно-ланцюговою реакцією 211 6.5. Задача оптимального керування стадією відпалу в ПЛР 212 6.6. Задача оптимального керування стадією елонгації в ПЛР 215 6.7. Чисельне моделювання кіберфізичної системи лабораторної діагностики на прикладі ПЛР для стадії відпалу 219 6.8. Висновки до шостого розділу 224 Розділ 7. Розроблення програмного забезпечення для реалізації методів математичного моделювання компартментних медико-біологічних процесів 225 7.1. Програмний комплекс для дослідження стійкості КФБСС 225 7.1.1. Розробка програмного комплексу для дослідження стійкості КФБСС 225 7.1.2. Програмний модуль для дослідження фазових площин в КФБСС на прямокутній решітці з використанням диференціальних рівнянь із запізненням 227 7.1.3. Програмний модуль для дослідження фазових площин в КФБСС на гексагональній решітці з використанням диференціальних рівнянь із запізненням 230 7.2. Програмний модуль дослідження інтенсивності імунної відповіді 231 7.2.1. Комп’ютерне моделювання контактів антигенів із антитілами в кіберфізичних біосенсорних системах на прямокутній решітці з використанням диференціальних рівнянь із запізненням 231 7.2.2. Комп’ютерне моделювання контактів антигенів із антитілами в кіберфізичних біосенсорних системах на гексагональній решітці з використанням диференціальних рівнянь із запізненням 233 7.3. Програмна реалізація вихідних сигналів кіберфізичної системи 234 7.3.1. Програмний комплекс аналізу дискретизованого сигналу з перетворювача КФБСС на прямокутній решітці з використанням диференціальних рівнянь із запізненням 234 7.3.2. Результати чисельного аналізу електричного сигналу з перетворювача кіберфізичної біосенсорної системи 234 7.4. Розроблення та використання програмного забезпечення кіберфізичних систем аналізу біосигналів 235 7.4.1. Програмний комплекс для аналізу біосигналів в поліграфах 235 7.4.2. Використання відкритих ресурсів біосигналів PhysioNet для розробки кіберфізичних систем кардіодіагностики 237 7.5. Телемедичні технології у кіберфізичних системах 239 7.6. Використання методу індукції дерев рішень в кіберфізичних системах для потреб судово-медичної експертної практики 240 7.7. Використання комп’ютерних програм при проектуванні та дослідженні кіберфізичних медико-біологічних систем 242 7.8. Ідентифікація параметрів математичної моделі бутирилхолінестеразного біосенсора для визначення α-чаконіну 245 7.9. Дослідження стійкості кіберфізичних біосенсорних систем під впливом електромагнітного випромінювання 248 7.10. Висновки до сьомого розділу 249 Висновки 251 Список використаних джерел 253 Додатки 297 Додаток А. Класифікація та використання кіберфізичних біосенсорних систем 298 A.1. Електрохімічні кіберфізичні біосенсорні системи 298 A.2. Оптичні кіберфізичні біосенсорні системи 298 A.3. Кіберфізичні біосенсорні системи на основі оксиду кремнію 299 A.4. Кіберфізичні біосенсорні системи на основі наноматеріалів 299 A.5. Генетично кодовані кіберфізичні біосенсорні системи 300 A.6. Клітинні кіберфізичні біосенсорні системи 301 A.7. Порівняльний аналіз кіберфізичних біосенсорних систем 301 Додаток Б. Базові числа репродукції математичної моделі біосенсора на прямокутній та гексагональній решітках 305 Б.1. Базові числа репродукції математичної моделі біосенсора на прямокутній решітці з використанням різницевих рівнянь 305 Б.2. Базові числа репродукції математичних моделей біосенсора на гексагональній решітці з використанням диференціальних та різницевих рівнянь 307 Додаток В. Доведення умов локальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на гексагональній решітці 309 Додаток Д. Доведення квазіперманентності моделі біосенсора на основі різницевих рівнянь на гексагональній решітці 314 Додаток Е. Умови глобальної асимптотичної стійкості математичної моделі біосенсора на основі диференціальних рівнянь на гексагональній решітці 318 Додаток Ж. Умови глобальної притягувальності математичної моделі біосенсора на основі різницевих рівнянь на гексагональній решітці 324 Додаток И. Фазові діаграми популяцій антигенів щодо антитіл в біопікселях кіберфізичної системи на прямокутній решітці 329 Додаток К. Дослідження кіберфізичної системи з атаками стану та вимірювань на основі стохастичних різницевих рівнянь 334 Додаток Л. Семантика гібридних програм та приклад їх застосування 339 Л.1. Семантика гібридних програм 339 Л.2. Приклад застосування гібридної програми 340 Додаток М. Динамічне логічне моделювання КФБСС на прямокутній та гексагональній решітках 342 М.1. Динамічне логічне моделювання КФБСС на прямокутній решітці з використанням різницевих рівнянь із запізненням 342 М.2. Динамічне логічне моделювання КФБСС на гексагональній решітці з використаням решітчастих різницевих рівнянь із запізненням 343 Додаток Н. Результати чисельного моделювання дискретної динаміки кіберфізичної біосенсорної системи на прямокутній решітці з використаням решітчастих диференціальних рівнянь із запізненням 345 Додаток П. Результати чисельного моделювання дискретної динаміки кіберфізичної біосенсорної системи на гексагональній решітці з використанням решітчастих диференціальних рівнянь із запізненням 354 Додаток Р. Результати чисельного моделювання дискретної динаміки кіберфізичної біосенсорної системи на прямокутній решітці з використаням решітчастих різницевих рівнянь із запізненням 361 Додаток С. Результати чисельного моделювання дискретної динаміки кіберфізичної біосенсорної системи на гексагональній решітці з використанням решітчастих різницевих рівнянь із запізненням 368 Додаток Т. Етапи створення медичних нейромережевих експертних кіберфізичних систем 375 Додаток У. Ієрархічна модель якісного аналізу решітчастих компартментних математичних моделей кіберфізичних систем 376 Додаток Ф. Використання пакету R для розроблення та дослідження кіберфізичних систем медико-біологічних процесів 378 Ф.1. Пакет R як середовище програмування для статистичного аналізу даних 378 Ф.2. Короткий опис функцій пакета R deSolve 379 Ф.3. Приклад моделювання в пакеті R моделі типу Лотки–Вольтерри 380 Додаток Х. Фрагмент програми для дослідження фазових діаграм кіберфізичної біосенсорної системи на прямокутній решітці з використанням диференціальних рівнянь із запізненням 383 Додаток Ц. Фрагмент програми для дослідження біфуркаційних діаграм в кіберфізичній біосенсорній системі на прямокутній решітці з використанням диференціальних рівнянь із запізненням 390 Додаток Ш. Фрагмент програми для дослідження фазових діаграм кіберфізичної біосенсорної системи на гексагональній решітці з використанням диференціальних рівнянь із запізненням 391 Додаток Щ. Фрагмент програми для дослідження біфуркаційних діаграм в кіберфізичній біосенсорній системі на гексагональній решітці з використанням диференціальних рівнянь із запізненням 397 Додаток Ю. Фрагмент програми для дослідження електричного сигналу з перетворювача кіберфізичної біосенсорної системи на прямокутній решітці з використанням диференціальних рівнянь із запізненням 398 Додаток Я. Фрагмент програми для дослідження електричного сигналу з перетворювача кіберфізичної біосенсорної системи на гексагональній решітці з використанням диференціальних рівнянь із запізненням 399uk_UA
dc.language.isoukuk_UA
dc.titleМатематичні моделі та методи компартментного моделювання кіберфізичних систем медико-біологічних процесівuk_UA
dc.typeMonographuk_UA
dc.rights.holder© Марценюк В.П., Сверстюк А.С., 2020uk_UA
dc.coverage.placenameВидавництво "Магнолія - 2020", Львівuk_UA
dc.subject.udc004:94:53:616-073uk_UA
dc.relation.referencesАвтандилов Г. Г. Введение в количественную патологическую морфологию. М. : Медицина, 1980. 215 с.uk_UA
dc.relation.referencesБарціховський В. В., Шерстюк П. Я. Медична біологія : підручник. К : ВСВ «Медицина». 2011. С. 312.uk_UA
dc.relation.referencesБерезовська 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.uk_UA
dc.relation.referencesБєлих І. А., Клещев М. Ф. Біологічні та хімічні сенсорні системи. Посібник. Національний технічний університет «Харківський політехнічний інститут». Харків : НТУ «ХПІ». 2011. С. 144uk_UA
dc.relation.referencesБігуняк Т. В., Сверстюк А. С., Бігуняк К. О. Деякі аспекти використання імуносенсорів у медицині. Медичний форум. 2018. № 14 (14). С. 8–11.uk_UA
dc.relation.referencesБугрій 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.uk_UA
dc.relation.referencesВадзюк 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.uk_UA
dc.relation.referencesВакуленко 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.uk_UA
dc.relation.referencesВакуленко 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.uk_UA
dc.relation.referencesВакуленко 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.uk_UA
dc.relation.referencesВакуленко 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.uk_UA
dc.relation.referencesCao 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.uk_UA
dc.relation.referencesCapota 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.uk_UA
dc.relation.referencesCaraballo T., Lu K. Attractors for stochastic lattice dynamical systems with a multiplicative noise. Frontiers of Mathematics in China. 2008. Vol. 3. P. 317–335.uk_UA
dc.relation.referencesCaraballo 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.uk_UA
dc.relation.referencesCaraballo 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.uk_UA
dc.relation.referencesCaraballo 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.uk_UA
dc.relation.referencesCardenas 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.uk_UA
dc.relation.referencesCardenas 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.uk_UA
dc.relation.referencesCeldrán 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.uk_UA
dc.relation.referencesЗарипова 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesCervera-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.uk_UA
dc.relation.referencesChaniotakis N. A. Enzyme stabilization strategies based on electrolytes and polyelectrolytes for biosensor applications. Analytical and Bioanalytical Chemistry. 2004. Vol. 378. P. 89–95.uk_UA
dc.relation.referencesChaochen Z., Ji W., Ravn A. A formal description of hybrid systems. Hybrid Systems of LNCS. Berlin. Springer. 1995. Vol. 1066. P. 511–530.uk_UA
dc.relation.referencesChaplin M. Do we underestimate the importance of water in cell biology?. Nature Reviews Molecular Cell Biology. 2006. Vol. 7. P. 861–866.uk_UA
dc.relation.referencesChen 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.uk_UA
dc.relation.referencesChen 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.uk_UA
dc.relation.referencesChen 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.uk_UA
dc.relation.referencesChen 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.uk_UA
dc.relation.referencesChen 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.uk_UA
dc.relation.referencesChow 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesЗарипова В. М., Петрова И. Ю. Фундаментальные исследования. Принципы концептуального проектирования биосенсоров. 2016. № 9–3. С. 483–488.uk_UA
dc.relation.referencesChow 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.uk_UA
dc.relation.referencesChow S. N., Shen W. Dynamics in a discrete Nagumo equation: Spatial topological chaos. SIAM Journal on Applied Mathematics. 1995. Vol. 55. P. 1764–1781.uk_UA
dc.relation.referencesChu T. An exponential convergence estimate for analog neural networks with delay. Physics Letters A. 2001. Vol. 283, No. 1–2. P. 113–118.uk_UA
dc.relation.referencesChu 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.uk_UA
dc.relation.referencesChua L., Roska T. The CNN paradigm. IEEE Transactions on Circuits and Systems. 1993. Vol. 40. P. 147–156.uk_UA
dc.relation.referencesChua L., Yang L. Cellular neural networks: Applications. IEEE Transactions on Circuits and Systems. 1988. Vol. 35. P. 1273–1290.uk_UA
dc.relation.referencesChua L., Yang L. Cellular neural networks: Theory. IEEE Transactions on Circuits and Systems. 1988. Vol. 35. P. 1257–1272.uk_UA
dc.relation.referencesChuang 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.uk_UA
dc.relation.referencesCitartan 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesCoombes S., Graben P. B., Potthast R., Wright J. (Editors): Neural Fields: Theory and Applications. Springer, Heidelberg. 2014. P. 487.uk_UA
dc.relation.referencesКунцевич 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.uk_UA
dc.relation.referencesCosnier S. Biomolecule immobilization on electrode surfaces by entrapment or attachment to electrochemically polymerized films. A review, Biosens. Bioelectron. 1999. Vol. 14. P. 443–456.uk_UA
dc.relation.referencesCosta 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.uk_UA
dc.relation.referencesCruz H. J., Rosa C. C., Oliva A. G. Immunosensors for diagnostic applications. Parasitology research. 2002. Vol. 88. P. 4–7.uk_UA
dc.relation.referencesCuijpers P., Reniers M. Hybrid process algebra. The Journal of Logic and Algebraic Programming. 2005. Vol. 62 (2). P. 191–245.uk_UA
dc.relation.referencesD’Orazio P. Biosensors in clinical chemistry. Clinica Chimica Acta. 2003. Vol. 334. P. 41–69.uk_UA
dc.relation.referencesDan 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.uk_UA
dc.relation.referencesDe M. R., Carimi F., Frommer W. B. Mitochondrial biosensors. International Journal of Biochemistry & Cell Biology. 2014. Vol. 48. P. 39–44.uk_UA
dc.relation.referencesDeimling K. Differential Equations on Banach Spaces. Springer-Verlag, Heielberg. 1977. P. 136.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesDeMarco 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. 462–467uk_UA
dc.relation.referencesDeng H., Zhang L., Shu X. Feature memory-based deep recurrent neural network for language modeling. Applied Soft Computing. 2018. Vol. 68. P. 432–446.uk_UA
dc.relation.referencesКунцевич В. М. Управление и идентификация в условиях неопределенности: результаты и нерешенные проблемы. Радіоелектронні і комп’ютерні системи. 2007. № 5. С. 34–46.uk_UA
dc.relation.referencesDias A. D., Kingsley D. M., Corr D. T. Recent advances in bioprinting and applications for biosensing. Biosensors. 2014. Vol. 4. P. 111–136.uk_UA
dc.relation.referencesDiekmann O., Heesterbeek J. Mathematical Epidemiology of Infectious Disease. John Wiley & Son. 2000. Р. 303.uk_UA
dc.relation.referencesDing S. X. Model-Based Fault Diagnosis Techniques. Design Schemes, Algorithms, and Tools. Springer. 2008. P. 473.uk_UA
dc.relation.referencesDogaru 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.uk_UA
dc.relation.referencesDosi G., Ermoliev Y., Kaniovski Y. Generalized urn schemes and technological dynamics. Journal of Mathematical Economics. 1994. Vol. 23(1). P. 1–19.uk_UA
dc.relation.referencesDu 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. 1–7uk_UA
dc.relation.referencesDu 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesDurliat H., Causserand C., Comtat M. Bienzyme amperometric lactate–specific electrode. Analytica Chimica Acta. 1990. Vol. 231. P. 309–311.uk_UA
dc.relation.referencesEduard D., Silvana A. Chapter Eleven – Bioapplications of Electrochemical Sensors and Biosensors. Methods in Enzymology. Academic Press. 2017. Vol. 589. P. 301–350.uk_UA
dc.relation.referencesErmoliev 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.uk_UA
dc.relation.referencesКучеренко 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.uk_UA
dc.relation.referencesErneux T., Nicolis G. Propagating waves in discrete bistable reaction diffusion systems. Physica D. 1993. Vol. 67. P. 237–244.uk_UA
dc.relation.referencesEscaleras M., Chiang E. Fiscal decentralization and institutional quality on the business environment. Economics Letters. 2017. Vol. 159. P. 161–163.uk_UA
dc.relation.referencesEsteves 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.uk_UA
dc.relation.referencesEvtugyn G. A., Shamagsumova R. V., Hianik T. Biosensors for detection mycotoxins and pathogenic bacteria in food. Nanobiosensors. Academic Press. 2017. P. 35–92uk_UA
dc.relation.referencesFabien B. C. Some tools for the direct solution of optimal control problems. Advances in Engineering Software. 1998. Vol. 29. P. 45–61.uk_UA
dc.relation.referencesFan X., Wang Y. Attractors for a second order nonautonomous lattice dynamical system with nonlinear damping. Physics Letters A. 2007. Vol. 365. P. 17–27.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesFang 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.uk_UA
dc.relation.referencesFang 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.uk_UA
dc.relation.referencesFaria 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.uk_UA
dc.relation.referencesFawzi 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.uk_UA
dc.relation.referencesЛитвиненко 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.uk_UA
dc.relation.referencesFaye G. Traveling fronts for lattice neural field equations. Physica D. 2018. Vol. 378–379. P. 20–32.uk_UA
dc.relation.referencesFeng R., Gao X.-S., Huang Z. Rational solutions of ordinary difference equations. Journal of Symbolic Computation. 2008. Vol. 43 (10). P. 746–763.uk_UA
dc.relation.referencesFeng 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.uk_UA
dc.relation.referencesFerrini 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.uk_UA
dc.relation.referencesFitz T., Theiler M., Smarsly K. A metamodel for cyber-physical systems. Advanced Engineering Informatics. 2019. Vol. 41. P. 80–93.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesFleming W. H., Rishel R. W. Deterministic and Stochastic Optimal Control. Springer Verlag, New York. 1975. Vol. XIII. P. 222.uk_UA
dc.relation.referencesForrest L. J. Computed Tomography Imaging in Oncology, Veterinary Clinics of North America. Small Animal Practice. 2016. Vol. 46 (3). P. 499–513uk_UA
dc.relation.referencesForyś U. Marchuk’s model of immune system dynamics with application to tumour growth. Journal of Theoretical Medicine. 2002. Vol. 4 (1). P. 85–93.uk_UA
dc.relation.referencesFu 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.uk_UA
dc.relation.referencesFu X. On detecting environment sensitivity using slicing. Theoretical Computer Science. 2016. Vol. 656. P. 27–45.uk_UA
dc.relation.referencesЛитвиненко Я. В., Лупенко С. А., Щербак Л. М., Сверстюк А. С. Основи метрології та вимірювальної техніки : Навч. посіб. Тернопіль: Укрмедкнига, 2016. С. 232.uk_UA
dc.relation.referencesFulton N., Mitsch S., Bohrer B., Platzer A. Bellerophon. Tactical theorem proving for hybrid systems. Springer. LNCS. 2017. Vol. 10499. P. 207–224.uk_UA
dc.relation.referencesFulton 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.uk_UA
dc.relation.referencesGarlick 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.uk_UA
dc.relation.referencesGibson T. D. Biosensors: The stabilité problem. Analusis. 1999. Vol. 27 (7). P. 630–638.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesGibson 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.uk_UA
dc.relation.referencesGlatt M., Aurich J. Physical modeling of material flows in cyber-physical production systems. Procedia Manufacturing. 2019. Vol. 28. P. 10–17.uk_UA
dc.relation.referencesGlushkov 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.uk_UA
dc.relation.referencesGrossman 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.uk_UA
dc.relation.referencesGruhl F. J., Rapp B. E., Lange K. Biosensors for diagnostic applications. Advances in Biochemical Engineering/Biotechnology. 2013. Vol. 133. P. 115–148.uk_UA
dc.relation.referencesGu 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.uk_UA
dc.relation.referencesЛупенко 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.uk_UA
dc.relation.referencesGu 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.uk_UA
dc.relation.referencesGuo 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.uk_UA
dc.relation.referencesGutierrez 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.uk_UA
dc.relation.referencesСверстюк А. С., Кравець Н. О., Касянюк В. П. Програмний комплекс для обробки синхронно зареєстрованих біосигналів в поліграфах. Медична інформатика. 2015. № 2. С. 102–108.uk_UA
dc.relation.referencesHale J. K., Lunel S. M. Introduction to functional differential equations. Springer Science & Business Media. 2013. Vol. 99. P. 447.uk_UA
dc.relation.referencesHan 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.uk_UA
dc.relation.referencesHan 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.uk_UA
dc.relation.referencesHan 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.uk_UA
dc.relation.referencesHan X., Kloeden P. E. Attractors under Discretisation. Springer Briefs series, Springer-Verlag. 2017. P. 121.uk_UA
dc.relation.referencesHan X., Kloeden P. E. Lattice systems with switching effects and delayed recovery. Journal of Differential Equations. 2016. Vol. 261. P. 2986–3009.uk_UA
dc.relation.referencesHan X., Kloeden P. E. Random Ordinary Differential Equations and their Numerical Solution. Springer Nature, Singapore. 2017. P. 222.uk_UA
dc.relation.referencesЛупенко 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.uk_UA
dc.relation.referencesHan 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. 195–214uk_UA
dc.relation.referencesHan 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesHan X., Kloeden P., Usman B. Long term behavior of a random Hopfield neural lattice model. 2019. Vol. 18. P. 809–824.uk_UA
dc.relation.referencesHan X., Kloeden P. E. Asymptotic behaviour of a neural field lattice model with a Heaviside operator, Phys. D, 2019. Vol. 389. P. 1–12.uk_UA
dc.relation.referencesHan 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.uk_UA
dc.relation.referencesHan 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.uk_UA
dc.relation.referencesHare 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.uk_UA
dc.relation.referencesHarris 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.uk_UA
dc.relation.referencesHartwig R. Review of the theory of matrices. Linear Algebra and its Applications. 1988. Vol. 108. P. 173–175.uk_UA
dc.relation.referencesHaykin S. Neural Networks and Learning Machines. A Comprehensive Foundation 3rd Edition, Kindle Edition, Pearson. 2011. P. 936.uk_UA
dc.relation.referencesЛупенко С. А. Теоретичні основи моделювання та опрацювання циклічних сигналів в інформаційних системах: монографія. Львів : Магнолія–2006, 2016. 343 с.uk_UA
dc.relation.referencesHe X. Z. Stability and delays in a predator–prey system. Journal of Mathematical Analysis and Applications. 1996. Vol. 198 (2). P. 355–370.uk_UA
dc.relation.referencesВишневецкий 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.uk_UA
dc.relation.referencesHe 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.uk_UA
dc.relation.referencesHendrie 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.uk_UA
dc.relation.referencesHiatt 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. 245–252uk_UA
dc.relation.referencesHijjawi 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.uk_UA
dc.relation.referencesHonda 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.uk_UA
dc.relation.referencesHopfield 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.uk_UA
dc.relation.referencesHsu 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.uk_UA
dc.relation.referencesHuang 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.uk_UA
dc.relation.referencesHuang 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.uk_UA
dc.relation.referencesЛупенко 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesHuang 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.uk_UA
dc.relation.referencesHuang 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.uk_UA
dc.relation.referencesHuang, 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.uk_UA
dc.relation.referencesHupkes 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.uk_UA
dc.relation.referencesHupkes 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.uk_UA
dc.relation.referencesHutter E., Maysinger D. Gold-nanoparticle-based biosensors for detection of enzyme activity. Trends in Pharmacological Sciences. 2013. Vol. 34. P. 497–507uk_UA
dc.relation.referencesHyman D. M., Taylor B. S., Baselga J. Implementing Genome-Driven Oncology. Cell. 2017. Vol. 168 (4). P. 584–599.uk_UA
dc.relation.referencesIbupoto 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.uk_UA
dc.relation.referencesIvanauskas 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.uk_UA
dc.relation.referencesJančíková 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.uk_UA
dc.relation.referencesСверстюк 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. 118–121uk_UA
dc.relation.referencesЛупенко 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.uk_UA
dc.relation.referencesJasevičius 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.uk_UA
dc.relation.referencesJeong 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.uk_UA
dc.relation.referencesJezewski 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.uk_UA
dc.relation.referencesJezewski 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.uk_UA
dc.relation.referencesJi 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.uk_UA
dc.relation.referencesJiang 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.uk_UA
dc.relation.referencesJiang 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.uk_UA
dc.relation.referencesJoyner 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.uk_UA
dc.relation.referencesJustino 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.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesKagan S. H. The Future of Gero-Oncology Nursing. Seminars in Oncology Nursing. 2016. Vol. 32(1). P. 65–76.uk_UA
dc.relation.referencesЛупенко 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.uk_UA
dc.relation.referencesKamien M. I., Schwartz N. L. Dynamic Optimization. North-Holland, Amsterdam. 1991. Vol. 3. P. 272.uk_UA
dc.relation.referencesKapval R. Discrete models for chemically reacting systems. Journal of Mathematical Chemistry. 1991. Vol. 6. P. 113–163.uk_UA
dc.relation.referencesKarachalios 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.uk_UA
dc.relation.referencesKaspshitskaya 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.uk_UA
dc.relation.referencesKawamura A., Miyata T. Biosensors. Biomaterials Nanoarchitectonics. William Andrew Publishing. 2016. P. 157–176.uk_UA
dc.relation.referencesKeener J. P. Propagation and its failure in coupled systems of discrete excitable cells. SIAM Journal on Applied Mathematics. 1987. Vol. 47. P. 556–572.uk_UA
dc.relation.referencesKeener J. P. The effects of discrete gap junction coupling on propagation in myocardium. Journal of Theoretical Biology. 1991. Vol. 148. P. 49–82uk_UA
dc.relation.referencesKelly K., Kostin M. Non-Arrhenius rate constants involving diffusion and reaction. Journal of Chemical Physics. 1986. Vol. 85 (12). P. 7318–7335.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesKertesz 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.uk_UA
dc.relation.referencesKhansili 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.uk_UA
dc.relation.referencesЛупенко 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.uk_UA
dc.relation.referencesKhimji 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.uk_UA
dc.relation.referencesKhusainov 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.uk_UA
dc.relation.referencesKirichenko 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.uk_UA
dc.relation.referencesKirichenko 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.uk_UA
dc.relation.referencesKirthiga 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.uk_UA
dc.relation.referencesKlip 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.uk_UA
dc.relation.referencesKloeden 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.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesKloeden P. E., Rasmussen M. Nonautonomous dynamical systems. Mathematical Surveys and Monographs. American Mathematical Society. Providence. 2011. P. 176.uk_UA
dc.relation.referencesKloeden 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.uk_UA
dc.relation.referencesKłos-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.uk_UA
dc.relation.referencesЛупенко 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.uk_UA
dc.relation.referencesKłos-Witkowska A. The phenomenon of fluorescence in immunosensors. Acta Biochimica Polonica. 2016. Vol. 63 (2). P. 215–221.uk_UA
dc.relation.referencesKo 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.uk_UA
dc.relation.referencesKohn W., Nerode A., Remmel J., Yakhnis A. Viability in hybrid systems. Theoretical Computer Science. 1995. Vol. 138 (1). P. 141–168.uk_UA
dc.relation.referencesKommanaboyina 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.uk_UA
dc.relation.referencesKoutny T. Blood glucose level reconstruction as a function of transcapillary glucose transport. Computers in Biology and Medicine. 2014. Vol. 53. P. 171–178.uk_UA
dc.relation.referencesKoutny 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.uk_UA
dc.relation.referencesСвідоцтво № 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. 26.02.2019uk_UA
dc.relation.referencesKuang Y. Delay differential equations with applications in population dynamics. New York: Academic Press. 1993. Р. 398.uk_UA
dc.relation.referencesKulys J., Higgins I. J., Bannister J. V. Amperometric dertermination of phosphate ions by biosensor. Biosensors and Bioelectronics. 1992. Vol. 7 (3). P. 187–191.uk_UA
dc.relation.referencesKulys J. J., Sorochinskii V. V., Vidziunaite R. A. Transient response of bienzyme electrodes. Biosensors. 1986. Vol. 2 (3). P. 135–146.uk_UA
dc.relation.referencesKulys J., Tetianec L. Synergistic substrates determination with biosensors. Biosensors and Bioelectronics. 2005. Vol. 21 (1). P. 152–158.uk_UA
dc.relation.referencesМарценюк 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. Scopusuk_UA
dc.relation.referencesKumar 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.uk_UA
dc.relation.referencesKunzelmann S., Solscheid C., Webb M. R. Fluorescent biosensors: design and application to motor proteins. EXS. 2014. Vol. 105. P. 25–47.uk_UA
dc.relation.referencesKuo 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.uk_UA
dc.relation.referencesKuo 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.uk_UA
dc.relation.referencesKushwaha 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.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesKwon 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.uk_UA
dc.relation.referencesLamprecht 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.uk_UA
dc.relation.referencesLee E. A. Cyber-physical systems: Design challenges. 11th IEEE international symposium on object oriented real-time distributed computing. 2008. P. 363–369.uk_UA
dc.relation.referencesLee 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.uk_UA
dc.relation.referencesLetellier 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesLever-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.uk_UA
dc.relation.referencesLevrat E., Iung B., Crespo Marquez A. E–maintenance: review and conceptual framework. Production Planning & Control. 2008. Vol. 19 (4). P. 408–429.uk_UA
dc.relation.referencesLi 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.uk_UA
dc.relation.referencesLi 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.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesLiao 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.uk_UA
dc.relation.referencesLiebes 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.uk_UA
dc.relation.referencesLiebes 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.uk_UA
dc.relation.referencesLien 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.uk_UA
dc.relation.referencesLiu 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.uk_UA
dc.relation.referencesLiu C. X., Jiang L. Y., Wang H., Guo Z. H., Cai X. X. A novel disposable amperometric biosensor based on trienzyme electrode for the determination of total creatine kinase. Sensors & Actuators: B. 2007. Vol. 122. P. 295–300.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesLiu 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.uk_UA
dc.relation.referencesLiu 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.uk_UA
dc.relation.referencesLiu 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.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesLou X., Ye Q., Cui B. Exponential stability of genetic regulatory networks with random delays. Neurocomputing. 2010. Vol. 73 (4–6). P. 759–769.uk_UA
dc.relation.referencesLuisa 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.uk_UA
dc.relation.referencesLukes D. L. Differential Equations: Classical to Controlled. Academic Press, New York. 1982. Vol. 162. P. 322.uk_UA
dc.relation.referencesLun 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.uk_UA
dc.relation.referencesLuppa 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.uk_UA
dc.relation.referencesLv 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.uk_UA
dc.relation.referencesLytvynenko I., Maruschak P, Lupenko S., Panin S. Segmentation and Statistical Processing of Geometric and Spatial Data on Self-Organized Surface Relief of Statically Deformed Aluminum Alloy. Applied Mechanics and Materials. 2015. Vol. 770. Р. 288–293.uk_UA
dc.relation.referencesМарценюк 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. 304uk_UA
dc.relation.referencesLytvynenko 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.uk_UA
dc.relation.referencesLytvynenko 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.uk_UA
dc.relation.referencesСвідоцтво № 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. 03.06.2019uk_UA
dc.relation.referencesMa 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.uk_UA
dc.relation.referencesMa 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.uk_UA
dc.relation.referencesMa 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.uk_UA
dc.relation.referencesMackay D. Information theory, inference, and learning algorithms. Cambridge, UK New York: Cambridge University Press. 2003. P. 628.uk_UA
dc.relation.referencesMacki J., Strauss A. Introduction to Optimal Control Theory. Springer-Verlag, New York. 1982. Vol. XIV. P. 168.uk_UA
dc.relation.referencesMaftuch 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.uk_UA
dc.relation.referencesMaharana 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.uk_UA
dc.relation.referencesMannoor Manu S. Graphene-based wireless bacteria detection on tooth enamel. Nature Communications. 2012. Vol. 3. P. 763–773.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesMarceniuk 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.uk_UA
dc.relation.referencesВласюк 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.uk_UA
dc.relation.referencesMarchuk 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.uk_UA
dc.relation.referencesMarcus 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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).uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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. 52–61.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk V. P., Sverstiuk A. S. Monograph Computation Models of Cyber-physical Systems of Medical and Biological Processes: Qualitative Analysis. Ternopil: Ukrmedknyha. 2019. P. 202.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMartsenyuk 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.uk_UA
dc.relation.referencesMarzeniuk 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.uk_UA
dc.relation.referencesMatveev 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.uk_UA
dc.relation.referencesMcAteer 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.uk_UA
dc.relation.referencesMcсluskey 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.uk_UA
dc.relation.referencesMcсluskey 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.uk_UA
dc.relation.referencesMeena 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.uk_UA
dc.relation.referencesСвідоцтво № 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. 03.06.2019uk_UA
dc.relation.referencesMehrotra P. Biosensors and their applications – a review. Journal of Oral Biology and Craniofacial Research. 2016. Vol. 6 (2). P. 153–159.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesMeissner H., Aurich J. Implications of cyber-physical production systems on integrated process planning and scheduling. Procedia Manufacturing. 2019. Vol. 28. P. 167–173.uk_UA
dc.relation.referencesMelnik A. Cyber-physical systems multilayer platform and research framework. Advances in cyber-physical systems. 2016. Vol. 1 (1). P. 1–6.uk_UA
dc.relation.referencesMetke A. R., Ekl R. L. Security technology for smart grid networks. IEEE Transactions on Smart Grid. 2010. Vol. 1 (1). P. 99–107.uk_UA
dc.relation.referencesMickens R. E. Advances in the applications of nonstandard finite difference schemes. World Scientific. 2005. P. 664.uk_UA
dc.relation.referencesMickens R. E. Nonstandard finite difference models of differential equations. World Scientific. 1994. P. 264.uk_UA
dc.relation.referencesMo Y. Sinopoli B. Secure control against replay attacks. In Allerton Conf. on Communications, Control and Computing, Monticello, IL, USA. 2010. P. 911–918.uk_UA
dc.relation.referencesMohamad 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.uk_UA
dc.relation.referencesMoina C., Ybarra G. Fundamentals and applications of immunosensors. Advances in immunoassay technology. 2012. P. 65–80.uk_UA
dc.relation.referencesСвідоцтво № 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. 03.06.2019uk_UA
dc.relation.referencesMosinska 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.uk_UA
dc.relation.referencesNagra 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesNakano 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.uk_UA
dc.relation.referencesNakonechny A., Marzeniuk V. Uncertainties in medical processes control. Lecture Notes in Economics and Mathematical Systems, 2006. Vol. 581, P. 185–192.uk_UA
dc.relation.referencesNakonechnyi 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.uk_UA
dc.relation.referencesNakonechnyi 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.uk_UA
dc.relation.referencesNerode A. Logic and control. LNCS. Berlin. Springer. 2007. Vol. 4497. P. 585–597.uk_UA
dc.relation.referencesNezami 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.uk_UA
dc.relation.referencesNicholson 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.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesNie S., Xing Y., Kim G. J., Simons J. W. Nanotechnology applications in cancer. Annual Review of Biomedical Engineering. 2007. Vol. 9. P. 257–288.uk_UA
dc.relation.referencesNieto 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.uk_UA
dc.relation.referencesNiu H. Spreading speeds in a lattice differential equation with distributed delay. Turkish Journal of Mathematics, 2015. Vol. 39. No. 2. P. 235–250.uk_UA
dc.relation.referencesМарценюк В. П., Сверстюк А. С. Експоненціальна оцінка для рекурентної нейронної мережі з дискретним запізненням. Системні дослідження та інформаційні технології. 2019. № 2. С.83–93.uk_UA
dc.relation.referencesOgi 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.uk_UA
dc.relation.referencesOldach L., Zhang J. Genetically encoded fluorescent biosensors for live–cell visualization of protein phosphorylation. Chemistry & Biology. 2014. Vol. 21. P. 186–197.uk_UA
dc.relation.referencesPadjen 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. 193–198uk_UA
dc.relation.referencesPaek 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.uk_UA
dc.relation.referencesPan S. Propagation of delayed lattice differential equations without local quasimonotonicity. Annales Polonici Mathematici. 2015. Vol. 114, P. 219–233.uk_UA
dc.relation.referencesPanjan P., Virtanen V., Sesay A. M. Determination of stability characteristics for electrochemical biosensors via thermally accelerated ageing. Talanta. 2017. Vol. 170. P. 331–336.uk_UA
dc.relation.referencesСвідоцтво № 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.uk_UA
dc.relation.referencesPankov A., Pfluger K. Travelling waves in lattice dynamical systems. Mathematical Methods in the Applied Sciences. 2000. Vol. 23. P. 1223–1235.uk_UA
dc.relation.referencesPark 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.uk_UA
dc.relation.referencesPark 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.uk_UA
dc.relation.referencesPark 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesPasqualetti F., Dorer F., Bullo F. Attack detection and identification for cyber-physical systems. Part I: Models and fundamental limitations. 2012, P. 1–13.uk_UA
dc.relation.referencesPasqualetti F., Zampieri R., Bullo F. Controllability metrics and algorithms for complex networks. American Control Conference. 2013. P. 1–11.uk_UA
dc.relation.referencesPeng 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.uk_UA
dc.relation.referencesPfaffl 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.uk_UA
dc.relation.referencesPiccinini 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.uk_UA
dc.relation.referencesСеменець 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.uk_UA
dc.relation.referencesPlappert 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.uk_UA
dc.relation.referencesPlatzer A. A complete uniform substitution calculus for differential dynamic logic. Journal of Automated Reasoning. 2017. Vol. 59 (2). P. 219–265.uk_UA
dc.relation.referencesPlatzer A. Differential dynamic logic for hybrid systems. Journal of Automated Reasoning. 2018. Vol. 41. № 2. P. 143–189.uk_UA
dc.relation.referencesPlatzer A. How to prove hybrid systems and why that matters. International Conference on Complex Systems Engineering (ICCSE). Storrs. 2015. P. 1–2.uk_UA
dc.relation.referencesPlatzer A. Logical foundations of cyber-physical systems. Berlin: Springer. 2018. P. 639.uk_UA
dc.relation.referencesМарценюк В. П., Сверстюк А. С. Модель імуносенсора на основі решітчастих диференціальних рівнянь із запізненням. Штучний інтелект. 2018. № 1. С. 42–47.uk_UA
dc.relation.referencesPlatzer A. Logics of Dynamical Systems. 27th Annual IEEE Symposium on Logic in Computer Science. Dubrovnik. 2012. P. 13–24.uk_UA
dc.relation.referencesPlatzer A. The complete proof theory of hybrid systems. In 27th Annual ACM/IEEE Symposium on Logic in Computer Science. 2012. Р. 541–550.uk_UA
dc.relation.referencesPlatzer A. Towards a Hybrid Dynamic Logic for Hybrid Dynamic Systems. Electronic Notes in Theoretical Computer Science. 2007. Vol. 174 (6). P. 63–77.uk_UA
dc.relation.referencesPopovtzer 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.uk_UA
dc.relation.referencesСидоренко 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.uk_UA
dc.relation.referencesPopovtzer 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.uk_UA
dc.relation.referencesPrindle 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.uk_UA
dc.relation.referencesQin 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.uk_UA
dc.relation.referencesRahman 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.uk_UA
dc.relation.referencesRamanavicius 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.uk_UA
dc.relation.referencesRandriamampita C., Lellouch A. C. Imaging early signaling events in T lymphocytes with fluorescent biosensors. Biotechnology Journal. 2014. Vol. 9. P 203–212.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesRasooly A., Jacobson J. Development of biosensors for cancer clinical testing. Biosensors and Bioelectronics. 2006. Vol. 21 (10). P. 1851–1858.uk_UA
dc.relation.referencesRath H., Panda S. Enhanced capture efficiencies of antigens in immunosensors. Chemical Engineering Journal. 2015. Vol. 260. P. 657–670.uk_UA
dc.relation.referencesReddy 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.uk_UA
dc.relation.referencesСолдаткін 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.uk_UA
dc.relation.referencesRembielak A., Green M., Saleem A., Price P. Diagnostic and therapeutic imaging in oncology. Medicine. 2016. Vol. 44, Issue 1. P. 6–9.uk_UA
dc.relation.referencesRonkainen N. J., Halsall H. B., Heineman W. R. Electrochemical biosensors. Chemical Society Reviews. 2010. Vol. 39. P. 1747–1763.uk_UA
dc.relation.referencesRössler O. E. Chemical Turbulence: Chaos in a Simple Reaction-Diffusion System. Zeitschrift fur Naturforschung . 31a. 1976. P. 1168–1172.uk_UA
dc.relation.referencesRössler O. E. Chemical Turbulence: Chaos in a Simple Reaction-Diffusion System. Zeitschrift fur Naturforschung . 31a. 1976. P. 1168–1172.uk_UA
dc.relation.referencesRossokhaty V., Rossokhata N. Mathematical model of a biosensor with multilayer charged membrane, Computer Physics Communications. 2002. Vol. 147. Issues 1–2. P. 366–369.uk_UA
dc.relation.referencesRozhkov 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.uk_UA
dc.relation.referencesRuan 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesRuan 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.uk_UA
dc.relation.referencesRuiz-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.uk_UA
dc.relation.referencesСтарченко 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.uk_UA
dc.relation.referencesSáenz 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.uk_UA
dc.relation.referencesSalmain 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.uk_UA
dc.relation.referencesSalmain 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.uk_UA
dc.relation.referencesSang 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.uk_UA
dc.relation.referencesScheller 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.uk_UA
dc.relation.referencesSchneider E., Clark D. S. Cytochrome P450 (CYP) enzymes and the development of CYP biosensors. Biosensors and Bioelectronics. 2013. Vol. 39. P. 1–13.uk_UA
dc.relation.referencesSchütze 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.uk_UA
dc.relation.referencesSchwenk M. Chemical warfare agents. Classes and targets, Toxicology Letters. 2018. Vol. 293. P. 253–263.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesScott A. C. Analysis of a myelinated nerve model. Bulletin of Mathematical Biology. 1964. Vol. 26. P. 247–254.uk_UA
dc.relation.referencesВласюк 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.uk_UA
dc.relation.referencesShamsipur 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.uk_UA
dc.relation.referencesSharma 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.uk_UA
dc.relation.referencesShen 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.uk_UA
dc.relation.referencesShen W. Lifted lattices, hyperbolic structures, and topological disorders in coupled map lattices. SIAM Journal on Applied Mathematics. 1996. Vol. 56. P. 1379–1399.uk_UA
dc.relation.referencesShipston M. J. Alternative splicing of potassium channels: a dynamic switch of cellular excitability. Trends in Cell Biology. 2001. Vol. 11. P. 353–358.uk_UA
dc.relation.referencesShushama 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.uk_UA
dc.relation.referencesShushan 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.uk_UA
dc.relation.referencesSieniutycz 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.uk_UA
dc.relation.referencesSingh 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesСтепурська 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.uk_UA
dc.relation.referencesSlay J., Miller M. Lessons learned from the Maroochy water breach. Critical Infrastructure Protection. 2007. Vol. 253. P. 73–82.uk_UA
dc.relation.referencesSmith R. A decoupled feedback structure for covertly appropriating network control systems. In IFAC World Congress, Milan, Italy. 2011. P. 90–95.uk_UA
dc.relation.referencesSnyder 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.uk_UA
dc.relation.referencesSong 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.uk_UA
dc.relation.referencesSoulier 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.uk_UA
dc.relation.referencesSridhar 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.uk_UA
dc.relation.referencesStehlık P., Volek J. Maximum principles for discrete and semidiscrete reaction-diffusion equation. Discrete Dynamics in Nature and Society. Vol. 2015. P. 1–13uk_UA
dc.relation.referencesStiver 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.uk_UA
dc.relation.referencesStock D., Schel D. Cyber-physical Production System Fingerprinting. Procedia CIRP. 2019. Vol. 81. P. 393–398.uk_UA
dc.relation.referencesStone E., Goldes J., Garlick M. A multi-stage model for quantitative PCR. Mathematical biosciences and engineering. 2000. Vol. 00. No. 0. P. 1–17.uk_UA
dc.relation.referencesФранчук 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesStryk O., Bulirsch R. Direct and indirect methods for trajectory optimization. Annals of Operations Research. 1992. Vol. 37. No. 2. Iss. 1–4. P. 357–373uk_UA
dc.relation.referencesSu L., Jia W., Hou C., Lei Y. Microbial biosensors: a review. Biosensors and Bioelectronics. 2011. Vol. 26. P. 1788–1799.uk_UA
dc.relation.referencesSun 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.uk_UA
dc.relation.referencesSverstiuk 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.uk_UA
dc.relation.referencesSverstiuk 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.uk_UA
dc.relation.referencesSverstiuk 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.uk_UA
dc.relation.referencesSverstiuk 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.uk_UA
dc.relation.referencesSverstiuk 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.uk_UA
dc.relation.referencesSverstyuk 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.uk_UA
dc.relation.referencesХомів 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.uk_UA
dc.relation.referencesTao 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. 653–661uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesTao 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.uk_UA
dc.relation.referencesTeixeira 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.uk_UA
dc.relation.referencesThiede S., Juraschek M., Herrmann C. Implementing cyber-physical production systems in learning factories. Procedia CIRP. 2016. Vol. 54. P. 7–12.uk_UA
dc.relation.referencesTokarskyy 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.uk_UA
dc.relation.referencesTsotsou 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.uk_UA
dc.relation.referencesTurner A. P. Biosensors: sense and sensibility. Chemical Society Reviews. 2013. Vol. 42. P. 3184–3196.uk_UA
dc.relation.referencesValentini 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.uk_UA
dc.relation.referencesVernick 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.uk_UA
dc.relation.referencesAach 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.uk_UA
dc.relation.referencesVigneshvar 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.uk_UA
dc.relation.referencesVorotyntsev 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesWang B. Asymptotic behavior of non-autonomous lattice systems. Mathematical Analysis. 2007. Vol. 331. P. 121–136.uk_UA
dc.relation.referencesWang B. Dynamics of systems on infinite lattices. Differential Equations. 2006. Vol. 221. P. 224–245.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesAbdallah A. Y. Asymptotic behavior of the Klein-Gordon-Schrodinger lattice dynamical systems. Communications on Pure & Applied Analysis. 2006. Vol. 5. P. 55–69.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesWang 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.uk_UA
dc.relation.referencesWang Zh., Liu Zh., Zheng Ch. Qualitative analysis and control of complex neural networks with delays. Springer, Heidelberg. 2016. P. 388.uk_UA
dc.relation.referencesWaschburger R., Galva R. Time delay estimation in discretetime state-space models. Signal Process. 2013. Vol. 93(4). P. 904–912.uk_UA
dc.relation.referencesWaschburger R. R., Galvao K. H. Time delay estimation in discretetime state-space models. Signal Process. 2013. Vol. 93(4). P. 904–912.uk_UA
dc.relation.referencesWatts D. G. Estimating parameters in nonlinear rate equations, Can. J. Chem. Eng. 1994. Vol. 72. P. 701–710.uk_UA
dc.relation.referencesAbdallah, A. Y. Uniform global attractors for first order non-autonomous lattice dynamical systems. American Mathematical Society. 2010. Vol. 138. P. 3219–3228.uk_UA
dc.relation.referencesWei J., Ruan S. Stability and bifurcation in a neural network model with two delays. Physica D Nonlinear Phenomena. 1999. Vol. 130. P. 255–272.uk_UA
dc.relation.referencesWeinstein 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.uk_UA
dc.relation.referencesWennberg 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.uk_UA
dc.relation.references2016. Vol. 365. P. 89–95. 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesWu F. Asymptotic speed of spreading in a delay lattice differential equation without quasimonotonicity. Electronic Journal of Differential Equations. 2014. P. 1–10.uk_UA
dc.relation.referencesWu 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.uk_UA
dc.relation.referencesXiangchun 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.uk_UA
dc.relation.referencesYagi K. Applications of whole-cell bacterial sensors in biotechnology and environmental science. Applied Microbiology and Biotechnology. 2007. Vol. 73 P. 1251–1258.uk_UA
dc.relation.referencesYamamoto M. Surface plasmon resonance (SPR) theory, Review of Polarography. 2002. Vol. 48. P. 209.uk_UA
dc.relation.referencesAcharya 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.uk_UA
dc.relation.referencesYamane 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.uk_UA
dc.relation.referencesYan 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.uk_UA
dc.relation.referencesYana 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.uk_UA
dc.relation.referencesYang 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.uk_UA
dc.relation.referencesYoetz-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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesYoetz-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.uk_UA
dc.relation.referencesYongkun L., Yaping R. Exponential convergence for bam neural networks with distributed delays. Electronic Journal of Differential Equations. 2008. Vol. 2008. P. 1–8.uk_UA
dc.relation.referencesYoo Y. Hyperparameter optimization of deep neural network using univariate dynamic encoding algorithm for searches. Knowledge-Based Systems. 2019. Vol. 178. P. 74–83.uk_UA
dc.relation.referencesZaitseva M. F., Magnitskii N. A. Space-time chaos in a system of reaction-diffusion equations. Differential Equations. 2017. Vol. 53. P. 1519–1523.uk_UA
dc.relation.referencesAchi 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.uk_UA
dc.relation.referencesZeng Y., Zhu Z., Du D., Lin Y. Nanomaterial-based electrochemical biosensors for food safety. Journal of Electroanalytical Chemistry. 2016. Vol. 781. P. 147–154uk_UA
dc.relation.referencesZhan 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.uk_UA
dc.relation.referencesZhang 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.uk_UA
dc.relation.referencesZhang Q., Wei X., Xu J. Stability of delayed cellular neural networks. Chaos, Solitons & Fractals. 2007. Vol. 31. No. 2. P. 514–520.uk_UA
dc.relation.referencesZhang 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.uk_UA
dc.relation.referencesZhang 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesZhang 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.uk_UA
dc.relation.referencesZhao X., Zhou S. Kernel sections for processes and nonautonomous lattice systems. Discrete and Continuous Dynamical Systems. 2008. Vol. 9. P. 763–785.uk_UA
dc.relation.referencesZhou 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.uk_UA
dc.relation.referencesAdley C. Past, present and future of sensors in food production. Foods. 2014. Vol. 3. No. 3. P. 491–510.uk_UA
dc.relation.referencesZhou S. Attractors and approximations for lattice dynamical systems. Journal of Differential Equations. 2004. Vol. 200. P. 342–368.uk_UA
dc.relation.referencesZhou S. Attractors for first order dissipative lattice dynamical systems. Journal of Physics D. 2003. Vol. 178. P. 51–61.uk_UA
dc.relation.referencesZhou S. Attractors for lattice systems corresponding to evolution equations. Nonlinearity. 2002. Vol. 15. P. 1079–1095.uk_UA
dc.relation.referencesZhou S. Attractors for second order lattice dynamical systems. Journal of Differential Equations. 2002. Vol. 179. P. 605–624.uk_UA
dc.relation.referencesZhou Y., Chiu C. W., Liang H. Interfacial structures and properties of organic materials for biosensors: an overview. Sensors. 2012. Vol. 12. Р. 15036.uk_UA
dc.relation.referencesZhu 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.uk_UA
dc.relation.referencesZinner B. Existence of traveling wave front solutions for the discrete Nagumo equation. Journal of Differential Equations. 1992. Vol. 96. P.1–27uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referenceszoonek2.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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesAfraimovich 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesМарценюк 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.uk_UA
dc.relation.referencesГречаніна О. Я. Перспективи розвитку клінічної генетики в Україні. Журнал Академії медичних наук України. 2003. № 4. С. 668–680.uk_UA
dc.relation.referencesМарчук Г. И. Математические модели в иммунологии. М.: Наука, Главная редакция физико-математической литературы, 1980. 264 с.uk_UA
dc.relation.referencesМарчук Г. И. Математические модели в иммунологии. М.: Наука. 1985. С. 240.uk_UA
dc.relation.referencesМельник 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.uk_UA
dc.relation.referencesНаконечний 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.uk_UA
dc.relation.referencesНикашина 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.uk_UA
dc.relation.referencesНаконечний 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.uk_UA
dc.relation.referencesПатологическая физиология; под ред. А. Д. Адо и Л. М. Ишимовой. М., 1980. 535 с.uk_UA
dc.relation.referencesПетрик 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.uk_UA
dc.relation.referencesПонтрягин Л. С., Болтянский В. Г., Гамкрелидзе Р. В., Мищенко Е. Ф. Математическая теория оптимальных процессов. M. 1983. C. 393.uk_UA
dc.relation.referencesПутинцева Г. Й. Медична генетика : підручник. К.: Медицина, 2008. С. 392.uk_UA
dc.relation.referencesAlguliyev R., Imamverdiyev Y., Sukhostat L. Cyber-physical systems and their security issues. Computers in Industry. 2018. Vol. 100. P. 212–223.uk_UA
dc.relation.referencesПшеничный Б. Н. Структура дифференциальных игр. Теорія оптимальних рішень. 1968. № 1. С. 3–8.uk_UA
dc.relation.referencesПшеничный 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.uk_UA
dc.relation.referencesСабадишин Р. О., Бухальська С. Є. Медична біологія : підручник. Вінниця : Нова Книга. 2008. С. 288.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesСверстюк А. С. Використання пакету R de Solve для математичного моделювання динамічних процесів в кібер-фізичних імуносенсорних системах. Штучний інтелект. 2018. № 4. С. 73–84.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesСверстюк А. С. Кіберфізичні біосенсорні та імуносенсорні системи. Вісник Хмельницького національного університету. Технічні науки. Хмельницький, 2019. № 1. С. 145–154.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesAli 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesСверстюк А. С. Модель імуносенсора з використанням різницевих рівнянь на гексагональній решітці. Штучний інтелект. 2018. № 3. С. 125–134.uk_UA
dc.relation.referencesСверстюк А. С. Огляд поліграфів та методів обробки психофізіологічної інформації. Медична інформатика та інженерія. 2011. № 2. С. 44–48.uk_UA
dc.relation.referencesСверстюк 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. 117uk_UA
dc.relation.referencesСверстюк 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. 141–143uk_UA
dc.relation.referencesСверстюк А. С. Про кібер-фізичну модель імуносенсорної системи на прямокутній решітці з використанням різницевих рівнянь популяційної динаміки. Вісник ТНТУ. 2018. № 4. С. 147–161.uk_UA
dc.relation.referencesСверстюк 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.uk_UA
dc.relation.referencesСверстюк А. С. Чисельний алгоритм побудови оптимального керування стадією відпалу полімеразно-ланцюгової реакції. Вісник ТНТУ. 2019. № 1. С. 147–160.uk_UA
dc.relation.referencesСверстюк А. С. Чисельний аналіз стійкості кібер-фізичної моделі імуносенсора на прямокутній решітці з використанням різницевих рівнянь. Електронне моделювання. 2019. № 1. С. 105–118.uk_UA
dc.relation.referencesAli 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.uk_UA
dc.relation.referencesСверстюк 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. 69–76uk_UA
dc.relation.referencesAli 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.uk_UA
dc.relation.referencesAllen L. J. Persistence, extinction, and critical patch number for island populations. Journal of Mathematical Biology. 1987. Vol. 24. No. 6. P. 617–625.uk_UA
dc.relation.referencesAmari S. I. Dynamics of pattern formation in lateral-inhibition type neural fields. Biological cybernetics 1977. Vol. 27. P. 77–87.uk_UA
dc.relation.referencesAmato 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.uk_UA
dc.relation.referencesAmbrosio 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.uk_UA
dc.relation.referencesAmin 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.uk_UA
dc.relation.referencesAmin 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.uk_UA
dc.relation.referencesГречаніна О. Я., Хоффманн Г., Богатирьова Р. В., Волосовець О. П. Медична генетика. Підручник. К : «Медицина». 2007. С. 536.uk_UA
dc.relation.referencesArkhypova 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.uk_UA
dc.relation.referencesArnéodo A., Argoul F., Elezgaray J., Richetti P. Homoclinic chaos in chemical systemsю. Physica D: Nonlinear Phenomena. 1993. Vol. 62(1). P. 134–169.uk_UA
dc.relation.referencesArnheim N. Polymerase chain reaction strategy. Annual review of biochemistry. 1992. Vol. 61. P. 131–156.uk_UA
dc.relation.referencesArnold L. Random dynamical systems. Springer Monographs in Mathematics. Springer-Verlag, Berlin.1998. P. 625.uk_UA
dc.relation.referencesAšeris V., Baronas R., Kulys J. Modelling the biosensor utilising parallel substrates conversion. Journal of Electroanalytical Chemistry. Vol. 685. 2012. P. 63–71.uk_UA
dc.relation.referencesAšeris V., Gaidamauskaitė E., Kulys J., Baronas R. Modelling glucose dehydrogenase-based amperometric biosensor utilizing synergistic substrates conversion. Electrochimica Acta. Vol. 146. 2014, P. 752–758uk_UA
dc.relation.referencesAubin J. P., Cellina A. Differential Inclusions, Set-Valued Maps and Viability Theory. Springer-Verlag, Berlin. 1984. P. 93–138.uk_UA
dc.relation.referencesBabak N. A. Transport Construction Negative Impact on the Environment, Procedia Engineering. 2017. Vol. 189. P. 867–873uk_UA
dc.relation.referencesBacha S., Bergel A., Comtat M. Modeling of amperometric biosensors by a finite-volume method. Journal of Electroanalytical Chemistry. 1993. Vol. 359 (1). P. 21–38uk_UA
dc.relation.referencesBahadır 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.uk_UA
dc.relation.referencesДзядевич С. В. Амперометричні ферментні біосенсори. Біотехнологія. 2008. Т. 1, № 1. С. 46–60.uk_UA
dc.relation.referencesBahadır E. B., Sezgintürk M. K. Electrochemical biosensors for hormone analyses. Biosensors and Bioelectronics. 2015. Vol. 68. P. 62–71.uk_UA
dc.relation.referencesBaronas R. Nonlinear effects of diffusion limitations on the response and sensitivity of amperometric biosensors. Electrochimica Acta. 2017. Vol. 240. P. 399–407.uk_UA
dc.relation.referencesBaronas 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.uk_UA
dc.relation.referencesBates P., Lisei H., Lu K. Attractors for stochastic lattice dynamical systems. Stochastics and Dynamics. 2006. Vol. 6. P. 1–21.uk_UA
dc.relation.referencesBates P., Lu K., Wang B. Attractors for lattice dynamical systems. International Journal of Bifurcation and Chaos. 2001. Vol. 11. P. 143–153.uk_UA
dc.relation.referencesBell J. Some threshold results for models of myelinated nerves. Math. Biosci. 1981. Vol. 54. P. 181–190.uk_UA
dc.relation.referencesBell 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.uk_UA
dc.relation.referencesBen-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.uk_UA
dc.relation.referencesBerger C., Hees A., Braunreuther S., Reinhart G. Characterization of Cyber-Physical Sensor Systems. Procedia CIRP. 2016. Vol. 41. P. 638–643.uk_UA
dc.relation.referencesBetts J. T. Practical Methods for Optimal Control Using Nonlinear Programming. Society for Industrial and Applied Mathematics. 2001. P. 190.uk_UA
dc.relation.referencesЄлейко 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.uk_UA
dc.relation.referencesBevers M., Flather C. Numerically exploring habitat fragmentation effects on populations using cell-based coupled map lattices. Theoretical Population Biology. 1999. Vol. 55(1). P. 61–76uk_UA
dc.relation.referencesBhaisare 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.uk_UA
dc.relation.referencesBohrer 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.uk_UA
dc.relation.referencesBohrer 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.uk_UA
dc.relation.referencesBuber 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.uk_UA
dc.relation.referencesBula 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.uk_UA
dc.relation.referencesBurnworth 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.uk_UA
dc.relation.referencesByelyx I. A., Kleshhev M. F. Biological and chemical sensory systems. XPI. 2011. P. 143.uk_UA
dc.relation.referencesCahn J., Chow S., Vleck V. Spatially discrete nonlinear diffusion equations. Mathematical Reviews number. 1995. Vol. 25. P. 87–118.uk_UA
dc.relation.referencesCahn 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.uk_UA
dc.relation.referencesЗарипова В. М. База знаний для проектирования биосенсоров. Перспективы развития строительного комплекса. 2016. № 1. С. 324–331.uk_UA
dc.relation.referencesCampanella 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.uk_UA
dc.coverage.countryUAuk_UA
�蝷箔����:Наукові публікації працівників кафедри комп’ютерних систем та мереж

��辣銝剔�﹝獢�:
獢�獢� ��膩 憭批���撘� 
1_МОНОГРАФІЯ_СВЕРСТЮК_20_12_2020.pdf20,51 MBAdobe PDF璉�閫�/撘��
�蝷箸�辣蝞���漯敶�


�DSpace銝剜�������★��������雿��.

蝞∠�極�