1. Свечников, А.А. Совершенствование технологии контроля технического состояния агрегатов наддува тепловозного дизеля после ремонта: 05.22.07: автореферат диссертации на соискание ученой степени кандидата технических наук:/Свечников Андрей Александрович. - Самара, 2010. - 24 с. - Текст: непосредственный.
2. Титанаков, Д.А. Оценка технического состояния газовоздушного тракта тепловозных дизелей: 05.22.07: автореферат диссертации на соискание ученой степени кандидата технических наук:/Титанаков Денис Александрович. - Омск, 2005. - 20 с. - Текст: непосредственный.
3. Васин, П.А. Исследование газовоздушного тракта четырехтактного высокооборотного дизеля с турбонаддувом как объекта автоматической безразборной диагностики: 05.04.02: автореферат диссертации на соискание ученой степени кандидата технических наук:/Васин Петр Александрович: - Ленинград, 1984. - 23 с. - Текст: непосредственный.
4. Лобанов, И.И. Повышение эксплуатационной эффективности тепловозных дизелей применением средств оперативной диагностики: 05.22.07: автореферат диссертации на соискание ученой степени кандидата технических наук: / Лобанов Иван Игоревич. - Москва, 2017. - 23 с. - Текст: непосредственный.
5. Комплекс диагностики и настройки дизелей КДН «МАГИСТРАЛЬ»: сайт / ООО «Техтранс-Д». - Санкт-Петеребург, 2022. - URL: https://tehtrans-d.ru (дата обращения 13.04.2022). - Режим доступа: свободный. - Текст: электронный.
6. Кулешов А.С. Программа расчета и оптимизации двигателей внутреннего сгорания ДИЗЕЛЬ-РК. Описание математических моделей, решение оптимизационных задач. М., МГТУ им. Баумана, 2004. - 123 с., ил. - Текст: непосредственный.
7. Черезов, Д.С. Обзор основных методов классификации и кластеризации данных / Д.С.Черезов, Н.А.Тюкачев//Вестник Воронежского государственного университета. Серия: системный анализ и информационные технологии. - Воронеж, 2009, №9. - с.25-29.
8. Федотов, М.В. Предиктивная аналитика технического состояния систем тепловозов с использованием нейросетевых прогнозных моделей/М.В.Федотов, В.В.Грачев. - Текст: непосредственный // Бюллетень результатов научных исследований. - Санкт-Петербург, 2021. - № 3. - с. 102-115.
9. Метод опорных векторов для стандартной задачи классификации:/URL: www.machine learning.ru /wiki/images/2/25/SMAIS11_SVM.pdf (дата обращения 14.04.2022) - Режим доступа: свободный. - Текст электронный.
10. Термокомплект дизельный ТКД-50М: сайт/ООО «Нева-Дизель». - Санкт-Петербург, 2022. - URL: http://neva-diesel.com/mkd-50m-termodizelnyy-komplekt (дата обращения 14.04.2022). - Режим доступа: свободный. - Тест: электронный.
11. Выбор метрики в машинном обучении. Как выбрать метрики для валидации результата Machine Learning: [Электронный ресурс]// Режим доступа: сайт ООО «Datalytica» - Москва, 2022. - URL: http://blog.datalytica.ru/2018/05/blog-post.html (дата обращения 14.04.2022) - Режим доступа: свободный. - Текст: электронный.
12. Грачев, В.В. Прескриптивный контроль энергоэффективности тепловоза с использованием интеллектуальных методов обработки измерительной информации. Монография/В.В.Грачев//СПб: издательство Петербургский государственный университет путей сообщения Императора Александра I. - 2019. - 105 с.: Илл. - Текст: непосредственный.
13. Термоанемометр ТТМ-2-04; сайт ООО «Орбиталь». - Санкт-Петербург, 2022. URL: http://www.orbitalspb.ru/parametri_sredi/ termoanemometry/anemometr_TTM2 -04_portativnyi (дата обращения 14.04.2022) - Режим доступа: свободный. - Текст: непосредственный.