10. Макаров В.Л. (1999): Вычислимая модель российской экономики (RUSEC). Препринт # WP/99/069. М.: ЦЭМИ РАН.
11. Макаров В.Л, Бахтизин А.Р. (2001): Эффективный способ оценки государственной политики // Экономика и управление. № 4.
12. Масалович А. И. (1995): Этот нечеткий, нечеткий, нечеткий мир. http://www.tora-centre.nT/hbrary/firzzy/fuzzy.htrn.
13. Пивкин В.Я., Бакулин Е.П., Кореньков ДИ. (1998): Нечеткие множества в системах управления. lrttp://idis\'S.iae.irsk.su/fuz>y _book/coirteirt.lrtm
14. ПьюД.С., Хиксон Д. Дж. (1999): Исследователи об организациях. Хрестоматия. М.: ЛИНК.
15. Российский мониторинг экономического положения и здоровья населения (РТМБХЕжегодные обследования. Carolina Population Center at the University of North Carolina at Chapel Hill.
16. Саймон Г. (2000): Теория принятия решений в экономической теории и науке о поведении. М.: Теория фирмы.
17. Alekseev A., Tourdyeva N„ Yudaeva К. (2003): Estimation of the Russia Trade Policy with the Help of the Computable General Equilibrium Model. CEFIR Academic papers.
18. Baldassarre G. (1997): Neural networks and genetic algorithms for the simulation models of bounded rationality theory: An application to oligopolistic markets // Ri-vista di Politica Economica. V. 12, pp. 107-146.
19. Beltratti A., Margarita S. andTemaP. (1996): Neural Networks for Economic and Financial Modelling. London: International Thomson Computer Press.
20. Bishop C. (1995): Neural Networks for Pattern Recognition. Oxford: University Press.
21. Economic simulation in SWARM: agent-based modeling and object oriented programming (2000) / edited by Francesco Luna and Benedikt Stefansson Kluwer Academic Publishers.
22. EngelbrechtA.P. (2002): Computational Intelligence: An Introduction Chichester: John Wiley.
23. Garson G.D. (1998): Neural Networks: An Introductory Guide for Social Scientists. London: Sage Publications.
24. Gigerenzer G., Selten R (2002): Bounded Rationality: The Adaptive Toolbox MIT Press.
25. Grothmann R (2002): Multi-Agent Market Modeling based on Neural Networks. Thesis presented for the Degree of Doctor of Economics. Bremen University.
26. Kooths S. (1999): Modelling Rule- and Experience-Based Expectations Using Neuro-Fuzzy Systems. University of Muenster. Germany, http://www-wiwi.uni-muenster.de/~09/makromat/cef99/cef99-kootlis.pdf.
27. Kosko B. (1992): Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence. Englewood Cliffs, NJ: Prentice Hall.
28. Patterson D. (1996): Artificial Neural Networks. Singapore: Prentice Hall.
29. Rubinstein A. (1997): Modeling Bounded Rationality. МГГ Press.
30. Sargent TJ (1994): Bounded Rationality in Macroeconomics: The Arne Ryde Memorial Lectures. Claredon Press.
31. Simon HA. (1978): Rationality as Process and as Product of Thought Richard T.Ely Lecture // American Economic Review. V. 68, no.2, p. 1-16.
32. Tesfatsion L. (2002): Agent-Based Computational Economics: Modelling Economies as Complex Adaptive Systems, http://www.econ.iastate.edu/tesfatsi.
33. Turing AM. (1950): Computer machinery and intelligence // MIND: A quarterly review of psychology and philosophy. V. LIX. no 236.
34. Zizzo D.J., Sgroi D. (2000): Bounded-Rational Behavior by Neural Networks in Normal Form Games Nuffield College Oxford Economics Discussion Paper. No. 2000-W30
VI
За последние годы в России созданы серьезные предпосылки для формирования основ информационного общества. Об этом свидетельствуют следующие характеристики процессов развития российского общества:
• Сформировался и быстро прогрессирует отечественный рынок информационных и коммуникационных технологий, продуктов и услуг.
• В значительной степени компьютеризированы многие отрасли хозяйства, в том числе, банковская сфера и сфера государственного управления.
• Создана база для законодательного и нормативного обеспечения развития информационно-коммуникационных технологий (ИКТ).
• В общественном мнении складывается понимание актуальности задачи использования ИКТ в бизнесе, политике и управлении, в здравоохранении и культуре, в науке и образовании.
• Высокий уровень образования населения России создает благоприятные предпосылки для дальнейшего информационного развития страны. Доля лиц с высшим и незаконченным высшим образованием в экономически активном населении России составляет сегодня 20%, а по численности студентов на 1000 человек населения Россия сегодня находится на уровне передовых экономически развитых стран мира.
• Растет число студентов, получающих образование в сфере ИКТ, и по их числу, приходящемуся на 1000 человек, Россия не уступает таким странам, как Франция, Швеция и Германия.