diff --git a/tex/30-digital_identity.tex b/tex/30-digital_identity.tex
index 326666df4e2d9f22b8c95634bf39ba0690e62951..0d51264f44dd968cf9449ae9ad048f6cd38e2652 100644
--- a/tex/30-digital_identity.tex
+++ b/tex/30-digital_identity.tex
@@ -187,6 +187,26 @@ \section{Кластерный анализ цифровых личностей 
 
 \section{Классификация жителей умного города на основе параметров цифровой личности}
 
+Цифровые личности жителей умного города обладают большим количеством параметров, 
+на основе которых можно представить жителя, смоделировать и предсказывать его поведение.
+Возможность учета предроложительного поведения цифровой личности позволит оптимизировать протекающие в городе бизнес-процессы, 
+что может повлечь последующий экономический рост, и улучшить использование существующей инфраструктуры. 
+
+Одним из вариантов анализа цифровых личностей является выявление групп личностей с похожими характеристиками. 
+Выявление групп жителей умного города может позволить упростить работу с поступающим большим объемом данных, 
+путем объединения профилей и последующим их анализом. 
+Выяснение общих предпочтений у групп пользователей также позволит более точно прогнозировать их дальнейшее поведение.
+Полученные группы предпочтений можно использовать во внутренних сервисах умного города для общего улучшения качества обслуживания жителей.
+
+Данную задачу можно решить при помощи использования машинного обучения~\cite{Badri_2019, Chen_2019}, 
+в частности при помощи классификации с использованием нейронных сетей.
+Данный вид сетей был использован в связи возможностью использования большого количества параметров с разными типами и размерностью.
+Также нейронные сети позволяют быстро и точно классифицировать новых жителей умного города на основе обученной модели.
+Существующие инструменты по созданию нейронных сетей позволяют адаптировать разнообразные параметры цифровой личности 
+к использованию в классификации, а также ускорить общее время построения работающей модели. 
+В качестве исходных предполагается использовать данные кластерного анализа цифровых личностей.
+Полученные нейронные классификационные модели обладают необходимой точностью для использования в сервисах умного города.
+
 %%% Local Variables:
 %%% mode: latex
 %%% TeX-master: "rpz"
diff --git a/tex/50-implementation.tex b/tex/50-implementation.tex
index 0f8789fcda23196e6b5cbd84e0b81de9b7cc1c62..836e432ef4ce04ec1fba015cb7fab06ceeee6346 100644
--- a/tex/50-implementation.tex
+++ b/tex/50-implementation.tex
@@ -578,7 +578,7 @@ \subsubsection*{\textbf{Кластеризация методом DBSCAN}}
 
 \subsection{Классификация}
 
-Классификация пользователей социальной сети VK.com была произведена на основе нейронных сетей. 
+Классификация пользователей социальной сети VK.com была произведена на основе нейронных сетей~\cite{Gurney_1997, Zhang_2000}. 
 На вход классификатору подается набор данных о цифровых личностях умного города. 
 Каждая цифровая личность обладает определенным набором характеристик, на основе которых можно произвести классификацию. 
 Вдобавок, для обучения нейронной модели были использованы данные кластерного анализа цифровых личностей, 
diff --git a/tex/rpz.bib b/tex/rpz.bib
index 9e5984aa308d7ece237ff0c94e22f9e8aa5117a1..09cedc7289f082639ecc965f6b3e21021661a170 100644
--- a/tex/rpz.bib
+++ b/tex/rpz.bib
@@ -1,23 +1,5 @@
 @Comment А вот так оформляется библиография при помощи BibTeX.
 
-@Book{Pup09,
-  author =		 {Эйнштейн, А.},
-  title = 		 {\LaTeX для <<чайников>>},
-  publisher = 	 {М.},
-  pagetotal = {299},
-  year = 		 {2009},
-  language =     "russian"
-}
-
-@online{wiki:latex,
-  author = {Wikipedia},
-  title = {Типографика "--- Википедия},
-  year = {2012},
-  url = {https://ru.wikipedia.org/wiki/%D0%A2%D0%B8%D0%BF%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D0%BA%D0%B0},
-  urldate = {25.01.2012},
-  language =     "russian"
-}
-
 @Book{Ester96,
     author    = {Ester, M. and Kriegel, H. P. and Sander, J. and Xu X},
     title     = {A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise},
@@ -57,3 +39,49 @@
     year = {1979},
     language = "english"
 }
+
+@article{Badri_2019,
+author = {Mohapatra, Badri},
+year = {2019},
+month = {02},
+pages = {1-6},
+title = {Machine learning applications to smart city},
+volume = {5},
+journal = {ACCENTS Transactions on Image Processing and Computer Vision},
+doi = {10.19101/TIPCV.2018.412004}
+}
+
+@article{Chen_2019,
+author={Q. {Chen} and W. {Wang} and F. {Wu} and S. {De} and R. {Wang} and B. {Zhang} and X. {Huang}},
+journal={IEEE Transactions on Emerging Topics in Computational Intelligence},
+title={A Survey on an Emerging Area: Deep Learning for Smart City Data},
+year={2019},
+volume={},
+number={},
+pages={1-19},
+keywords={Sensors;Deep learning;Smart cities;Data analysis;Data models;Computational intelligence;Deep learning;smart city;machine learning;data processing;internet of things},
+doi={10.1109/TETCI.2019.2907718},
+ISSN={2471-285X},
+month={},}
+
+@ARTICLE{Zhang_2000,
+author={G. P. {Zhang}},
+journal={IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews)},
+title={Neural networks for classification: a survey},
+year={2000},
+volume={30},
+number={4},
+pages={451-462},
+keywords={neural nets;pattern classification;generalisation (artificial intelligence);learning (artificial intelligence);classification;neural networks;posterior probability estimation;neural classifiers;conventional classifiers;learning;generalization;feature variable selection;misclassification costs;Neural networks;Probability;Input variables;Costs;Medical diagnosis;Speech recognition;Network synthesis;Decision making;Humans;Medical diagnostic imaging},
+doi={10.1109/5326.897072},
+ISSN={1094-6977},
+month={Nov},}
+
+@book{Gurney_1997,
+ author = {Gurney, Kevin},
+ title = {An  Introduction to Neural Networks},
+ year = {1997},
+ isbn = {1857286731},
+ publisher = {Taylor \& Francis, Inc.},
+ address = {Bristol, PA, USA},
+}