Ф.И.О.
Луценко Евгений Вениаминович
Ученая степень
• доктор экономических наук
Ученое звание
профессор
Почетное звание
—
Организация, должность
• Кубанский государственный аграрный университет
кафедра компьютерных технологий и систем
профессор
Научные интересы
Системно-когнитивный анализ, системы искусственного интеллекта, высшие формы сознания, перспективы человека, технологии и общества
Адрес веб-сайта
Электропочта
Текущий рейтинг (суммарный рейтинг статей)
0
TOP5 соавторов
Статей в журнале: 276 шт
Сформировать список работ, опубликованных в Научном журнале КубГАУ
-
Краткое описание
Чтобы повысить обоснованность выводов о влиянии экологии на качество жизни необходимо перейти от общих рассуждений к применению количественных методов моделирования. Для этого необходима совместная обработка экологических баз данных и баз данных, отражающих различные аспекты качества жизни. Эти базы данных необходимо обработать не просто совместно, но и в сопоставимой форме по одной методологии, технологии и методике и в одной реализующей их программной системе. Впервые в экологических исследованиях это планируется сделать с применением АСК-анализа и системы «Эйдос». Ранее, авторами поставлены цели и задачи применения АСК-анализа для исследования влияния экологических факторов на качество жизни населения региона. Обоснованы актуальность данного исследования, требования к методу проведения исследования, выбор метода исследования, кратко раскрыто содержание задач исследования. Предлагаемая работа находится на стыке математической экологии и математического моделирования качества жизни (которое относится к математическим и инструментальным методам экономики), вследствие чего от нее ожидается синергетический эффект, состоящий в получении новых знаний в этих областях науки, что является актуальным как для экологии, так и для экономики. Эти знания сделают более осмысленным и обоснованным применение экологических критериев и понятий в экономике. Данная работа содержит описание источников исходных данных для исследования влияния экологических факторов на различные аспекты качества жизни населения региона; сами исходные данные для этого исследования; характеристику исходных данных; обоснование требований к методу исследования; выбор метода исследования, соответствующего требованиям; разработку этапов достижения цели исследования
-
Когнитивные модели прогнозирования развития многоотраслевой корпорации
Краткое описание
Применение классических методов прогнозирования применительно к многоотраслевой корпорации наталкивается на ряд определенных сложностей, обусловленных ее экономической природой. В отличие от других хозяйствующих субъектов, многоотраслевые корпорации характеризуются многомерными массивами данных с высокой долей искажения и фрагментированности информации, что обусловлено кумулятивным эффектом неполноты и искажения отчетной информации, поступающей от входящих в нее предприятий. В этих условиях применяемые методы и инструментарий должны обладать высокой разрешающей способностью и эффективно работать с большими базами данных в условиях неполноты информации, обеспечивать корректную совместную сопоставимую количественную обработку разнородных по своей природе факторов, измеряемых в различных единицах измерения. Поэтому необходимо выбрать или разработать методы, способные работать со сложными слабо формализуемыми задачами. Данное обстоятельство обосновывает актуальность проблемы разработки моделей, методик и инструментария для решения задачи прогнозирования развития многоотраслевой корпорации. Этим вопросам посвящена данная работа, что и делает ее актуальной. В работе ставятся задачи: 1) провести анализ методов прогнозирования, обосновать выбор системно-когнитивного анализа как одного из эффективных методов прогнозирования слабоструктурированных задач; 2) адаптировать и развить метод системно-когнитивного анализа для прогнозирования динамики развития корпорации с учетом сценарного подхода; 3) разработать модели прогнозирования сценариев изменения основных экономических показателей развития корпорации и оценить их достоверность; 4) определить в аналитическом виде зависимости между прошлыми и будущими сценариями различных экономических показателей; 5) разработать аналитические модели взвешивания прогнозируемых сценариев, с учетом всех результатов прогнозирования с положительными уровнями сходства, для повышения уровня достоверности прогнозов; 6) разработать процедуру вычисления оценки силы влияния на корпорацию (чувствительность) входящих в нее предприятий; 7) доработать программный инструментарий АСК-анализ до уровня информационной технологии с учетом его адаптации и развития для прогнозирования многоотраслевой корпорации
-
Обоснование выбора метода прогнозирования развития многоотраслевой корпорации
Краткое описание
Применение классических методов прогнозирования применительно к многоотраслевой корпорации наталкивается на ряд определенных сложностей, обусловленных ее экономической природой. В отличие от других хозяйствующих субъектов, многоотраслевые корпорации характеризуются многомерными массивами данных с высокой долей искажения и фрагментированности информации, что обусловлено кумулятивным эффектом неполноты и искажения отчетной информации, поступающей от входящих в нее предприятий. В этих условиях, применяемые методы и инструментарий должны обладать высокой разрешающей способностью и эффективно работать с большими базами данных в условиях неполноты информации, обеспечивать корректную совместную сопоставимую количественную обработку разнородных по своей природе факторов, измеряемых в различных единицах измерения. Поэтому необходимо выбрать или разработать методы, способные работать со сложными слабо формализуемыми задачами. Данное обстоятельство обосновывает актуальность проблемы разработки моделей, методик и инструментария для решения задачи прогнозирования развития многоотраслевой корпорации. В данной статье проводится сравнение методов прогнозирования и предлагается применить АСК-анализ, который имеет хорошее теоретическое обоснование содержательной интерпретации модели знаний, основанной на теории информации; высокую точность и независимость результатов расчетов от единиц измерения исходных данных за счет использования не корреляционной матрицы, как в статистических системах, а матриц знаний. Развитый и доступный инструментарий АСК-анализа – интеллектуальная система «Эйдос» (автор – Е.В.Луценко, 1994) позволяет на основе фрагментированных, зашумленных исходных данных различной природы (числовых, текстовых) создавать модели большой размерности. АСК-анализ и система «Эйдос» имеют широкую успешную апробацию в экономике, технике, сельском хозяйстве, социологии и других областях. Эти особенности АСК-анализа и обусловили его выбор в качестве метода прогнозирования динамики показателей корпорации
-
Оценка эффективности кредитных средств во взаимодействующих предприятиях АПК
Краткое описание
Приведены результаты исследования по оценке эффективности кредитных средств во взаимодействующих сельскохозяйственных (СХП) и перерабатывающих (ПП) предприятиях АПК. Проведенные исследования являются продолжением научных работ по разработке математических моделей взаимодействия предприятий СХП и ПП, показанных в статьях [1, 2, 3]. В данной статье представлен разработанный авторами комплекс моделей управления кредитными средствами взаимодействующих предприятий агропромышленного комплекса. В его состав входят математические модели экономической эффективности сельскохозяйственного предприятия с учетом использования кредитных средств, а так же оценки максимально допустимой величины процентной ставки кредита и минимальной цены реализации единицы готовой сельскохозяйственной продукции; математическая модель экономической эффективности перерабатывающего предприятия с учетом кредитных обязательств сельскохозяйственного предприятия и модель для расчета минимальной цены реализации его готовой продукции; математическая модель экономической эффективности объединенного предприятия с учетом взятых им кредитов и предложена модель для расчета минимальной цены реализации его готовой продукции
-
01.00.00 Физико-математические науки
Краткое описание
Классическая количественная мера достоверности моделей: F-мера Ван Ризбергена основана на подсчете суммарного количества верно и ошибочно классифицированных и не классифицированных объектов обучающей выборки. В мультиклассовых системах классификации объект может одновременно относится ко многим классам. Соответственно, при синтезе модели его описание используется для формирования обобщенных образов многих классов, к которым он относится. При использовании модели для классификации определяется степень сходства-различия объекта со всеми классами, причем истинно-положительным решением может являться принадлежность объекта сразу к нескольким классам. В результате такой классификации получается, что объект не просто правильно или ошибочно относится или не относится к различным классам, как в классической F-мере, но правильно или ошибочно относится или не относится к ним в различной степени. Однако классическая F-мера не учитывает того, что объект может фактически одновременно относится ко многим классам (мультиклассовость) и того, что в результате классификации может быть получена различная степень сходства-различия объекта с классами (нечеткость). На численных примерах автором установлено, что при истинно-положительных и истинно-отрицательных решениях модуль сходства-различия объекта с классами значительно выше, чем при ложно-положительных и ложно-отрицательных решениях. Поэтому было бы рационально в мере достоверности модели учитывать не просто сам факт истинно или ложно положительного или отрицательного решения, но и учитывать степень уверенности классификатора в этих решениях. В интеллектуальной системе «Эйдос», которая является программным инструментарием автоматизированного системно-когнитивного анализа (АСК-анализ), изначально используется предложенная их разработчиком мера достоверности моделей, по сути являющаяся нечетким мультиклассовым обобщением классической F-меры (предлагается называть ее L-мерой). В данной статье L-мера описана математически и ее применение продемонстрировано на простом численном примере
-
01.00.00 Физико-математические науки
Краткое описание
Создание систем искусственного интеллекта является одним из важных и перспективных направлений развития современных информационных технологий. Так как существует множество альтернатив математических моделей систем искусственного интеллекта, то возникает необходимость оценки качества этих моделей, для чего необходимо их сравнение. Для достижения поставленной цели необходимы свободный доступ к исходным данным и методика, которая позволяет преобразовать эти данные в форму, необходимую для их обработки в системе искусственного интеллекта. Удачным выбором для этих целей является база данных тестовых задач для систем искусственного интеллекта репозитория UCI. В данной работе использована база данных «Iris Data Set» из банка исходных данных по задачам искусственного интеллекта – репозитория UCI, на основе которой решается задачи формализации предметной области (разработки классификационных и описательных шкал и градаций и кодирование исходных данных с их использованием, в результате чего формируется обучающая выборка, по сути представляющая собой нормализованные исходные данные), синтеза и верификации статистических и системно-когнитивных моделей предметной области, идентификации конкретных цветов с классами, в качестве которых выступают сорта Ириса, а также исследования предметной области путем исследования ее модели. Для решения этих задач применяется автоматизированный системно- когнитивный анализ (АСК-анализ) и его программный инструментарий – интеллектуальная система «Эйдос»
-
Краткое описание
В настоящей статье рассматривается применение автоматизированного системно-когнитивного анализа (АСК-анализ), его математической модели – системной теории информации и реализующего их программного инструментария – интеллектуальной системы «Эйдос», для ввода (оцифровки) изображений из графических файлов, синтеза обобщенных изображений классов, их абстрагирования, классификации обобщенных изображений классов (кластеры и конструкты), сравнения конкретных изображений с обобщенными образами (идентификация) классов, сравнения классов друг с другом и создания обобщенных образов родов жужелиц на основе изображений входящих в них видов. Предлагается новый подход к оцифровке изображений жужелиц, основанный на использовании полярной системы координат, центра тяжести изображения и его внешнего контура. Перед оцифровкой изображений могут применяться их преобразования, стандартизирующие положение изображений, их размеры и угол поворота. Поэтому результаты оцифровки и АСК-анализа изображений могут быть инвариантны (независимы) относительно их положения, размеров и поворота. Имеется успешный опыт решения подобных задач в других предметных областях. Данная статья может рассматриваться, как продолжение серии работ, посвященных применению автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – системы «Эйдос» для обработки изображений, их обобщения, сравнения конкретных изображений с обобщенными, сравнения обобщенных изображений друг с другом
-
Блеск и нищета виртуальной реальности
Краткое описание
В статье кратко рассматриваются перечисленные ниже вопросы. Классическое определение системы виртуальной реальности. Эффекты виртуальной реальности: эффекты реальности, присутствия, деперсонализации (модификации самосознания), модификация сознания пользователя, виртуализации интересов, целей, ценностей и мотиваций ("реалы и виртуалы"). Критерии реальности при различных формах сознания и их применение в виртуальной реальности. Системы виртуальной реальности и критерии реальности, принципы эквивалентности (относительности) Галилея и Эйнштейна и критерии виртуальной реальности. Виртуальные устройства ввода-вывода. Авторское определение системы виртуальной реальности. Сон со сновидениями, гипнотические состояния и виртуальная реальность. Дополненная реальность и дополненная виртуальность. Модификация сознания и самосознания пользователя в виртуальной реальности. Рассмотрение перспективных и патологических измененных форм сознания, возникающих в системах с интеллектуальными интерфейсами. Соблюдения моральных норм в виртуальной реальности и последствия их несоблюдения. Опасность эффектов виртуальной реальности и необходимость их самого серьезного научного изучения. Перенос знаний, умений и навыков из виртуальной реальности в истинную. Перенос знаний, умений и навыков из виртуальной реальности в истинную. Механизмы формирования моделей истинной и виртуальной реальности человеком и принципы их корректной содержательной интерпретации. Принципы и перспективы корректной содержательной интерпретации субъективных (виртуальных) моделей физической и социальной реальности, формируемых сознанием человека. Применения систем виртуальной реальности. Приводится тест на понимание виртуальной реальности
-
АСК-анализ зависимости оплаты сотрудников АПК от их характеристик
Краткое описание
Создание систем искусственного интеллекта является одним из важных и перспективных направлений развития современных информационных технологий. Так как существует множество альтернатив систем искусственного интеллекта, то возникает необходимость оценки качества математических моделей этих систем. В данной работе рассмотрено решение задачи идентификации классов уровней оплаты сотрудников фирмы по их характеристикам. Для достижения поставленной цели необходимы свободный доступ к тестовым исходным данным и методика, которая поможет преобразовать эти данные в форму, которая необходима для работы в системе искусственного интеллекта. Удачным выбором являются базы данных с сайта: http://allexcel.ru/gotovye-tablitsy-excel-besplatno. В данной работе использована база данных: «Таблица базы данных сотрудников, расчет выплат». При этом наиболее достоверной в данном приложении оказались модели INF4, основанная на семантической мере целесообразности информации А.Харкевича при интегральном критерии «Сумма знаний». Точность модели составляет 0,960, что заметно выше, чем достоверность экспертных оценок, которая считается равной около 70%. Для оценки достоверности моделей в АСК-анализе и системе «Эйдос» используется F-критерий Ван Ризбергена и его нечеткое мультиклассовое обобщение, предложенное проф.Е.В.Луценко
-
АСК-анализ эффективности работы преподавателя аграрного ВУЗа на основе данных репозитория UCI
Краткое описание
Создание систем искусственного интеллекта является одним из важных и перспективных направлений развития современных информационных технологий. Так как существует множество альтернатив систем искусственного интеллекта, то возникает необходимость оценки качества математических моделей этих систем. В данной работе рассмотрено решение задачи идентификации классов уровней оплаты сотрудников фирмы по их характеристикам. Для достижения поставленной цели необходимы свободный доступ к тестовым исходным данным и методика, которая поможет преобразовать эти данные в форму, которая необходима для работы в системе искусственного интеллекта. Удачным выбором является база данных тестовых задач для систем искусственного интеллекта репозитория UCI. В данной работе использована база данных по эффективности преподавания в течение трех регулярных семестров и двух летних семестров 151 ассистентом преподавателя (TA) назначений в департаменте статистики Университета Висконсин-Мэдисон. При этом наиболее достоверной в данном приложении оказались модели INF4. Достоверность модели в соответствии с L-мерой составила 0,809, что заметно выше, чем достоверность экспертных оценок, которая считается равной около 70%. Для оценки достоверности моделей в АСК-анализе и системе «Эйдос» используется F-критерий Ван Ризбергена и ее нечеткое мультиклассовое обобщение, предложенное проф.Е.В.Луценко
pdf 3.108.744kb
doc 3.108.744kb