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
Качество жизни населения региона является важнейшим интегральным критерием оценки эффективности деятельности региональной администрации. На качество жизни в основном влияют экологические факторы. Поэтому возникает задача исследования влияния экологических факторов на различные аспекты качества жизни. Эту задачу предлагается решить с применением автоматизированного системно- когнитивного анализа
-
Краткое описание
Качество жизни населения региона является важнейшим интегральным критерием оценки эффективности деятельности региональной администрации. Важнейшей системообразующей отраслью экономики Краснодарского края является агропромышленный комплекс (АПК). Поэтому возникает задача управления качеством жизни населения региона путем использования в качестве управляющего фактора объемов и направленности инвестиций в АПК
-
Краткое описание
На показатели эффективности работы торговой фирмы в натуральном и стоимостном выражении существенное влияние оказывает номенклатура и объемы закупаемой и реализуемой продукции, а также то, у каких она закупается поставщиков и каким потребителям продается. Однако решение задачи выбора рациональной номенклатуры продукции наталкивается на значительные затраты вычислительных и человеческих ресурсов, а также отсутствие исходных данных, и при реальных размерностях данная задача не имеет решения. В статье предлагается такое решение, очень экономное по затратам различных видов ресурсов и основанное на применении теории информации, когнитивных технологий и теории управления
-
АСК-анализ зависимости размеров атомов химических элементов от их основных характеристик
Краткое описание
Изучая природные явления во всем их многообразии, человечество отработало испытанные в каждой области науки модели восприятия мира и методы получения информации. Развитие науки в настоящее время невозможно представить без исследований на стыке ее областей. В данной статье представлены результаты автоматизированного системно- когнитивного анализа размеров атомов от основных характеристик, которые являются исследованием на стыке общей химии элементов и интеллектуальных систем. Зависимость атомного радиуса от массы и атома и зарядового числа имеют идентичную форму и размер, что, вероятно, связано с линейным возрастанием этих параметров в Периодической системе химических элементов. Также наблюдается аналогичная форма зависимостей радиусов атомов от коэффициентов е х и х, что связано с тем, что данные коэффициенты взаимосвязаны. Полученные результаты АСК-анализа подтверждают теоретические предположения и формульные зависимости основных характеристик атома
-
Краткое описание
В статье описаны синтез и верификация статистических и системно-когнитивных моделей влияния экологических факторов на качество жизни населения региона. Этот этап АСК-анализа выполняется в системе «Эйдос». В результате создаются и проверяются на достоверность (верифицируются) все заданные системно - когнитивные модели. Ожидается, что достоверность моделей знаний будет достаточно высока для данной предметной области, на основе чего можно будет говорить об обнаружении определенной зависимости продолжительности жизни и причин смерти от экологической обстановки. Обычно модели знаний имеют примерно на 20% более высокую достоверность, чем статистические модели, которые работают по принципу положительного псевдопрогноза. На основе модели Abs (матрица абсолютных частот) принимать решения не целесообразно из-за разного количества примеров по классам (обобщенным категориям) и зависимости решений от этого количества. В модели Prc2 (условные и безусловные процентные распределения) зависимость представленных в модели значений от числа примеров по классам снята, но достоверность у нее обычно такая же низкая, как у Abs. Кроме того, для принятия решений на основе этой модели, необходимо вручную сравнивать значения условных и безусловных вероятностей, что трудоемко, и едва ли возможно при больших размерностях моделей. Модель знаний Inf3, основанная на мере, сходной с хи-квадрат, получается в результате автоматизированного сравнения значения условных и безусловных вероятностей, представленных в модели Prc1, сходной с Prc2, и обычно имеет довольно высокую достоверность, особенно если учесть высокую сложность предметной области, которую мы моделируем. Поэтому, в соответствии с технологией АСК-анализа преобразования данных в информацию, а ее - в знания, именно модель Inf3 планируется использовать для решения задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области, путем исследования ее модели
-
Теоретические основы системно- когнитивного моделирования процессов и машин агроинженерных систем
05.20.00 Процессы и машины агроинженерных систем
Краткое описание
Процессы и машины агроинженерных систем с полным основанием могут рассматриваться как сложные многопараметрические природно-технические системы. В этих системах происходят многочисленные и разнообразные физические, химические и биологические процессы. С одной стороны эти процессы, оказывают существенное влияние на результаты работы этих систем. С другой стороны, они крайне сложно поддаются описанию в виде содержательных аналитических моделей, основанных на уравнениях. Вследствие этого разработка содержательных аналитических моделей связана с большим количеством упрощающих допущений, снижающих достоверность этих моделей. Однако математические моделирование процессов и машин агроинженерных систем необходимо для разработки, как их конструкций, так и технологий применения. Таким образом, на лицо проблема, которую предлагается решать с применением феноменологических информационных и когнитивных моделей. Эти модели основаны на теории информации и описывают моделируемую систему чисто внешне как «черный ящик», но при этом содержательно. Системно-когнитивные модели могут строиться непосредственно на основе эмпирических данных с применением интеллектуальной системы «Эйдос». Это делается по типовой технологии и методике и это намного менее трудоемко и намного быстрее, чем разработка содержательных аналитических моделей. С другой стороны феноменологические системно-когнитивные модели могут быть вполне достаточны для определения рациональных конструктивных особенностей и параметров процессов и машин агроинженерных систем. Кроме того, такие феноменологические модели могут рассматриваться в качестве первого этапа разработки содержательных аналитических моделей. Приводится численный пример
-
Автоматизированный системно-когнитивный анализ в агрономии
Краткое описание
Агрономические системы с полным основанием могут рассматриваться как сложные нелинейные многопараметрические природно-технические системы. В этих системах происходят многочисленные и разнообразные физические, химические и биологические процессы. С одной стороны эти процессы, оказывают существенное влияние на результаты работы этих систем. С другой стороны, они крайне сложно поддаются описанию в виде содержательных аналитических моделей, основанных на уравнениях, например с применением математического аппарата теории автоматического управления. Вследствие этого, разработка содержательных аналитических моделей связана с большим количеством упрощающих допущений, снижающих достоверность этих моделей. Обычно рассматриваются линейные однофакторные модели агрономических систем, тогда как для практики необходимы нелинейные многопараметрические модели. Таким образом, на лицо проблема, которую предлагается решать с применением феноменологических содержательных системно-когнитивных моделей. Эти модели создаются в автоматизированном системно-когнитивном анализе (АСК-анализ) с применением интеллектуальной системы «Эйдос» непосредственно на основе эмпирических данных и применяются для решения задач прогнозирования, поддержки принятия решений и исследования моделируемой предметной области. При этом эмпирические данные могут быть большой размерности, неполными (фрагментированными), зашумленными, представленными в различных типах измерительных шкал (номинальных, порядковых и числовых) и в различных единицах измерения. Сопоставимость обработки разнородных данных обеспечивается тем, что они все преобразуются в единицы измерения количества информации. Приводится численный пример
-
06.02.00 Ветеринария и Зоотехния
Краткое описание
В статье рассмотрено применение Автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария интеллектуальной технологи «Эйдос» для реализации уже разработанных ветеринарных и медицинских диагностических тестов без программирования в форме, удобной для индивидуального и массового тестирования, анализа его результатов и выработки индивидуальных и групповых рекомендаций. Возможно объединение нескольких ветеринарных тестов в один супертест
-
Агломеративная когнитивная кластеризация нозологических образов в ветеринарии
06.02.00 Ветеринария и Зоотехния
Краткое описание
В статье на небольшом численном примере рассматривается сходство и различие нозологических образов в ветеринарии с применением нового метода агломеративной кластеризации, реализованного в автоматизированном системно-когнитивном анализе (АСК-анализ). Этот метод получил название: «Агломеративная когнитивная кластеризация». Этот метод отличается от известных традиционных тем, что: а) в нем параметры обобщенного образа кластера вычисляются не как средние от исходных объектов (классов) или их центр тяжести, а определяются с помощью той же самой базовой когнитивной операции АСК-анализа, которая применяется и для формирования обобщенных образов классов на основе примеров объектов и которая действительно корректно обеспечивает обобщение; б) в качестве критерия сходства используется не евклидово расстояние или его варианты, а интегральный критерий неметрической природы: «суммарное количество информации», применение которого теоретически корректно и дает хорошие результаты в неортонормированных пространствах, которые обычно и встречаются на практике; в) кластерный анализ проводится не на основе исходных переменных, матриц частот или матрицы сходства (различий), зависящих от единиц измерения по осям, а в когнитивном пространстве, в котором по всем осям (описательным шкалам) используется одна единица измерения: количество информации, и поэтому результаты кластеризации не зависят от исходных единиц измерения признаков объектов. Все это позволяет получить результаты кластеризации, понятные специалистам и поддающиеся содержательной интерпретации, хорошо согласующиеся с оценками экспертов, их опытом и интуитивными ожиданиями, что часто представляет собой проблему для классических методов кластеризации
-
Агломеративная когнитивная кластеризация симптомов и синдромов в ветеринарии
06.02.00 Ветеринария и Зоотехния
Краткое описание
В статье на небольшом численном примере рассматривается сходство и различие симптомов и синдромов по их диагностическому смыслу, т.е. по той информации, которую они содержат о принадлежности состояний животных к различным нозологическим образам. Эта задача решается для ветеринарии с применением нового метода агломеративной когнитивной кластеризации, реализованного в автоматизированном системно-когнитивном анализе (АСК-анализ). Этот метод кластеризации отличается от известных традиционных тем, что: а) в нем параметры обобщенного образа кластера вычисляются не как средние от исходных объектов (симптомов) или их центр тяжести, а определяются с помощью той же самой базовой когнитивной операции АСК-анализа, которая применяется и для формирования обобщенных образов классов на основе примеров объектов и которая действительно корректно обеспечивает обобщение; б) в качестве критерия сходства используется не евклидово расстояние или его варианты, а интегральный критерий неметрической природы: «суммарное количество информации», применение которого теоретически корректно и дает хорошие результаты в неортонормированных пространствах, которые как правило и встречаются на практике; в) кластерный анализ проводится не на основе исходных переменных, матриц частот или матрицы сходства (различий), зависящих от единиц измерения по осям (измерительным шкалам), а в когнитивном пространстве, в котором по всем осям используется одна единица измерения: количество информации, и поэтому результаты кластеризации не зависят от исходных единиц измерения признаков объектов. Все это позволяет получить результаты кластеризации, понятные специалистам и поддающиеся содержательной интерпретации, хорошо согласующиеся с оценками экспертов, их опытом и интуитивными ожиданиями, что часто представляет собой проблему для классических методов кластеризации
pdf 114.166kb
doc 114.166kb