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
-
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
-
06.02.00 Ветеринария и Зоотехния
Краткое описание
Данная работа является продолжением серии работ автора по когнитивной ветеринарии. Настоящее время характеризуется появлением в открытом доступе огромных объемов текстов на различных языках, сгенерированных людьми. В настоящее время эти тексты накапливаются в различных электронных библиотеках и библиографических базах данных (WoS, Скопус, РИНЦ и др), а также просто в Internet на различных сайтах. Все эти тексты имеют конкретных авторов, датировку и могут относиться одновременно ко многим не альтернативным категориям и жанрам, в частности: учебные; научные; художественные; политические; новостные; чаты; форумы и многие другие. Большой научный и практический интерес представляет решение обобщенной задачи атрибуции текстов, т.е. такого исследования этих текстов, при котором определялись бы их вероятные авторы, датировка создания, принадлежность этих текстов к перечисленным выше обобщенным группам или жанрам, а также оценка сходства- различия авторов и текстов по их содержанию, выделение в текстах ключевых слов и т.п. и т.д. Для решения всех этих задач необходимо сформировать обобщенные лингвистические образы текстов по группам (классам), т.е. сформировать семантические ядра классов. Частным случаем этой задачи является создание семантических ядер по различным научным специальностям ВАК РФ и автоматическая классификация научных текстов по направлениям науки. Традиционно эта задача решается диссертационными советами, т.е. экспертами, на основе экспертных оценок, т.е. неформализованным путем, на основе опыта, интуиции и профессиональной компетенции. Однако традиционный подход имеет ряд довольно серьезных недостатков, накладывающих на качество и объемы анализа существенные ограничения. В настоящее время уже есть все основания рассматривать эти ограничения как неприемлемые, т.к. их вполне можно преодолеть. Таким образом, налицо проблема, пути решения которой и являются предметом рассмотрения в данной статье. Следовательно, актуальными является усилия исследователей и разработчиков по их преодолению. Поэтому целью работы является разработка автоматизированной технологии (метода и инструментария), а также методики их применения для формирования семантического ядра ветеринарии путем автоматизированного системно-когнитивного анализа паспортов научных специальностей ВАК РФ и автоматической классификация текстов по направлениям науки. Приводится развернутый численный пример решения поставленной проблемы на реальных данных
-
06.02.00 Ветеринария и Зоотехния
Краткое описание
В данной статье кратко рассматривается новый инновационный (доведенный до уровня, обеспечивающего практическое использование) метод искусственного интеллекта: автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий -¬ интеллектуальная система «Эйдос». Приводится подробный численный пример решения, демонстрирующий технологию создания ветеринарного диагностического теста желудочно-кишечных заболеваний лошади. В качестве исходных данных использованы данные репозитория UCI, предоставленные Мэри Маклиш и Мэтт Сесиль (Отдел компьютерных наук Гуэлфский университет, Онтарио, Канада N1G 2W1, при поддержке спонсора: Уилла Тейлора. Разработанный тест использован для решения задач диагностики, поддержки принятия решений и исследования моделируемой предметной области путем исследования ее модели. Результаты исследования могут быть использованы всеми желающими, благодаря тому, что Универсальная автоматизированная система «Эйдос», являющаяся инструментарием АСК-анализа, находится в полном открытом бесплатном доступе на сайте автора по адресу: http://lc.kubagro.ru/aidos/_Aidos-X.htm, а численные примеры решения задач ветеринарии с применением технологий искусственного интеллекта размещены как облачное Эйдос-приложение № 129
-
05.13.18 Математическое моделирование, численные методы и комплексы программ (технические науки)
Краткое описание
Данная работа продолжает серию работ автора, посвященных применению современных научных методов в исследованиях сознания человека. В 1979-1981 были написаны две монографии, посвященные высшим формы сознания, перспективам человека, технологии и общества. Одна из этих монографий была двухтомной и называлась: «Теоретические основы синтеза квазибиологических роботов». В этих монографиях были предложены: 1) критериальная периодическая классификация 49 форм сознания, включающая и высшие формы сознания (ВФС); 2) основанные на этой классификации психологические, микросоциальные и технологические методики перехода между различными формами сознания, в т.ч. методики перехода из обычной формы сознания в ВФС; 3) информационно-функциональная теория развития техники (в т.ч. закона повышения качества базиса); 4) информационная теория стоимости; 5) 11 функциональных схем технических систем будущих форм общества, в т.ч. системы дистанционного миротелекинетического (мысленного) управления; 6) концепция развития общества в группах общественно-экономических формаций; 7) концепция детерминации формы сознания человека функциональным уровнем технологической среды; 8) математическое и численное моделирование динамики плотности вероятности состояний сознания человека в эволюции с применением теории Марковских случайных процессов. В данной работе проводится полный автоматизированный системно-когнитивный анализ (АСК-анализ) периодической критериальной классификации форм сознания, предложенной автором в 1978 году. Для этого в работе решаются задачи: когнитивной структуризации и формализации предметной области; синтеза и верификации статистических и системно-когнитивных моделей (многопараметрической типизации форм сознания); системной идентификации форм сознания; их типологического анализа; исследования моделируемой предметной области путем исследования ее модели. Приводится подробный численный пример решения всех этих задач
-
06.00.00 Сельскохозяйственные науки
Краткое описание
В садах персика во влажных субтропиках России наиболее опасной и вредоносной болезнью является курчавость листьев. В связи с высокой степенью опасности курчавости листьев персика, нами впервые для региона была поставлена задача проанализировать зависимость развития курчавости листьев персика от погодных условий. Для решения поставленной задачи предлагается применить новую инновационную интеллектуальную технологию: автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий – систему «Эйдос». Для построения модели, основываясь на собственных наблюдениях и опыте российских и зарубежных коллег, было решено использовать следующие факторы: сумма температур выше +4 °С текущего года (за период с января по апрель), сумма температур выше +4 °С предыдущего года (за весь год), сумма осадков текущего года (за период с января по апрель), сумма осадков предыдущего года (за весь год), количество часов инфицирования (в текущем году). Установлено, наибольшую значимость в динамике развития и распространения курчавости листьев персика имеют такие факторы как количество часов инфицирования, сумма температур выше +4 °С в апреле и в период с января по апрель, а также сумма осадков в марте и в апреле. Высокие показатели распространения и развития курчавости обуславливаются количеством часов инфицирования в диапазоне 1440…2064 час., низкими температурами воздуха в марте и апреле (сумма температур выше +4 °С – 89,4-240,4° и 283,7-316,7°, соответственно) и высокими – в январе и феврале (сумма температур выше +4 °С – 155,3-259,6° и 243,5-280,1°, соответственно)
-
Краткое описание
В настоящее время в полном открытом бесплатном доступе есть базы данных 27-летних наблюдений различных неблагоприятных условий погоды и опасных гидрометеорологических явлений, приводящих к социальным и экономическим потерям на территории России. Некоторые из этих опасных природных климатических явлений наносят значительный ущерб и сельскому хозяйству, особенно растениеводству, плодоовощеводству и виноградарству. Поэтому большой научный и практический интерес представляет интеллектуальный анализ этих данных, что позволит создать более благоприятные условия для прогнозирования подобных неблагоприятных явлений и принятию решений с учетом их возможного отрицательного воздействия на деятельность человека. Для достижения этой цели необходимо решить следующие задачи, которые получаются путем декомпозиции цели и являются этапами ее достижения: Задача 1: когнитивная структуризация предметной области. Задача 2: подготовка исходных данных и формализация предметной области. Задача 3: синтез и верификация статистических и системно-когнитивных моделей и выбор наиболее достоверной модели. Задача 4: решение задач в наиболее достоверной модели: - подзадача 4.1. Прогнозирование (диагностики, классификации, распознавания, идентификации); - подзадача 4.2. Поддержка принятия решений; - подзадача 4.3. Исследование моделируемой предметной области путем исследования ее модели (когнитивные диаграммы классов и значений факторов, агломеративная когнитивная кластеризация классов и значений факторов, нелокальные нейроны и нейронные сети, 3d-интегральные когнитивные карты, когнитивные функции). Для решения поставленных задач предлагается применить Автоматизированный системно-когнитивный анализ (АСК-анализ). В статье приводится подробный численный пример, иллюстрирующий решение всех этих задач
-
Краткое описание
Сомелье оценивает качество вина на основе своих субъективных ощущений. При этом то, что говорит сомелье, когда оценивает вино, непосвященному в это искусство трудно или вообще невозможно понять рационально. Сам процесс оценивания качества вина сомелье не поддается формализации и осуществляется полностью на чувственном уровне. Иногда разные сомелье по-разному оценивают одно и тоже вино, разлитое из одной и той же бочки в бутылки разной престижности с наклейками, отличающимися количеством звездочек. В этой связи возникает по крайней мере два закономерных и естественных вопроса. Первый вопрос о том, связаны ли как-либо субъективные сомелье-оценки качества вина с его объективными физико-химическими свойствами? Второй вопрос возникает в случае положительного ответа на первый: можно ли анализируя объективными методами физико-химические свойства вина предсказать его субъективную оценку различными сомелье или некоторым «обобщенным сомелье», обобщающим много подобных субъективных оценок? Данная статья посвящена получению аргументированных ответов на эти вопросы. Целью данной работы, представляющей большой научный и практический интерес, является создание модели, обеспечивающей автоматизированную оценку качества вина на основе анализа его объективных физико-химические свойства, совпадающую с его сомелье-оценкой. Для достижения этой цели применяется Автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий – интеллектуальная система «Эйдос». Рассматривается подробный численный пример, основанный на 1599 реальных примерах оценки сомелье качества вин с известными физико-химическими свойствами. Кроме ответа на два поставленных вопроса, в статье приводится и исследование созданной системно-когнитивной модели
-
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
-
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
-
06.02.00 Ветеринария и Зоотехния
Краткое описание
14 января 2019 года на сайте ВАК РФ http://vak.ed.gov.ru/87 появилась информация: « Об уточнении научных специальностей и соответствующих им отраслей науки, по которым издания входят в Перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, на соискание ученой степени доктора наук». Сообщается, что согласно рекомендации ВАК для остальных изданий, входящих в Перечень по группам научных специальностей, работа по уточнению научных специальностей и отраслей науки будет продолжена в 2019 году. Данная работа является продолжением серии работ автора по когнитивной лингвистике. В ней предлагается инновационная интеллектуальная технология для автоматизации решения задачи, сформулированной ВАК РФ выше. С применением автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – интеллектуальной системы «Эйдос» непосредственно на основе официальных текстов паспортов научных специальностей ВАК РФ созданы их семантические ядра, а затем реализована автоматическая классификация научных текстов (статей, монографий, учебных пособий и т.д.) по специальностям и группам специальностей ВАК РФ. Традиционно эта задача решается диссертационными советами, а также редакционными советами научных изданий, т.е. экспертами, на основе экспертных оценок, неформализованным путем, на основе опыта, интуиции и профессиональной компетенции. Однако, традиционный подход имеет ряд довольно серьезных недостатков, накладывающих на качество и объемы анализа существенные ограничения. Следовательно, актуальными является усилия исследователей и разработчиков по преодолению этих ограничений. В настоящее время уже есть все основания рассматривать эти ограничения как неприемлемые, т.к. их не только нужно, но и вполне возможно преодолеть. Таким образом, налицо проблема, решение которой и являются предметом рассмотрения в данной статье. Приводится развернутый численный пример решения поставленной проблемы на реальных данных
pdf 21.719.059kb
doc 21.719.059kb