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: 272 шт
Сформировать список работ, опубликованных в Научном журнале КубГАУ
-
Автоматизированный системно-когнитивный анализ антибиотиков в ветеринарии
06.02.00 Ветеринария и Зоотехния
Краткое описание
Антибактериальные химиотерапевтические препараты, к которым относятся антибиотики и синтетические противомикробные средства, широко применяются в ветеринарии для профилактики и лечения заболеваний, вызываемых микроорганизмами. Антибактериальные средства можно классифицировать по типу действия и химической структуре. Известно также, что при применении нескольких препаратов в сочетании друг с другом они взаимодействуют внутри организма друг с другом, что может приводить к усилению или ослаблению их действия. По этим причинам представляет научный и практический интерес разработка классификации антибиотиков по их характеристикам и принципу действия (задача 1), а также по взаимной совместимости (задача 2). Эти задачи решаются в статье с применением нового метода агломеративной когнитивной кластеризации, реализованного в автоматизированном системно-когнитивном анализе (АСК-анализ). Этот метод кластеризации имеет ряд преимуществ перед известными традиционными методами кластеризации. Эти преимущества позволяют 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. В статье приводятся подробные численные примеры решения двух поставленных задач. 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. Численные примеры решения задач ветеринарии с применением технологий искусственного интеллекта размещены как облачные Эйдос-приложения и доступны всем желающим
-
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
-
Автоматизированный системно-когнитивный анализ и классификация пород крупного рогатого скота
06.02.00 Ветеринария и Зоотехния
Краткое описание
На сайте мясной академии http://meatinfo.ru по адресу: http://meatinfo.ru/info/show?id=197 в размещена сравнительная таблица пород крупного рогатого скота по 8 показателя, из которых 2 текстовых и 6 числовых. У хозяйственников возникает естественный вопрос о том, какие из этих пород сходны по всей системе характеризующих их показателей, а какие различаются и в какой степени. Возникает также вопрос о том, какие показатели сходны и отличаются по смыслу и на сколько. Решению этих задач и посвящена данная статья. Результаты исследования могут быть использованы всеми желающими, благодаря тому, что Универсальная автоматизированная система «Эйдос», являющаяся инструментарием Автоматизированного системно-когнитивного анализа, находится в полном открытом бесплатном доступе на сайте автора по адресу: http://lc.kubagro.ru/aidos/_Aidos-X.htm, а численный пример решения поставленных задач размещен как облачное Эйдос-приложение №131
-
06.02.00 Ветеринария и Зоотехния
Краткое описание
Исследователями получены данные по морфологическому, биохимическому и микроэлементному составу крови бычков герефордской породы различных размеров. В этой связи у ученых и хозяйственников возникает три естественных вопроса: 1) возможно ли по этим показателям крови прогнозировать размеры и тем самым мясную продуктивность бычков; каковы сила и направление влияния тех или иных значений показателей крови на размер и вес бычков; какие показатели крови сходны по смыслу, а какие отличаются и на сколько (в какой степени). Аргументированным ответам на эти вопросы путем применения современных методов математического и численного моделирования для решения соответствующих задач и посвящена данная статья. Результаты исследования могут быть использованы всеми желающими, благодаря тому, что Универсальная автоматизированная система «Эйдос», являющаяся инструментарием Автоматизированного системно-когнитивного анализа, находится в полном открытом бесплатном доступе на сайте автора по адресу: http://lc.kubagro.ru/aidos/_Aidos-X.htm, а численный пример решения поставленных задач размещен как облачное Эйдос-приложение №133
-
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
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
-
Автоматизированный системно-когнитивный анализ влияния пробиотиков в рационах на телосложение бычков
06.02.00 Ветеринария и Зоотехния
Краткое описание
Статья посвящена применению автоматизированного системно-когнитивного анализа для исследования пробиотиков на рост бычков, причем в качестве индикаторов роста использована не живая масса, а индексы, характеризующие форму телосложения и пропорции тела животных. Приводится подробный численный пример решения поставленной задачи на реальных данных
-
Краткое описание
Цель статьи состоит в применении автоматизированного системно-когнитивного анализа (АСК-анализ) для исследования влияния агротехнологических факторов на урожайность и качество пшеницы и применению созданных моделей для решения задач прогнозирования, поддержки принятия решений и исследования моделируемой предметной области путем исследования ее модели. Для достижения поставленной цели поставлены и решены следующие задачи, полученные путем декомпозиции цели и являющиеся этапами ее достижения: Задача 1: сформулировать идею и концепцию решения проблемы; Задача 2: обосновать выбор метода и инструмента решения проблемы; Задача 3: применить выбранный метод и инструмент для достижения поставленной цели: когнитивная структуризация предметной области; формализация предметной области; синтез и верификация модели; повышение качества модели и выбор наиболее достоверной модели; решение в наиболее достоверной модели задач диагностики (классификации, распознавания, идентификации), поддержки принятия решений и исследования моделируемой предметной области путем исследования ее модели. Задача 4: описать эффективность предложенного решения проблемы. Задача 5: рассмотреть ограничения и недостатки предложенного решения проблемы и перспективы его развития путем их преодоления этих ограничений и недостатков. Приводится подробный численный пример решения поставленных задач, основанный на 217 реальных примерах выращивания пшеницы на полях Краснодарского края. Для читателей обеспечивается возможность загрузки данного численного примера и установки его у себя на компьютере для изучения
-
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
pdf 12.814.803kb
doc 12.814.803kb