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: 271 шт
Сформировать список работ, опубликованных в Научном журнале КубГАУ
-
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»
-
01.00.00 Физико-математические науки
Краткое описание
В статье рассматривается применение автоматизированного системно-когнитивного анализа (АСК-анализ), его математической модели – системной теории информации и программного инструментария – интеллектуальной системы «Эйдос» для решения задач, связанных с идентификацией типов и моделей самолетов по их силуэтам снизу, точнее, по внешним контурам: 1) оцифровка сканированных изображений самолетов и создание их математических моделей; 2) формирование математических моделей конкретных самолетов с применением теории информации; 3) формирование моде- лей обобщенных образов самолетов различных типов и моделей и их наглядная визуализация; 4) сравнение образа конкретного самолета с обобщенными образами самолетов различных типов и моделей и определение количественной степени сходства -различия между ними, т.е. идентификация типа и модели самолета по его силуэту (контуру) снизу; 5) количественное определение сходства-различия обобщенных образов самолетов друг с другом, т.е. кластерно-конструктивный анализ обобщенных образов самолетов различных типов и моделей. Предлагается новый подход к оцифровке изображений самолетов, 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 (разрешение, расстояние) и угол поворота (ракурс) в трех плоскостях. Поэтому результаты оцифровки и АСК-анализа изображений могут быть инвариантны (независимы) относительно их положения, размеров и поворотов. Форма контура конкретного самолета рассматривается как зашумленное информационное сообщение о типе и модели самолета, включающее как информацию об истинной форме самолета данного типа и модели (чистый сигнал), так и шум, искажающий эту истинную форму, обусловленный зашумляющими воздействиями как средств противодействия обнаружению и идентификации, так и окружающей среды. Программный инструментарий АСК-анализа – интеллектуальная система «Эйдос» обеспечивает идентификацию типа и модели самолета по его силуэту, что продемонстрировано на упрощенном численном примере
-
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 была предложена L1-мера достоверности моделей, учитывающая не просто сам факт истинно или ложно положительного или отрицательного решения, но и степень уверенности классификатора в этих решениях. При классификации больших данных было обнаружено большое количество ложно-положительных решений с низким уровнем сходства, которые, однако, суммарно вносят большой вклад в снижение достоверности модели. Чтобы преодолеть эту проблему предлагается L2-мера, в которой вместо сумм уровней сходства используется средние уровни сходства по различным вариантам классификации. Таким образом, в данной работе предлагаются меры достоверности моделей, названые L1-мера и L2-мера, смягчающие и преодолевающие недостатки F-меры, эти меры описаны математически и их применение продемонстрировано на простом численном примере. В интеллектуальной системе «Эйдос», которая является программным инструментарием автоматизированного системно-когнитивного анализа (АСК-анализ), реализованы все эти меры достоверности моделей: F, L1 и L2
-
Инвестиционно-ресурсное управление сельскохозяйственным производством
Краткое описание
Предложены основы математического обеспечения государственного инвестиционного управления сельскохозяйственным производством на региональном уровне, содержание которого определяется следующими выполненными разработками: структуры механизма инвестиционного управления сельскохозяйственным производством; иерархии и взаимосвязи моделей и этапов инвестиционного управления агропроизводством; моделей предварительной сравнительной оценки агропредприятий – участников инвестиционного процесса; моделей и алгоритма инвестиционно-ресурсной оптимизации производственной структуры агро-предприятий; моделей заключительного выбора участников реализации государственной инвестиционной программы и распределения инвестиционных фондов
-
Инновационные заделы интеллектуального обеспечения управленческих решений в корпорации на будущее
Краткое описание
В статье рассматривается проблема формирова-ния инновационных заделов интеллектуального обеспечения управленческих решений в корпора-ции на будущее сквозь призму экономики знаний. Выделены новые тенденции и условия развития корпораций как отражение тренда развития эко-номики. Предлагается система мер по стимулиро-ванию деятельности по созданию интеллектуаль-ных заделов на будущее и механизмы создания таких заделов
-
Краткое описание
В статье описана интеллектуальная консалтинговая система, обеспечивающая выявление технологических знаний путем системно-когнитивного анализа бизнес-процессов, а также поддержку принятия решений по эффективному применению этих знаний с целью достижения заданных показателей хозяйственно-экономических эффективности. Приводится подробный численный пример применения системы на реальных данных одной из Кубанских фирм для выявления технологических знаний по выращиванию озимой пшеницы и применению этих знаний для поддержки принятия решений по выбору конкретной агротехнологии, обеспечивающей желаемые показатели урожайности озимой пшеницы, ее качества, а также прибыли и рентабельности. Предлагается применять наглядную многослойную графическую картографическую визуализацию результатов прогнозирования урожайности культуры (и сорта), качества, прибыли и рентабельности по полям фирмы
-
01.00.00 Физико-математические науки
Краткое описание
Адекватная и технологичная оценка результативности, эффективности и качества научной деятельности конкретных ученых и научных коллективов является актуальной проблемой для информационного общества и общества, основанного на знаниях. Решение этой проблемы является предметом наукометрии и ее целью. Современный этап развития наукометрии существенно отличается от предыдущих появлением в открытом, а также платном on-line доступе огромного объема детализированных данных по большому числу показателей как об отдельных авторах, так и о научных организациях и вузах. В мире, это известные библиографические базы данных: Web of Science, Scopus, Astrophysics Data System, PubMed, MathSciNet, zbMATH, Chemical Abstracts, Springer, Agris или GeoRef. В России это прежде всего Российский индекс научного цитирования (РИНЦ). РИНЦ – это национальная информационно-аналитическая система, аккумулирующая более 9 миллионов публикаций российских ученых, а также информацию о цитировании этих публикаций из более 6000 российских журналов. Данных очень много, это так называемые «Большие данные» ("Big Data"). Основным первичным наукометрическим показателем, на основе которого строятся все остальные, такие, например, как индекс Хирша, является число цитирований работ автора, размещенных в библиографической базе данных. Это число цитирований определяется программным обеспечением РИНЦ путем так называемой «привязки», которая представляет собой грамматический разбор и поиск в базах данных работ автора, релевантных (соответствующих) ссылкам на них из источников литературы в работах различных авторов. Однако проблема состоит в том, что, как показывает опыт, авторы допускают очень большое количество некорректных и просто неполных ссылок в списках литературы, очень далеких от ГОСТ. В настоящее время программное обеспечение РИНЦ не может автоматически привязать эти некорректные ссылки и это требует вмешательства человека. Но централизованно, силами специалистов РИНЦ, это сделать не представляется возможным из-за огромного объема работ, а распределенная работа большого числа специалистов на местах все равно требует централизованной модерации. В результате работа по привязке ссылок к литературным источникам ведется очень медленно и огромный объем ссылок оказывается непривязанными. Это ведет к занижению накометрических показателей как отдельных авторов, так и научных коллективов, что нельзя признать приемлемым. Решение этой проблемы предлагается путем применения автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – интеллектуальной системы «Эйдос». Приводится численный пример интеллектуальной привязки реальных некорректных ссылок к работам автора на основе небольшого объема реальных наукометрических данных, находящихся в открытом бесплатном on-line доступе в РИНЦ
-
Краткое описание
В статье описана технология и некоторые результаты применения системно-когнитивного анализа для выявления знаний о последствиях ошибок в конфигурировании системы безопасности по отчету Microsoft Baseline Security Analyzer (MBSA) и использования этих знаний для прогнозирования последствий
-
01.00.00 Физико-математические науки
Краткое описание
Качество системы рассматривается, как эмерджентное свойство систем, обусловленное их составом и структурой и отражающее их функциональность, надежность и стоимость. Поэтому, при управлении качеством, целью управления является формирование у объекта управления заранее заданных системных свойств. Чем ярче у объекта управления выражены системные свойства, тем сильнее у него проявляется нелинейность: и в зависимости самих управляющих факторов друг от друга, и в зависимости результатов действия одних факторов, от действия других. Поэтому проблема управления качеством состоит в том, что в процессе управления сам объект управления изменяется качественно, т.е. изменяются его уровень системности, степень детерминированности и сама передаточная функция. Эта проблема распадается на несколько задач: 1-я состоит в системной идентификации состояния объекта управления, 2-я – в принятии решений об управляющем воздействии так изменяющем состав объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это. Для решения 2-й задачи предлагается применить выбор компонентов объекта управления по их функциональному назначению с учетом ресурсов, выделенных на реализацию различных функций, затрат, связанных с выбором тех или иных компонентов и степени соответствия различных компонентов их функциональному назначению. Фактически, предлагается формулировка и решение нового обобщения варианта задачи о назначениях: «Мультипликативный рюкзак», отличающееся от известного тем, что назначения производится не только с учетом ресурсов и затрат, но и с учетом степени соответствия компонентов их функциональному назначению. Математическая модель, обеспечивающая решение 1-й задачи и отражающая степень соответствия компонентов их функциональному назначению, а также весь процесс приятия решений по назначениям, т.е. 2-я задача, реализованы в АСК-анализе и системе «Эйдос-Х++». Приводится упрошенный численный пример предлагаемого подхода, связанный с назначением персонала
-
Интеллектуальное управление номенклатурой и объемами реализации в торговой фирме
Краткое описание
В статье описана технология применения системно-когнитивного анализа для создания на основе данных реальной торговой фирмы и применения в ней методики прогнозирования и поддержки принятия решений по такому выбору номенклатуры и объемов реализуемой продукции, которые обеспечивают получение максимальной прибыли и рентабельности
pdf 3.213.403kb
doc 3.213.403kb