06.02.00 Ветеринария и Зоотехния
-
06.02.00 Ветеринария и Зоотехния
Краткое описаниеВ статье представлены результаты изучения пространственно-динамических особенностей и выявления закономерностей мирового распространения нодулярного дерматита крупного рогатого скота. Разработанным поисковым эпизоотологическим прогнозом на период до 2030 года предусматривается сохранение многолетнего тренда на нарастание эпизоотической напряженности по этой болезни. Наиболее высокая вероятность регистрации болезни в 2018 – 2030 гг., от 0,6 до 1,0 прогнозируется для тропических агроэкосистем африканского континента (энзоотичная зона). Существует реальная опасность возникновения болезни в сопредельных с Россией странах Евразии (вероятность менее 0,4). В Российской Федерации вспышки болезни могут возникнуть во всех федеральных округах страны, но наиболее высока вероятность ее возникновения и распространения возможна в агроэкосистемах субтропиков Северо-Кавказского и Южного федеральных округов
-
Агломеративная когнитивная кластеризация симптомов и синдромов в ветеринарии
06.02.00 Ветеринария и Зоотехния
Краткое описаниеВ 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
-
Автоматизированный системно-когнитивный анализ антибиотиков в ветеринарии
06.02.00 Ветеринария и Зоотехния
Краткое описаниеАнтибактериальные 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
-
Взаимодействие генов окраски оперения у кур (обзор)
06.02.00 Ветеринария и Зоотехния
Краткое описаниеОкраска оперения кур является сложным генетически детерминированным признаком. Изучение взаимодействий основных генов пигментации кур начато А.С. Серебровским. Наиболее полные сведения по генам окраски оперения кур и пуха цыплят приводит З.М. Коган, указывая группы сцепления и расположение этих генов на карте хромосом. В 90-е годы подробно описано взаимодействие генов окраски, узора пера и генов-модификаторов, влияющих на интенсивность основной окраски и рисунка пера. Выявлено, что у кур пигментацию регулирует рецептор меланокортина MC1-R, ассоциированный с локусом Е. Благодаря молекулярным исследованиям были картированы локусы доминантной белой окраски (I), рецессивной белой окраски (c/c), полосатого узора пера (В), сцепленного с полом, а также локус пятнистой окраски (mo). Окончательный фенотип зависит не только от отдельных генов, а и от их взаимодействий и генетической среды в целом. Одни и те же гены могут производить разные рисунки и оттенки основного оперения, а разные гены детерминировать одинаковые фенотипы. Несмотря на существенные успехи в области определения молекулярных причин появления того или иного типа окраски у кур, многое еще осталось не изученным
-
06.02.00 Ветеринария и Зоотехния
Краткое описаниеВ 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
-
06.02.00 Ветеринария и Зоотехния
Краткое описаниеПри диагностике субклинического, серозного и катарального мастита коров выделен широкий круг микроорганизмов, включающий роды Streptococcus (Str. disgalactiae, Str. agalactiae, Str. pyogenes), Staphylococcus (St. aureus, St. epidermidis) и E. coli. При терапии маститов коров препаратом арговит средний срок лечения животных составил 2,9+0,1, 3,3+0,3, 4,1+0,2 суток, что в 1,6, 1,9, 1,8 раза меньше по сравнению с препаратом спектромаст в контрольной группе. Изучено влияние препарата арговит содержащего наночастицы серебра на антибиотикочувствительность у выделенной микрофлоры при лечении субклинического, серозного и катарального мастита коров. Проведенные исследования по определению антибиотикочувствительности выделенных микроорганизмов после лечения мастита коров показали зависимость результатов, как от применяемого препарата, так и от клинической формы течения болезни. Установлено, что применение спектромаста вызывает выраженное снижение к 19 (76%) препаратам при субклиническом, 24 (96 %) серозном и 23 (92 %) при катаральном маститах. Также отмечено, что с развитием патологического процесса наблюдали рост появления ранее отсутствующей резистентности к антибактериальным препаратам при субклиническом 6 (24 %), серозном 7 (28%), катаральном 8 (32 %) маститах коров. В то время как, при использовании арговита, выявлен рост антибиотикочувствительности к 21 препарату (84 %) при субклиническом 24 (96 %) при серозном и 23 (92%) катаральном маститах. При терапии субклинического мастита в опытной группе установлено незначительное снижение к 4(16 %) препаратам
-
Автоматизированный системно-когнитивный анализ и классификация пород крупного рогатого скота
06.02.00 Ветеринария и Зоотехния
Краткое описаниеНа 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 описаниеИсследователями 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 описаниеДанная 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 описание14 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