Луценко Е.В.

Повышение эффективности сельскохозяйственных технологий и экономических процессов регионального АПК с применением Автоматизированного системно-когнитивного анализа и системы «Эйдос»

Важнейший результат: разработана и внедрена в учебный процесс и научные исследования КубГАУ Персональная интеллектуальная онлайн среда "ЭЙДОС-Х Professional" (Система "Эйдос-Хpro")

Автор и разработчик: д.э.н., к.т.н., профессор Е.В.Луценко

Публикации:

1. Свидетельство о государственной регистрации программы для ЭВМ № 2022615135 Российская Федерация. Персональная интеллектуальная онлайн среда "ЭЙДОС-Х Professional" (Система "Эйдос-Хрro") : № 2022613875 : заявл. 16.03.2022 : опубл. 29.03.2022 / Е. В. Луценко. – EDN WQBECA, http://lc.kubagro.ru/aidos/2022615135.jpg

2. Сайт проф.Е.В.Луценко: http://lc.kubagro.ru/

3. Блог проф.Е.В.Луценко: https://www.researchgate.net/profile/Eugene-Lutsenko

Сущность результата: Система "Эйдос-Хpro":

предназначена для обучения и научных исследований в различных предметных областях и научных направлениях с применением автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – интеллектуальной системы «Эйдос»;

обеспечивает преобразование больших данных (Big Data), в большую информацию (Big Information), а ее в большие знания (Big Knowledge) с использованием ADS (Advantage Database Server) и решение на основе этих знаний задач: обобщения, абстрагирования, идентификации (классификации, распознавания, диагностики, прогнозирования), поддержки принятия решений и исследования моделируемой предметной области путем исследования ее модели в различных предметных областях и научных направлениях;

позволяет пользователям и разработчикам интеллектуальных облачных Эйдос-приложений во всем мире (http://lc.kubagro.ru/map5.php) обмениваться опытом решения различных задач учебного и научного характера с применением технологий искусственного интеллекта на платформе "Эйдос-Хpro".

Карта запусков системы «Эйдос» в мире с 9.12.2016 по 03.03.2024:

Новизна результата: впервые в российском аграрном вузе создана и внедрена в учебный процесс при преподавании дисциплин, связанных с искусственным интеллектом, и в процесс междисциплинарных научных исследований облачная интеллектуальная платформа персонального уровня.

Значимость результата: Автоматизированный системно-когнитивный анализ и его программный инструментарий система «Эйдос» является высокоэффективным, широко успешно апробированным в ряде предметных областей и научных направлений отечественным лицензионным программным продуктом, что существенно в плане безопасности и импортозамещения в сфере искусственного интеллекта.

Прогноз применения: в настоящее время на платформе "Эйдос-Хpro" создано 30 интеллектуальных локальных учебных приложений, входящих в инсталляцию, и 405 интеллектуальных облачных Эйдос-приложений http://lc.kubagro.ru/Source_data_applications/WebAppls.html. В процессе подготовки к размещению находится еще около 100 облачных Эйдос-приложений. Может эффективно применятся в АПК для решения широкого круга задач в области когнитивной ветеринарии, когнитивной агрономии, когнитивной экономики и в других областях. Имеет 100% готовность к внедрению. Подробнее перспективы применения АСК-анализа и системы «Эйдос» в АПК приведены в приложении.

Предложение:

Уважаемые коллеги!

Все слышали о революции в области искусственного интеллекта, происходящей в наше время на наших глазах.

Луценко Е.В., Головин Н.С. Революция начала XXI века в искусственном интеллекте: глубинные механизмы и перспективы // February 2024, DOI: 10.13140/RG.2.2.17056.56321, License CC BY 4.0, https://www.researchgate.net/publication/378138050

Эта революция уже привела к тому, что есть все основания рассматривать системы искусственного интеллекта как системы автоматизации процесса научного познания, которые можно с успехом применить как инструменты научных исследований практически во всех областях и направлениях науки.

Луценко Е.В. Системы искусственного интеллекта как системы автоматизации процесса научного познания и удвоение номенклатуры научных специальностей путем применения этих систем для исследований в различных направлениях науки / Е.В. Луценко, Н.С. Головин // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2024. - №01(195). С. 74 - 111. - IDA [article ID]: 1952401009. - Режим доступа: http://ej.kubagro.ru/2024/01/pdf/09.pdf, 2,375 у.п.л.

В этой связи предлагаю вам применить автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий - интеллектуальную систему "Эйдос" для интеллектуальной обработки данных вашего исследования и подготовки научного отчета о вашем исследовании примерно такого уровня:

http://lc.kubagro.ru/Source_data_applications/Applications-000335/readme.docx

http://lc.kubagro.ru/Source_data_applications/Applications-000391/readme.docx

http://lc.kubagro.ru/Source_data_applications/Applications-000393/readme.docx.

Как автор и разработчик АСК-анализа и системы "Эйдос" могу оказать вам адресную авторскую помощь в этом на основе договора.

Об АСК-анализе и системе "Эйдос" подробнее можно узнать по ссылке:

http://lc.kubagro.ru/aidos/MVP-projects.htm

С уважением и пожеланиями Успехов!

Профессор Е. В. Луценко

Prof.lutsenko@gmail.com

23.03.2023

КОНЦЕПТ MVP-ПРОЕКТА:

В контексте программы «Приоритет 2030» и с учетом Указа Президента РФ от 10.10.2019 N 490 "О развитии искусственного интеллекта в Российской Федерации" (вместе с "Национальной стратегией развития искусственного интеллекта на период до 2030 года"),

Предлагаю:

Разработать и внедрить в АПК региона технологии Автоматизированного системно-когнитивного анализа (АСК-анализ) и искусственного интеллекта для автоматизации получения новых знаний и автоматизации их применения с целью повышения эффективности технологического, экономического и социального видов деятельности.

Основные функции:

1. Преобразование больших эмпирических, экспериментальных и других исходных данных, имеющихся в АПК региона (Big Data), в стандарты АСК-анализа и его программного инструментария – интеллектуальной системы «Эйдос» и накопление их в больших базах данных.

2. Создание статистических и системно-когнитивных моделей, отражающих силу и направление влияния различных факторов на объект моделирования и решение на основе этих моделей задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области (преобразование: большие данные – большая информация – большие знания, big data – big information – big knowledge).

3. Изучение и сравнение существующих и перспективных систем искусственного интеллекта (СИИ), разработка и внедрение новых перспективных СИИ.

Задел и опыт:

АСК-анализ и его программный инструментарий – интеллектуальная система «Эйдос» является высокоэффективным и широко успешно апробированным в ряде предметных областей отечественным лицензионным программным продуктом, что существенно в плане безопасности и импортозамещения в данной сфере (http://lc.kubagro.ru/). Система «Эйдос» широко применяется во всем мире (http://lc.kubagro.ru/map5.php). По АСК-анализу и системе «Эйдос» имеется 707 научных работ в этих и других областях, в том числе 46 монографий, 27 учебных пособий, в т.ч. 3 учебных пособий с грифами УМО и Министерства, 34 патента РФ на системы искусственного интеллекта, 370 публикаций в изданиях, входящих в перечень ВАК РФ, 21 статья в журналах, входящих в ядро РИНЦ (по данным РИНЦ), 6 статей в журналах, входящих в WoS, 7 публикаций в журналах, входящих в Скопус.

Краткое описание предлагаемой технологии есть здесь:

http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf;

http://lc.kubagro.ru/Presentation_LutsenkoEV.pdf).

На странице http://lc.kubagro.ru/aidos/_Aidos-X.htm приведены ссылки на работы проф.Е.В.Луценко по следующим направлениям:

- информационным мерам уровня системности (коэффициентам эмерджентности) и системному обобщению математики;
- АСК-анализу изображений;
- АСК-анализу текстов;
- когнитивным функциям;
- выявлению, представлению и использованию знаний, логике и методологии научного познания;
- экологии, климатологии и изучению влияния космической среды на различные глобальные процессы на Земле;
- современным информационно-коммуникационным технологиям в научно--исследовательской деятельности и образовании;
- виртуальной реальности;
- когнитивной ветеринарии;
- когнитивной агрономии и когнитивной ампелографии;
- тематике, связанной с АПК;
- наукометрии;
- высшим формам сознания, перспективам человека, технологии и общества;
- разработке и применению профессиограмм и тестов (психологических, профориентационных, медицинских и ветеринарных);
- сценарному автоматизированному системно-когнитивному анализу (Сценарный АСК-анализ).
- актуальный список опубликованных и приравненных к ним научных и учебно-методических работ автора и разработчика АСК-анализа и системы «Эйдос» проф.Е.В.Луценко: http://lc.kubagro.ru/aidos/Sprab0802.pdf.

Некоторые перспективы применения АСК-анализа в АПК региона

1. Сценарный АСК-анализ как метод разработки обобщенных базисных функций и весовых коэффициентов для разложения в ряд функции состояния произвольного конкретного объекта или ситуации в теореме А.Н.Колмогорова (1957) и его применение в АПК

Известна теорема А.Н.Колмогорова (1957), являющаяся теоретической основой всей математической теории разложения функций в ряды. В математике разработано много различных частных вариантов разложений функций в ряды. Однако пока не найдено общего математически строгого решения проблемы определения вида базисных функций hij и весовых коэффициентов gj для данной конкретной функции F. Предлагается рассматривать АСК-анализ как вариант общего, не строгого в математическом смысле, а практического решения этой проблемы. Это позволяет рассматривать прогнозируемый сценарий развития ситуации в АПК как взвешенную суперпозицию частных прогнозных сценариев.

2. Решение проблемы частой корректировки РП и ФОС в условиях динамичной образовательной среды

Современная образовательная среда обладает крайне высокой динамичностью. В этих условиях профессорского-преподавательский состав (ППС) неприемлемо много времени и сил тратит на постоянную переделку учебных рабочих программ (РП) и фондов оценочных средств (ФОС), а также других учебно-методических материалов, в соответствии с непрерывно изменяющимся требованиями Учебно-методического управления (УМО). Изменяются как оформительские требования (шаблоны оформления), так и требования к содержанию. В настоящее время это стало настоящей серьезной проблемой, которая стоит очень остро практически во всех вузах России.

В 2013 году одним из авторов было предложено кардинальное решение этой проблемы путем применения современных web-технологий [1]. Однако это решение не было реализовано из-за отсутствия воли руководства. В данной статье предлагается технологически более простое решение, также основанное на web-технологиях.

Всем преподавателям хорошо известно, что в настоящее время каждая статья, которая готовится к публикации, должна иметь достаточно высокий уровень оригинальности. Для этого ее проверяют в системе «Антиплагиат-вуз» и находят в ее тексте так называемые «заимствования» из других источников, находящихся в Internet в открытом доступе. Считается, что таких заимствований в тексте статьи должно быть минимальное количество, т.к. при необходимости любой желающий легко может с ними ознакомиться, обратившись непосредственно к этим открытым источникам.

Предлагается распространить на РП и ФОСы те же самые требования по оригинальности, которые действуют для статей. Если это сделать, то окажется, что РП и ФОСы содержат огромный объем информации из таких открытых источников в Internet, как Федеральные образовательные стандарты, Рабочие учебные планы (РУПы), Основные профессиональные образовательные программы (ОПОП), библиотечные ресурсы, материально-техническое обеспечение и тому подобное, повторяющееся во всех РП и ФОС. Более того, РП и ФОСы имеют крайне низкую оригинальность в районе 1%, т.к. на 99% состоят из материалов этих официальных источников, находящихся в открытом доступе. Оригинальность обеспечивается в основном календарным планом, в котором содержатся темы лекций и лабораторных работ и учебные вопросы.

Возникает очень серьезное сомнение в целесообразности дублирования в РП и ФОС всей этой информации из официальных источников открытого доступа. Если в них что-то будет изменяться, что происходит очень часто, то это не потребует переделки и пере подписания РП и ФОС, т.к. в них содержатся только гиперссылки на эти материалы, а не выдержки текстов из них. Мы считаем, что если до создания Internet целесообразность этого еще как-то можно было обосновать, то в современных условиях это точно является совершенно бессмысленной тратой сил и времени большого числа высококвалифицированных специалистов, докторов и кандидатов наук, профессоров и доцентов.

Если каких-то материалов, используемых в РП и ФОС нет в Internet, то не сложно и целесообразно централизованно разместить их на сайте университета, а из РП и ФОС делать гиперссылки на них.

Литература

1. Луценко Е.В. Web-портал по УМК в составе сайта университета: актуальность и возможность создания / Е.В. Луценко, В.Е. Коржаков // Научный журнал КубГАУ. – Краснодар: КубГАУ, 2013. – №09(093). С. 1134 – 1147. – Режим доступа: http://ej.kubagro.ru/2013/09/pdf/77.pdf, 0,875 у.п.л.

3. Применение персональной интеллектуальной on-line среды "Эйдос" для решения задач АПК

В настоящее время в Internet нет полного открытого бесплатного доступа к системам искусственного интеллекта, обеспечивающим как разработку и размещение в облаке, так и скачивание из облака и применение интеллектуальных приложений для решения различных учебных, научных и практических задач. Предлагается создание и внедрение такой интеллектуальной online технологии.

Технология: -позволяет пользователям и разработчикам Эйдосприложений во всем мире («Эйдос-сообщество») обмениваться опытом решения различных задач учебного, научного и практического характера на платформе «Эйдос-online»; -предъявляет к пользователям и разработчикам интеллектуальных облачных Эйдос-приложений минимальные требования, т.е. не специалисты в области интеллектуальных технологий с помощью данной среды могут без программирования создавать и применять для обучения и решения научных и практических задач в различных предметных областях интеллектуальные облачные Эйдос-приложения.

4. Консалтинговая служба АПК на базе персональной интеллектуальной адаптивной online среды "Эйдос"

Персональная интеллектуальная online среда "Эйдос": - предназначена для обучения, научных исследований и решения практических задач в области искусственного интеллекта с применением автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – интеллектуальной системы «Эйдос»; - обеспечивает решение задач: обобщения, абстрагирования, идентификации (классификации, распознавания, диагностики, прогнозирования), поддержки принятия решений и исследования моделируемой предметной области путем исследования ее модели в различных предметных областях и научных направлениях; - позволяет пользователям и разработчикам Эйдос-приложений во всем мире («Эйдос-сообщество») обмениваться опытом решения различных задач учебного, научного и практического характера на платформе «Эйдос-online»; - предъявляет к пользователям и разработчикам интеллектуальных облачных Эйдос-приложений минимальные требования. Таким образом, она обеспечивает создание консалтинговой службы для АПК.

5. Системно-когнитивный анализ в управлении номенклатурой и объемами закупки-реализации продукции в торговой агрофирме

Одной из целей торговой агрофирмы является повышения прибыли и рентабельности. Для достижения этой цели руководство агрофирмы постоянно решает проблему определения номенклатуры и объемов товаров, закупка и реализация которых обеспечила бы наибольшее увеличение прибыли и рентабельности агрофирмы. Однако традиционное решение этой задачи путем учета затрат и выручки в разрезе по каждому товару и определения его вклада в общую прибыль и рентабельность агрофирмы является весьма трудоемким и его применение не реалистично для больших торговых агрофирм. Это обусловлено отсутствием как исходных данных, так и программного инструментария, необходимых для подобных расчетов. Актуальность данного проекта обусловлена тем, что в нем предлагаются простые и доступные даже небольшим торговым агрофирмам и индивидуальным предпринимателям методологии, технологии, программного инструментария и методики его применения, обеспечивающих достижение цели.

6. Стратегическое планирование и управление корпоративными интегрированными структурами в АПК на основе системно-когнитивного анализа

В исследовании задача стратегического планирования и управления корпоративной интегрированной структурой (КИС) решается на теоретической основе системно-когнитивного анализа (СК-анализ), обеспечивающего как синтез, адаптацию и верификацию системно-когнитивных моделей, так и их использование для прогнозирования и поддержки принятия решений, т.е. для управления интегрированной структурой, как сложной, многопараметрической, нелинейной системой, а также для ее научного исследования путем исследования ее модели.

Ожидаемые результаты и их значимость заключаются в том, что созданная в результате реализации исследования адаптивная системно-когнитивная модель может быть применена корпоративными интегрированными структурами, что обеспечит существенное повышение эффективности и качество управления ими.

7. Стратегическое планирование и управление сельскохозяйственным холдингом на основе информационных и когнитивных технологий

Цель исследования: разработка методологии стратегического планирования и управления холдингами, как сложными многопараметрическими динамическими нелинейными системами. Для достижения поставленной цели путем ее декомпозиции поставлены и решены следующие задачи, являющиеся этапами достижения цели: 1. Постановка решаемой проблемы и разработка методологии ее решения на концептуальном уровне. 2. Когнитивно-целевая структуризация и формализация предметной области. 3. Синтез и верификация системно-когнитивной модели холдинга. 4. Исследование холдинга путем исследования его системно-когнитивной модели с целью получения знаний о холдинге, необходимых для решения поставленной проблемы. 5. Решение поставленной проблемы: решение задач прогнозирования и поддержки принятия решений (управления) для холдинга путем применения уточненных и новых полученных знаний о нем.

8. Информационно-когнитивная технология выявления и использования знаний в экономических системах АПК

В данном исследовании методология выявления и уточнения технологических знаний развивается на теоретической основе информационных и когнитивных технологий. Эта методология обеспечивает научное исследование любой экономической системы путем создания и исследования его модели. Методология включает как синтез, адаптацию и верификацию информационно-когнитивных моделей сложных, многопараметрических, нелинейных экономических системам, так и использование этих моделей для решения задач выявления и уточнения технологических знаний об этих системах и решения задач Актуальность исследования обусловлена ролью экономических систем в АПК как России в целом, так и в Краснодарском крае. Несмотря на очевидные системные преимущества, экономические системы сталкиваются с широким кругом проблем, связанных с эффективностью управления, обеспечением их устойчивого функционирования и др. Предлагаемая методология предлагает пути решения этих проблем.

9. Дистанционное изучение дисциплин, связанных с искусственным интеллектом, на платформе персональной интеллектуальной on-line среды «Эйдос»

Существует много различных дисциплин, связанных с искусственным интеллектом: интеллектуальные системы; основы искусственного интеллекта; интеллектуальные информационные системы; выявление, представление и использование знаний; модели представления знаний, инженерия знаний и интеллектуальные системы, методы искусственного интеллекта, методы принятия решений и другие. Для дистанционного преподавания и изучения всех этих дисциплин может быть эффективно использована персональная интеллектуальная on-line среды «Эйдос» (открытое программное обеспечение), которая широко применяется во всем мире. Эта среда включает: автоматизированный системно-когнитивный анализ (АСК-анализ), интеллектуальную систему «Эйдос», а также сайт http://lc.kubagro.ru и ftp-сервер системы. На сайте расположен большой объем научной и учебно-методической литературы, инсталляции и обновления системы «Эйдос», а на ftp-сервере 379 интеллектуальных облачных Эйдос-приложений, доступных всем пользователям.

10. Автоматизированный системно-когнитивный анализ влияния инвестиций в различные отрасли АПК на качество жизни населения региона

Целью теории инвестиций является получение максимальной прибыли инвестором. При этом забывается, что еще есть инвестируемый, для которого смысл инвестиций в улучшении ситуации в реальной области. Есть и администрация региона, для которой смысл инвестиций в повышении качества жизни населения. Однако принять корректные и научно-обоснованные решения об объемах и направленности инвестиций не так просто. Для этого может быть эффективно применена персональная интеллектуальная on-line среда «Эйдос» (открытое программное обеспечение), широко известная во всем мире. Эта система является программным инструментарием Автоматизированного системно-когнитивного анализа (АСК-анализ). Инсталляции и обновления системы «Эйдос» размещены на сайте http://lc.kubagro.ru. На нем же есть большой объем научной литературы по применению системы для данных целей.

11. Автоматизированный системно-когнитивный анализ силы и направления влияния факторов, устойчивости и детерминированности при адаптивном управлении экономическими системами в АПК

При управлении экономическими системами в АПК редко применяются автоматизированные системы управления (АСУ). Обычно это связано с тем, что сложно создать математические модели, адекватно отражающие силу и направление влияния различных факторов на объект управления, оценить устойчивость управления, степень детерминированности будущих состояний объекта управления, выработать управляющие решения. Сложно также создать локализуемые адаптивные модели, отражающие местные особенности и динамику свойств объекта управления. Для этого может быть эффективно применена персональная интеллектуальная on-line среда «Эйдос» (открытое программное обеспечение), широко известная во всем мире. Эта система является программным инструментарием Автоматизированного системно-когнитивного анализа (АСК-анализ). Инсталляции и обновления системы «Эйдос» размещены на сайте http://lc.kubagro.ru. На нем же есть большой объем научной литературы по применению системы для данных целей.

12. Дистанционное изучение дисциплины: «Интеллектуальные информационно-коммуникационные технологии в научно-исследовательской деятельности и образовании» для аспирантов в on-line среде "Эйдос"

Уже много лет существует и во всем мире широко используется открытая масштабируемая интерактивная интеллектуальная on-line среда для обучения и научных исследований, основанная на автоматизированном системно-когнитивном анализе (АСК-анализ) и его программном инструментарии – интеллектуальной системе «Эйдос» (http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf). Эта среда включает: сайт http://lc.kubagro.ru, саму интеллектуальную систему «Эйдос» и ее ftp-сервер. На сайте расположен большой объем научной и учебно-методической литературы, инсталляции и обновления системы «Эйдос», а на ftp-сервере 379 интеллектуальных облачных Эйдос-приложений. Все это может быть эффективно использовано для преподавания данной дисциплины для аспирантов всех специальностей.

13. Сценарный АСК-анализ как синтез технического и фундаментального подходов прогнозирования фондового рынка в АПК

Предлагается сценарный АСК-анализ. В этом методе на основе анализа исходных данных выявляются ранее наблюдавшиеся прошлые и будущие сценарии развития событий и на основе их обобщения формируются обобщенные образы сценариев развития событий, которые рассматриваются в виде базисных функций классов и детерминирующих их значений факторов. При прогнозировании текущая ситуация сравнивается с этими обобщенными образами и разлагается в ряд по ним (прямое преобразование, объектный анализ). Средневзвешенный прогноз формируется путем обратного преобразования образов классов с их весами, т.е. как их взвешенная суперпозиция. При этом в качестве базисных функций используются обобщенные образы прогнозируемых сценариев того что будет и того что не будет с их весами, в качестве которых используется достоверность прогноза.

14. Развитый алгоритм принятия решений в интеллектуальных системах управления в АПК на основе АСК-анализа и системы «Эйдос»

Традиционно, управляющие решения принимаются путем многократного решения задачи прогнозирования при различных значениях управляющих факторов и выбора такого их сочетания, которое обеспечивает перевод объекта управления в целевое состояние. Однако на реальные объекты управления действуют сотни и тысячи управляющих факторов, каждый из которых может иметь десятки значений. Полный перебор всех возможных сочетаний значений управляющих факторов приводит к необходимости решения задачи прогнозирования десятки и сотни тысяч раз для принятия одного решения, и это является совершенно неприемлемым на практике. Поэтому предлагается высокоэффективный алгоритм принятия решений, требующий на порядки меньше вычислительных ресурсов и машинного времени. В этом алгоритме однократно решается задача, обратная задаче прогнозирования (когнитивный SWOT-анализ), а также используются результаты кластерно-конструктивного анализа целевых состояний объекта управления и значений факторов и однократное решается задача прогнозирования.

15. Когнитивная ветеринария – ветеринария цифрового общества

Математический инструментарий, который используется в науках на различных этапах развития общества, в целом соответствует как уровню развития общества, так и уровню развития этих наук. Ветеринария до сих пор используют в основном параметрическую статистику, разработанную еще в начале XX века. Эта статистика предполагает, что для эмпирических данных выполняется большая предельная теорема, т.е. на моделируемую систему действует большое число независимых друг от друга факторов и их совместное влияние на моделируемую систему является суммой их влияний по отдельности. Для живых систем, какими они являются в ветеринарии, эти требования очень плохо выполняются, т.к. эти системы являются существенно нелинейными. Поэтому параметрические методы применять в ветеринарии некорректно. Тем ни менее это широко делается. В цифровом обществе XXI и ветеринария должна перейти к цифровым интеллектуальным и информационным технологиям исследования, т.е. в цифровом обществе ветеринария должна стать когнитивной ветеринарией. Развернутому и аргументированному освещению этих вопросов посвящено 11 работ авторов: http://lc.kubagro.ru/aidos/Publications_on_cognitive_veterinary_medicine.htm.

16. Разработка интеллектуальных облачных Эйдос-приложений в области когнитивной ветеринарии

Цель – повышение оперативности и достоверности диагностики и эффективности принятия решений по плану профилактики и лечения сельскохозяйственных животных и птицы.

Механизм реализации: он-лайн работа с заказчиком на его языке и его данных с применением автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – интеллектуальной системы «Эйдос».

Публикации:

Монография:

1. Lutsenko E.V. Cognitive veterinary medicine // February 2023, DOI: 10.13140/RG.2.2.28032.92163, License CC BY 4.0, https://www.researchgate.net/publication/368476220

Статьи:

1. Луценко Е.В. Реализация тестов и супертестов для ветеринарной и медицинской диагностики в среде системы искусственного интеллекта «Эйдос-Х++» без программирования / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2013. – №05(089). С. 167 – 207. – IDA [article ID]: 0891305014. – Режим доступа: http://ej.kubagro.ru/2013/05/pdf/14.pdf, 2,562 у.п.л.

2. Луценко Е.В. Автоматизированный системно-когнитивный анализ в ветеринарии (на примере разработки диагностических тестов) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №03(137). С. 143 – 196. – IDA [article ID]: 1371803031, doi: 10.21515/1990-4665-137-031. – Режим доступа: http://ej.kubagro.ru/2018/03/pdf/31.pdf, 3,375 у.п.л.

3. Луценко Е.В. Агломеративная когнитивная кластеризация нозологических образов в ветеринарии / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №04(138). С. 122 – 139. – IDA [article ID]: 1381804033, doi: 10.21515/1990-4665-138-033. – Режим доступа: http://ej.kubagro.ru/2018/04/pdf/33.pdf, 1,125 у.п.л.

4. Луценко Е.В. Агломеративная когнитивная кластеризация симптомов и синдромов в ветеринарии / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №05(139). С. 99 – 116. – IDA [article ID]: 1391805033, doi: 10.21515/1990-4665-139-033. – Режим доступа: http://ej.kubagro.ru/2018/05/pdf/33.pdf, 1,125 у.п.л.

5. Луценко Е.В. Автоматизированный системно-когнитивный анализ антибиотиков в ветеринарии / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №06(140). С. 171 – 220. – IDA [article ID]: 1401806033, doi: 10.21515/1990-4665-140-033. – Режим доступа: http://ej.kubagro.ru/2018/06/pdf/33.pdf, 3,125 у.п.л.

6. Луценко Е.В. Разработка ветеринарного теста для диагностики желудочно-кишечных заболеваний лошади на основе данных репозитория UCI с применением АСК-анализа / Е.В. Луценко, Е.К. Печурина, А.Э. Сергеев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №07(141). С. 111 – 175. – IDA [article ID]: 1411807033, doi: 10.21515/1990-4665-141-033. – Режим доступа: http://ej.kubagro.ru/2018/07/pdf/33.pdf, 4,062 у.п.л.

7. Луценко Е.В. Автоматизированный системно-когнитивный анализ и классификация пород крупного рогатого скота / Е.В. Луценко, Е.К. Печурина // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №08(142). С. 68 – 95. – IDA [article ID]: 1421808033, doi: 10.21515/1990-4665-142-033. – Режим доступа: http://ej.kubagro.ru/2018/08/pdf/33.pdf, 1,75 у.п.л.

8. Луценко Е.В. Математическое и численное моделирование взаимосвязи морфологического, биохимического и микроэлементного состава крови бычков герефордской породы и их размеров / Е.В. Луценко, В.Г. Лежнев, Н.И. Ковелин // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №09(143). С. 49 – 88. – IDA [article ID]: 1431809033, doi: 10.21515/1990-4665-143-033. – Режим доступа: http://ej.kubagro.ru/2018/09/pdf/33.pdf, 2,5 у.п.л.

9. Луценко Е.В. Формирование семантического ядра ветеринарии путем Автоматизированного системно-когнитивного анализа паспортов научных специальностей ВАК РФ и автоматическая классификация текстов по направлениям науки / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №10(144). С. 44 – 102. – IDA [article ID]: 1441810033, doi: 10.21515/1990-4665-144-033. – Режим доступа: http://ej.kubagro.ru/2018/10/pdf/33.pdf, 3,688 у.п.л.

10. Луценко Е.В. Синтез семантических ядер научных специальностей ВАК РФ и автоматическая классификации статей по научным специальностям с применением АСК-анализа и интеллектуальной системы «Эйдос» (на примере Научного журнала КубГАУ и его научных специальностей: механизации, агрономии и ветеринарии) / Е.В. Луценко, Н.В. Андрафанова, Н.В. Потапова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №01(145). С. 31 – 102. – IDA [article ID]: 1451901033, doi: 10.21515/1990-4665-145-033. – Режим доступа: http://ej.kubagro.ru/2019/01/pdf/33.pdf, 4,5 у.п.л.

11. Луценко Е.В. Когнитивная ветеринария – ветеринария цифрового общества: дефиниция базовых понятий / Е.В. Луценко, Е.К. Печурина, А.Э. Сергеев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №08(152). С. 141 – 199. – IDA [article ID]: 1521908015. – Режим доступа: http://ej.kubagro.ru/2019/08/pdf/15.pdf, 3,688 у.п.л.

12. Луценко Е.В. Автоматизированный системно-когнитивный анализ влияния пробиотиков в рационах на телосложение бычков / Е.В. Луценко, Е.К. Печурина // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №02(146). С. 68 – 93. – IDA [article ID]: 1461902033, doi: 10.21515/1990-4665-146-033. – Режим доступа: http://ej.kubagro.ru/2019/02/pdf/33.pdf, 1,625 у.п.л.

13. Луценко Е.В. Когнитивная информационно-измерительная квалиметрическая система для определения содержания жира и белка в коровьем молоке по параметрам тензиограмм динамического поверхностного натяжения на границе раздела молоко/воздух / Е.В. Луценко, Е.К. Печурина, А.Э. Сергеев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №07(151). С. 138 – 192. – IDA [article ID]: 1511907015. – Режим доступа: http://ej.kubagro.ru/2019/07/pdf/15.pdf, 3,438 у.п.л.

17. Разработка интеллектуальных облачных Эйдос-приложений в области когнитивной агрономии, т.е. для изучения влияния агротехнологий и других условий выращивания сельскохозяйственных культур на результаты деятельности в натуральном и стоимостном выражении

Цель – выявление причинно-следственных зависимостей между применяемыми агротехнологиями и другими условиями выращивания сельскохозяйственных культур с одной стороны и результатами деятельности в натуральном и стоимостном выражении

Публикации:

Монографии

1. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). – Краснодар: КубГАУ. 2005. – 480 с. http://elibrary.ru/item.asp?id=21720635 (в этой работе в 4-й главе в разделе 4.1 описано исследование автора 1993-1996 годов по когнитивной агрономии, по которому получен акт внедрения в 1996 году: http://lc.kubagro.ru/aidos/aidos02/PR-4.htm, см.12-й акт внедрения)

2. Луценко Е. В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: Монография (научное издание). – Краснодар: КубГАУ, 2008. – 257 с. http://elibrary.ru/item.asp?id=21683725

3. Горпинченко К.Н., Луценко Е.В. Прогнозирование и принятие решений по выбору агротехнологий в зерновом производстве с применением методов искусственного интеллекта (на примере СК-анализа). Монография (научное издание). – Краснодар, КубГАУ. 2013. – 168 с. ISBN 978-5-94672-644-3. http://elibrary.ru/item.asp?id=20213254

4. Луценко Е. В. , Лаптев В. Н., Сергеев А. Э. Системно-когнитивное моделирование в АПК : учеб. пособие / Е. В. Луценко, В. Н. Лаптев, А. Э. Сергеев, – Краснодар : Экоинвест, 2018. – 518 с. ISBN 978-5-94215-416-5. https://elibrary.ru/item.asp?id=35649123

Свидетельства

5. Луценко Е.В., Драгавцева И. А., Лопатина Л.М., Автоматизированная система мониторинга, анализа и прогнозирования развития сельхозкультур "ПРОГНОЗ-АГРО". Пат. № 2003610433 РФ. Заяв. № 2002611927 РФ. Опубл. от 18.02.2003. – Режим доступа: http://lc.kubagro.ru/aidos/2003610433.jpg, 3,125 / 2,500 у.п.л.

6. Луценко Е.В., Драгавцева И. А., Лопатина Л.М., База данных автоматизированной системы мониторинга, анализа и прогнозирования развития сельхозкультур "ПРОГНОЗ-АГРО". Пат. № 2003620035 РФ. Заяв. № 2002620178 РФ. Опубл. от 20.02.2003. – Режим доступа: http://lc.kubagro.ru/aidos/2003620035.jpg, 3,125 / 2,500 у.п.л.

7. Луценко Е.В., Драгавцева И. А., Лопатина Л.М., Немоляев А.Н., Подсистема агрометеорологической типизации лет по успешности выращивания плодовых и оценки соответствия условий микрозон выращивания ("АГРО-МЕТЕО-ТИПИЗАЦИЯ"). Пат. № 2006613271 РФ. Заяв. № 2006612452 РФ. Опубл. от 15.09.2006. – Режим доступа: http://lc.kubagro.ru/aidos/2006613271.jpg, 3,125 / 2,500 у.п.л.

8. Луценко Е.В., Драгавцева И.А., Марченко Н.Н., Святкина О.А., Овчаренко Л.И., Агроэкологическая система прогнозирования риска гибели урожая плодовых культур от неблагоприятных климатических условий зимне-весеннего периода (Система «ПРОГНОЗ-ЛИМИТ». Пат. № 2009616032 РФ. Заяв. № 2009614930 РФ. Опубл. от 30.10.2009. – Режим доступа: http://lc.kubagro.ru/aidos/2009616032.jpg, 3,125 / 2,500 у.п.л.

9. Савин И.Ю., Луценко Е.В., Драгавцева И.А., Мироненко Н.Я., Руссо Д.Э., Геоинформационная база данных «Почвы Краснодарского края» . Свид. РосПатента РФ о гос.регистрации базы данных, Заявка № 2015620687 от 11.06.2015, Гос.рег.№ 2015621193, зарегистр. 04.08.2015. – Режим доступа: http://lc.kubagro.ru/aidos/2015621193.jpg, 2 у.п.л.

10. Lutsenko E.V. Personal intellectual online environment "Eidos-X Professional" (System "Eidos-Xpro") // April 2022, DOI: 10.13140/RG.2.2.10449.81766, License CC BY 4.0, https://www.researchgate.net/publication/359865578, http://lc.kubagro.ru/aidos/2022615135.jpg

Статьи

11. Луценко Е.В. Постановка задачи и синтез модели прогнозирования урожайности зерновых колосовых и поддержки принятия решений по рациональному выбору агротехнологий / Е.В. Луценко, В.И. Лойко, Л.О. Великанова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2008. – №04(038). С. 80 – 100. – Шифр Информрегистра: 0420800012\0048, IDA [article ID]: 0380804006. – Режим доступа: http://ej.kubagro.ru/2008/04/pdf/06.pdf, 1,312 у.п.л.

12. Луценко Е.В. Прогнозирование урожайности зерновых колосовых и поддержка принятия решений по рациональному выбору агротехнологий с применением СК-анализа / Е.В. Луценко, В.И. Лойко, Л.О. Великанова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2008. – №04(038). С. 101 – 126. – Шифр Информрегистра: 0420800012\0047, IDA [article ID]: 0380804007. – Режим доступа: http://ej.kubagro.ru/2008/04/pdf/07.pdf, 1,625 у.п.л.

13. Луценко Е.В. Автоматизированный системно-когнитивный анализ в агрономии / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №02(136). С. 87 – 145. – IDA [article ID]: 1361802011, doi: 10.21515/1990-4665-136-011. – Режим доступа: http://ej.kubagro.ru/2018/02/pdf/11.pdf, 3,688 у.п.л.

14. Луценко Е.В. Синтез семантических ядер научных специальностей ВАК РФ и автоматическая классификации статей по научным специальностям с применением АСК-анализа и интеллектуальной системы «Эйдос» (на примере Научного журнала КубГАУ и его научных специальностей: механизации, агрономии и ветеринарии) / Е.В. Луценко, Н.В. Андрафанова, Н.В. Потапова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №01(145). С. 31 – 102. – IDA [article ID]: 1451901033, doi: 10.21515/1990-4665-145-033. – Режим доступа: http://ej.kubagro.ru/2019/01/pdf/33.pdf, 4,5 у.п.л.

15. Луценко Е.В. Системно-когнитивное моделирование влияния агротехнологий на урожайность и качество пшеницы и решение задач прогнозирования, поддержки принятия решений и исследования предметной области / Е.В. Луценко, Е.К. Печурина // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №03(147). С. 62 – 128. – IDA [article ID]: 1471903015, doi: 10.21515/1990-4665-147-015. – Режим доступа: http://ej.kubagro.ru/2019/03/pdf/15.pdf, 4,188 у.п.л.

16. Луценко Е.В. Автоматизированный системно-когнитивный анализ природно-климатических явлений, опасных для агропромышленного комплекса России / Е.В. Луценко, Е.К. Печурина, А.Э. Сергеев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №04(148). С. 68 – 117. – IDA [article ID]: 1481904015, doi: 10.21515/1990-4665-148-015. – Режим доступа: http://ej.kubagro.ru/2019/04/pdf/15.pdf, 3,125 у.п.л.

17. Луценко Е.В. Лингвистический Автоматизированный системно-когнитивный анализ зависимости урожайности клевера от удобрений, обработки почвы и года пользования / Е.В. Луценко, Т.М. Грушевская // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2022. – №06(180). С. 83 – 171. – IDA [article ID]: 1802206009. – Режим доступа: http://ej.kubagro.ru/2022/06/pdf/09.pdf, 5,562 у.п.л.

18. Луценко Е.В. Автоматизированный системно-когнитивный анализ зависимости агро-физических показателей почвы от ее обработки, удобрений и фазы вегетации пшеницы / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2022. – №07(181). С. 172 – 224. – IDA [article ID]: 1812207017. – Режим доступа: http://ej.kubagro.ru/2022/07/pdf/17.pdf, 3,312 у.п.л.

19. Луценко Е.В. Автоматизированный системно-когнитивный анализ влияния сроков посева и ширины междурядий на урожайность и качество зерна озимой пшеницы сорта Дон 95 / Е.В. Луценко, Т.В. Лукьяненко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2022. – №08(182). С. 155 – 170. – IDA [article ID]: 1822208014. – Режим доступа: http://ej.kubagro.ru/2022/08/pdf/14.pdf, 1 у.п.л.

20. Биометрическая оценка полиморфизма сортогрупп винограда Пино и Рислинг по морфологическим признакам листьев среднего яруса кроны / Л.П. Трошин, Е.В. Луценко, П.П. Подваленко, А.С. Звягин // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2009. – №08(052). С. 1 – 14. – Шифр Информрегистра: 0420900012\0097, IDA [article ID]: 0520908001. – Режим доступа: http://ej.kubagro.ru/2009/08/pdf/01.pdf, 0,875 у.п.л.

21. Луценко Е.В. Решение задач ампелографии с применением АСК-анализа изображений листьев по их внешним контурам (обобщение, абстрагирование, классификация и идентификация) / Е.В. Луценко, Д.К. Бандык, Л.П. Трошин // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2015. – №08(112). С. 862 – 910. – IDA [article ID]: 1121508064. – Режим доступа: http://ej.kubagro.ru/2015/08/pdf/64.pdf, 3,062 у.п.л.

22. Луценко Е.В. Количественное измерение сходства-различия клонов винограда по контурам листьев с применением АСК-анализа и системы «Эйдос» / Е.В. Луценко, Л.П. Трошин, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2016. – №02(116). С. 1205 – 1228. – IDA [article ID]: 1161602077. – Режим доступа: http://ej.kubagro.ru/2016/02/pdf/77.pdf, 1,5 у.п.л.

23. Луценко Е.В. Применение теории информации и когнитивных технологий для решения задач генетики (на примере вычисления количества информации в генах о признаках и свойствах различных автохтонных сортов винограда) / Е.В. Луценко, Л.П. Трошин // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2016. – №07(121). С. 116 – 165. – IDA [article ID]: 1211607003. – Режим доступа: http://ej.kubagro.ru/2016/07/pdf/03.pdf, 3,125 у.п.л.

24. Луценко Е.В. Автоматизированный системно-когнитивный анализ влияния сроков посева и ширины междурядий на урожайность и качество зерна озимой пшеницы сорта Дон 95 / Луценко Е.В., Лукьяненко Т.В. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2022. – №08(182). – Режим доступа: http://ej.kubagro.ru/2022/08/pdf/14.pdf, 0,625 у.п.л. – IDA [article ID]: 1822208014. http://dx.doi.org/10.21515/1990-4665-182-014

25. Луценко Е.В. Автоматизированный системно-когнитивный анализ влияния способа посева на урожай и качество зерна яровой пшеницы в условиях Нижнего Новгорода / Луценко Е.В. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2022. – №09(183). – Режим доступа: http://ej.kubagro.ru/2022/09/pdf/17.pdf, 1,313 у.п.л. – IDA [article ID]: 1832209017. http://dx.doi.org/10.21515/1990-4665-183-017

26. Луценко Е.В. Синтез системно-когнитивной модели природно-экономической системы и ее использование для прогнозирования и управления в зерновом производстве (Часть 1 – постановка задачи) / Е.В. Луценко, К.Н. Горпинченко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2013. – №05(089). С. 1288 – 1300. – IDA [article ID]: 0891305089. – Режим доступа: http://ej.kubagro.ru/2013/05/pdf/89.pdf, 0,812 у.п.л.

27. Луценко Е.В. Синтез системно-когнитивной модели природно-экономической системы и ее использование для прогнозирования и управления в зерновом производстве (Часть 2 – преобразование эмпирических данных в информацию) / Е.В. Луценко, К.Н. Горпинченко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2013. – №05(089). С. 1301 – 1319. – IDA [article ID]: 0891305090. – Режим доступа: http://ej.kubagro.ru/2013/05/pdf/90.pdf, 1,188 у.п.л.

28. Луценко Е.В. Синтез системно-когнитивной модели природно-экономической системы, ее использование для прогнозирования и управления в зерновом производстве (Часть 3 – прогнозирование и принятие решений) / Е.В. Луценко, К.Н. Горпинченко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2013. – №06(090). С. 863 – 872. – IDA [article ID]: 0901306059. – Режим доступа: http://ej.kubagro.ru/2013/06/pdf/59.pdf, 0,625 у.п.л.

29. Луценко Е.В. Синтез системно-когнитивной модели природно-экономической системы, ее использование для прогнозирования и управления в зерновом производстве (4 часть – исследование объекта моделирования путем исследования его модели) / Е.В. Луценко, К.Н. Горпинченко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2013. – №06(090). С. 873 – 893. – IDA [article ID]: 0901306060. – Режим доступа: http://ej.kubagro.ru/2013/06/pdf/60.pdf, 1,312 у.п.л.

30. Лопатина Л.М. Создание автоматизированной системы мониторинга, анализа, прогноза и управления продуктивностью сельскохозяйственных культур / Л.М. Лопатина, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2003. – №02(002). С. 52 – 61. – IDA [article ID]: 0020302007. – Режим доступа: http://ej.kubagro.ru/2003/02/pdf/07.pdf, 0,625 у.п.л.

31. Лопатина Л.М. Концептуальная постановка задачи: "Прогнозирование количественных и качественных результатов выращивания заданной культуры в заданной точке" / Л.М. Лопатина, И.А. Драгавцева, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №05(007). С. 86 – 100. – IDA [article ID]: 0070405008. – Режим доступа: http://ej.kubagro.ru/2004/05/pdf/08.pdf, 0,938 у.п.л.

18. Обучение специалистов заказчика теоретическим основам и технологии применения автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – интеллектуальной системы «Эйдос» для решения задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области в самых различных предметных областях и областях науки и практики

Цель – подготовка специалистов заказчика на уровне экспертов – специалистов по теоретическим основам и технологии применения автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – интеллектуальной системы «Эйдос» для разработки и эксплуатации облачных интеллектуальных Эйдос-приложения, предназначенных для решения широкого круга задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области в самых различных предметных областях и областях науки и практики.

Задание-инструкция по разработке собственного интеллектуального облачного Эйдос-приложения

DOI: 10.13140/RG.2.2.27946.44488, License: CC BY-SA 4.0

№

Содержание этапа работ

Читаем: http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf, http://lc.kubagro.ru/Presentation_LutsenkoEV.pdf

Скачиваем здесь: http://lc.kubagro.ru/aidos/_Aidos-X.htm и устанавливаем на своем компьютере систему «Эйдос».

Ссылка на краткую инструкцию по установке системы «Эйдос» на университетские компьютеры и по первым занятиям по системе, особенно если на занятии отсутствует проф.Е.В.Луценко: http://lc.kubagro.ru/aidos/Installation_instructions_and_the_first_lessons_on_the_Eidos_system.pdf

Запускаем систему «Эйдос», в режиме 1.3, устанавливаем и осваиваем встроенную в полную инсталляцию базовую лабораторную работу: ЛР-3.03. Эта лабораторная работа очень подробно рассматривается во многих видео-занятиях.

Затем изучаем приложения по интеллектуальному анализу текстов (ЛР-3.02) спектральному АСК-анализу изображений (облачное Эйдос-приложение №277):

– видео-занятие по АСК-анализу текстов и спектральному АСК-анализу изображений:https://disk.yandex.ru/i/WoIb6aF4bTuA0Q;

– прямая ссылка на скачивание учебного архива изображений из облачного Эйдос-приложения №277: https://lc.kubagro.ru/Source_data_applications/Applications-000277/Artists_as_classes.rar

По желанию изучаем облачные Эйдос-приложения, отдавая приоритет более новым, т.к. они лучше отражают возможности текущей версии системы «Эйдос» и описаны по более совершенному шаблону описания.

Ссылки на видео-занятия и работы проф.Е.В.Луценко:

– в Пермском национальном университете: https://bigbluebutton.pstu.ru/b/w3y-2ir-ukd-bqn (2021), https://bigbluebutton.pstu.ru/b/3kc-n8a-gon-tjz (2022)

– в Кубанском государственном университете и Кубанском государственном аграрном университете: https://disk.yandex.ru/d/knISAD5qzV83Ng?w=1 (2020-2022)

– ссылки на работы проф.Е.В.Луценко по различной тематике в открытом доступе: http://lc.kubagro.ru/aidos/index.htm и http://lc.kubagro.ru/aidos/_Aidos-X.htm
   работы по АСК-анализу текстов: http://lc.kubagro.ru/aidos/Works_on_ASK-analysis_of_texts.htm;
   работы по АСК-анализу изображений: http://lc.kubagro.ru/aidos/Works_on_ASK-analysis_of_images.htm;
   работы по сценарному АСК-анализу: http://lc.kubagro.ru/aidos/Works_on_Scenario_ASC-analysis.htm;

страница в Ресечгейт: https://www.researchgate.net/profile/Eugene-Lutsenko

По ссылке: https://www.researchgate.net/profile/Eugene_Lutsenko/publications изучаем публикации проф.Е.В.Луценко с описанием приложений системы «Эйдос».

Ищем тему и исходные данные для собственного интеллектуального облачного Эйдос-приложения:
- тема и содержание работы не должны быть очень сходными с наименованиями и содержанием уже имеющихся в Эйдос-облаке интеллектуальных приложений: http://lc.kubagro.ru/Source_data_applications/WebAppls.html; (это допускается только если качество решения задачи и качество ее описания значительно выше, чем в более ранней аналогичной по тематике ранее);

- если в строке адреса заменить расширение в ссылке на файл readme.pdf на readme.docx, то как правило этот файл скачается (если такой файл есть в облаке);

- исходные данные рекомендуются искать на сайтах: Kaggle и UCI, а также в поисковых системах по запросу: «Наборы данных для машинного обучения»
http://archive.ics.uci.edu/ml/datasets
https://www.kaggle.com/datasets
https://www.kaggle.com/competitions (приоритет у активных тем)
https://www.kaggle.com/kernels
а также по ссылкам на странице: http://lc.kubagro.ru/aidos/p14.htm (ниже таблицы).

Можно использовать также любые другие исходные данные, не противоречащие общепринятым в России морально-этическим нормам и действующему законодательству Российской Федерации.

Ссылки на лучшие (по мнению автора) бесплатные онлайн CSV=>XLS (XLSX) конвертеры:

https://online-converting.ru/documents/csv-to-xls/ (конвертирует CSV-файлы больше 100 Мб)

https://convertio.co/ru/csv-xls/

https://onlineconvertfree.com/ru/convert-format/csv-to-xls/

https://document.online-convert.com/ru/convert/csv-to-excel

SCV-стандарт не устоялся, встречается много разных специфических особенностей в CSV-файлах, поэтому иногда лучше подходит один конвертер, а иногда другой.

Файл исходных данных: Inp_data.xls, Inp_data.xlsx должен быть меньше 10 Мб, т.к. файлы большего размера автоматически удаляются с ftp-сервера системы «Эйдос».

Поэтому важно знать и учитывать, что один и тот же файл в XLSX-стандарте обычно примерно в два раза меньше по размеру, чем в XLS.

Но лучше брать еще меньший объем данных (не мегабайты, а сотни или даже десятки килобайт), тогда длительность расчетов будет более приемлемой.

Показываем проф.Е.В.Луценко на занятии или присылаем ссылку на их источник исходных данных и сами эти данные для приложения в виде Excel- или CSV-файла в стандарте программного интерфейса (API) 2.3.2.2 системы «Эйдос» и примерную тему на эл.почту проф.Е.В.Луценко: prof.lutsenko@gmail.com для утверждения. Утверждение возможно только в том, случае, если модель получается достаточно достоверная или хотя бы разумная.

После утверждения темы можно выполнять следующие пункты.

Описываем созданное Эйдос-приложение, взяв за образец (т.е. в качестве шаблона описания) вордовский файл одной из статей:

1. Луценко Е.В. Автоматизированный системно-когнитивный анализ силы и направления влияния морфологических свойств помидоров на количественные, качественные и финансово-экономические результаты их выращивания и степень детерминированности этих результатов в условиях неотапливаемых теплиц Юга России / Е.В. Луценко, Р.А. Гиш, Е.К. Печурина, С.С. Цыгикало // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №06(150). С. 79 – 129. – IDA [article ID]: 1501906015. – Режим доступа: http://ej.kubagro.ru/get.asp?id=7763&t=2, 3,188 у.п.л.

2. Тематические подборки публикаций по применению АСК-анализа и системы «Эйдос» в различных предметных областях: http://lc.kubagro.ru/aidos/_Aidos-X.htm#_Toc99666361

3. Шаблон описания научного исследования с применением АСК-анализа и системы Эйдос (стандарт IMRAD): Детальный пример описания научного исследования в файле WORD: https://www.researchgate.net/publication/362211691. Для скачивания файла надо кликнуть по синей кнопке: «Download the pdf». СКАЧАЕТСЯ ВОРДОВСКИЙ ФАЙЛ. ЧТОБЫ ИЗБЕЖАТЬ ТИПИЧНЫХ ОШИБОК, НЕОБХОДИМО ОБЯЗАТЕЛЬНО написать наименование приложения в режиме 1.3. В подразделе 3.2 описания надо вставить таблицу исходных данных (или ее фрагмент), прямую активную (действующую) ссылку на источник данных этой таблицы в Internet. В КАЖДОМ ПОДРАЗДЕЛЕ шаблона описания, начиная с описания результатов и далее скриншоты экранных форм соответствующих режимов системы «Эйдос» (Alt+PrScreen) и формируемые ей таблицы, а также текст их интерпретации или пояснения.

4. КАК ПРИНИМАЕТСЯ РАБОТА: проф.Е.В.Луценко вводит исходные данные из файла Inp_data.xls(x), присланного учащимся, в систему «Эйдос» с параметрами (_2_3_2_2.arx), указанными в описании readme.doc(x), создает модели в соответствии с параметрами, приведенными в описании и сравнивает выходные формы, получающиеся в модели с выходными формами, приведенными в описании. Если они совпадают – работа принимается, а иначе отклоняется на доработку. В частности текст с описанием результатов оценки достоверности моделей в режиме 3.4 должен соответствовать экранным формам этого режима. Если получающиеся экранные формы нечитабельны, то используя параметры настройки изображений сделать их читабельными. Аккуратно отформатировать описание: рисунки на одной странице должны быть одной ширины.

ВАЖНО!!! Внимательно смотрите, чтобы в итоговом описании, если оно посвящено, например, процессорам или видеокартам, ничего не осталось про геном, помидоры, морфологические и биохимические свойства, урожайность, жирность и т.п.

Показываем проф.Е.В.Луценко на занятии или присылаем исходные данные для приложения в виде Excel-файла в стандарте программного интерфейса (API) 2.3.2.2 системы «Эйдос» и описание приложения (файлы: Inp_data.xls(x), readme.doc(x), c:\Aidos-X\_2_3_2_2.arx) на эл.почту проф.Е.В.Луценко: prof.lutsenko@gmail.com для принятия решения и, в случае если оно положительное, то и для размещения созданного приложения и его описания в Эйдос-облаке, и только описания в ResearchGate и в РИНЦ. Главных критерия приема работы два: 1) созданные мной на основе ваших данных модели совпадают с вашими; 2) ваше описание соответствует вашим данным и созданным на основе них вашим моделям.

Само размещение Эйдос-приложения в облаке для учащихся осуществляет лично проф.Е.В.Луценко. Размещение описания приложения в ResearchGate и в РИНЦ можно осуществлять только после их просмотра проф.Е.В.Луценко и одобрения этого им. Размещение описания приложения в ResearchGate и в РИНЦ осуществляет учащийся или соавтор. Для этого он должен зарегистрироваться или уже быть зарегистрированным в ResearchGate: https://www.researchgate.net/, а также в https://elibrary.ru/ и системе в SCIENCE INDEX, получить SPIN-код и заключить с РИНЦ договор на физическое лицо на размещение непериодических изданий в РИНЦ: https://elibrary.ru/projects/contracts/publisher/messages/messages.asp? Подробнее см. здесь: http://lc.kubagro.ru/ResearchGate.doc.

Оценка знаний, умений и навыков, полученных учащимися при освоении АСК-анализа и системы «Эйдос»
Оценка	Разработка и размещение Эйдос-приложения в:			Стоимость сертификата ВЦСКИ "Эйдос", подтверждающего учебное достижение по освоению АСК-анализа и системы "Эйдос" (в рублях по курсу USD, ЦБ РФ) (по желанию*)	Ссылки на образцы сертификатов
Оценка	Эйдос-облако (исходные данные и описание по шаблону)	ResearchGate (только описание по шаблону)	РИНЦ (только описание по шаблону)		Ссылки на образцы сертификатов
Отлично	Да	Да	Да	100	Шаблон по выбору получателя
Хорошо	Да	Да	Нет	50	Шаблон по выбору получателя
Удовлетворительно	Да	Нет	Нет	25	Шаблон по выбору получателя
По результатам аттестации	Нет	Нет	Нет	***	***

* Это предложение не касается учащихся тех вузов, в которых работает автор

Если учащийся не зарегистрировался в ResearchGate (для этого необходим корпоративный адрес электронной почты от НИИ или Университета) и в РИНЦ, то описания облачных Эйдос-приложений могут быть размещены в ResearchGate (https://www.researchgate.net/profile/Eugene_Lutsenko) в качестве препринтов с присвоением DOI, а затем будут размещены в РИНЦ (https://elibrary.ru/) в качестве публикаций в открытом архиве, т.е. войдут в список публикаций учащегося и его портфолио. Но для этого будет необходимо включить проф.Е.В.Луценко в качестве соавтора в описание приложения, т.к. размещать материалы в этих системах могут только их авторы.

Литература: https://www.researchgate.net/profile/Eugene_Lutsenko/publications

On-line консультации проф.Е.В.Луценко по всем вопросам, связанным с созданием и размещением облачного Эйдос-приложения: https://www.researchgate.net/profile/Eugene_Lutsenko
или по e-mail: prof.lutsenko@gmail.com

Базы данных, необходимые для описания облачного Эйдос-приложения

Class_Sc.dbf	Классификационные шкалы
Opis_Sc.dbf	Описательные шкалы
Classes.dbf	Классификационные шкалы и градации
Attributes.dbf	Описательные шкалы и градации
EventsKO.dbf	База событий (обучающая или тренировочная выборка)

Базы данных и выходные формы по значимости описательных шкал и градаций и степени детерминированности классификационных шкал и градаций формируются в режимах 3.7.2, 3.7.3, 3.7.4 и 3.7.5 системы Эйдос. В этих же режимах в конце выводится информация об именах и месте расположения выходных баз данных.

Режим 5.12 системы Эйдос преобразует все dbf-файлы в папке текущего приложения в xls-файлы, которые открываются в MS Excel.

Текущее приложение находится по пути: ..\Aidos-X\AID_DATA\A0000001\System\.

Вообще после выполнения любого режима системы «Эйдос» формируемые им базы данных будут в начале списка файлов, если в файл-менеджере выбрать сортировку по времени создания.

Организация и стоимость

Осуществление проекта начинается следующим образом.

Создается "Центр системно-когнитивных исследований Эйдос" при университете (ЦСКИ «Эйдос»), со статусом бюджетного структурного подразделения университета в аппарате проректора по научной работе с основной задачей: разработка и внедрение в АПК региона технологий Автоматизированного системно-когнитивного анализа (АСК-анализ) и искусственного интеллекта с целью автоматизации получения новых научных знаний и автоматизации их применения в технологической, экономической, социальной и других областях.

Для сотрудников университета и его подразделений ЦСКИ «Эйдос» оказывает свои услуги бесплатно для заказчиков, т.е. в счет бюджетного финансирования, а для сторонних заказчиков – на основе их договоров с университетом с обязательным перечислением 50% оплаты по договорам университету после отчисления налогов и обязательных платежей в бюджет, аи 50% остается в распоряжении ЦСКИ «Эйдос».

Штатное расписание ЦСКИ «Эйдос» и кандидаты на должности согласно штатного расписания согласовываются дополнительно с учредителем.

Профессор Е. В. Луценко

23.03.2023