Важнейший
результат: разработана
и внедрена в учебный процесс и научные исследования КубГАУ Персональная интеллектуальная
онлайн среда "ЭЙДОС-Х Professional"
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:
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 337 интеллектуальных облачных
Эйдос-приложений. 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.
Приложение: некоторые перспективы применения АСК-анализа
и системы «Эйдос»
в АПК Краснодарского края и Российской Федерации
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 200 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
КубГАУ 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 200 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».
Существует много систем искусственного интеллекта.
Универсальная когнитивная аналитическая система «Эйдос-Х++» отличается от них следующими
параметрами:
- является универсальной и может
быть применена во многих предметных областях, т.к. разработана в универсальной постановке,
не зависящей от предметной области (http://lc.kubagro.ru/aidos/index.htm) и имеет 6 автоматизированных программных интерфейсов (API) ввода данных из внешних источников данных различных типов:
таблиц, текстов и графики. Система «Эйдос» является автоматизированной системой,
т.е. предполагает непосредственное участие человека в реальном времени в процессе
создания моделей и их использования для решения задач идентификации, прогнозирования,
приятия решений и исследования предметной области путем исследования ее модели (автоматические
системы работают без такого участия человека);
- находится в полном открытом бесплатном доступе (http://lc.kubagro.ru/aidos/_Aidos-X.htm), причем с актуальными исходными текстами (http://lc.kubagro.ru/__AidosALL.txt): открытая лицензия: CC
BY-SA 4.0 (https://creativecommons.org/licenses/by-sa/4.0/), и это означает, что ей
могут пользоваться все, кто пожелает, без какого-либо дополнительного разрешения
со стороны первичного правообладателя – автора системы «Эйдос» проф. Е.В.Луценко
(отметим, что система «Эйдос» создана полностью с использованием только лицензионного
инструментального программного обеспечения и на нее имеется 32 свидетельства РосПатента
РФ);
- является одной из
первых отечественных систем искусственного интеллекта персонального уровня, т.е.
не требует от пользователя специальной подготовки в области технологий искусственного
интеллекта: «имеет нулевой порог входа» (есть акт внедрения системы «Эйдос» 1987
года) (http://lc.kubagro.ru/aidos/aidos02/PR-4.htm);
- реально работает, обеспечивает
устойчивое выявление в сопоставимой форме силы и направления
причинно-следственных зависимостей в неполных зашумленных взаимозависимых (нелинейных)
данных очень большой размерности числовой и не числовой природы, измеряемых в различных
типах шкал (номинальных, порядковых и числовых) и в различных единицах измерения
(т.е. не предъявляет жестких требований к данным, которые невозможно выполнить,
а обрабатывает те данные, которые есть);
- имеет «нулевой порог входа»,
содержит большое количество локальных (поставляемых с инсталляцией) и облачных интеллектуальных
учебных и научных Эйдос-приложений (в настоящее время их 31 и более 330, соответственно:
http://aidos.byethost5.com/Source_data_applications/WebAppls.htm) (http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf);
- поддерживает on-line
среду накопления знаний и обмена ими, широко используется во всем мире (http://aidos.byethost5.com/map5.php);
- обеспечивает мультиязычную
поддержку интерфейса на 51 языке. Языковые базы входят в инсталляцию и могут пополняться
в автоматическом режиме;
- наиболее трудоемкие в вычислительном отношении операции синтеза
моделей и распознавания реализует с помощью графического процессора (GPU), что на
некоторых задачах обеспечивает ускорение решение этих задач в несколько тысяч раз,
что реально обеспечивает интеллектуальную обработку больших данных, большой информации
и больших знаний (графический процессор должен быть на чипсете NVIDIA);
- обеспечивает преобразование
исходных эмпирических данных в информацию, а ее в знания и решение с использованием
этих знаний задач классификации, поддержки принятия решений и исследования предметной
области путем исследования ее системно-когнитивной модели, генерируя при этом очень
большое количество табличных и графических выходных форм (развития когнитивная графика),
у многих из которых нет никаких аналогов в других системах (примеры форм можно посмотреть
в работе: http://lc.kubagro.ru/aidos/aidos18_LLS/aidos18_LLS.pdf);
- хорошо имитирует человеческий стиль мышления: дает результаты
анализа, понятные экспертам на основе их опыта, интуиции и профессиональной компетенции;
- вместо того, чтобы предъявлять к исходным данным практически
неосуществимые требования (вроде нормальности распределения, абсолютной точности
и полных повторностей всех сочетаний значений факторов и их полной независимости
и аддитивности) автоматизированный системно-когнитивный анализ (АСК-анализ) предлагает
без какой-либо предварительной обработки осмыслить эти данные и тем самым преобразовать
их в информацию, а затем преобразовать эту информацию в знания путем ее применения
для достижения целей (т.е. для управления) и решения задач классификации, поддержки
принятия решений и содержательного эмпирического исследования моделируемой предметной
области.
В
чем сила подхода, реализованного в системе Эйдос? В том, что она реализует подход, эффективность которого
не зависит от того, что мы думаем о предметной области и думаем ли вообще. Она формирует
модели непосредственно на основе эмпирических данных, а не на основе наших представлений
о механизмах реализации закономерностей в этих данных. Именно поэтому Эйдос-модели
эффективны даже если наши представления о предметной области ошибочны или вообще
отсутствуют.
В
этом и слабость этого подхода, реализованного в системе Эйдос. Модели системы Эйдос - это феноменологические модели, отражающие
эмпирические закономерности в фактах обучающей выборки, т.е. они не отражают причинно-следственного
механизма детерминации, а только сам факт и характер детерминации. Содержательное
объяснение этих эмпирических закономерностей формулируется уже экспертами на теоретическом
уровне познания в содержательных научных законах.
Публикации:
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
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».
Существует много систем искусственного интеллекта.
Универсальная когнитивная аналитическая система «Эйдос-Х++» отличается от них следующими
параметрами:
- является универсальной и может
быть применена во многих предметных областях, т.к. разработана в универсальной постановке,
не зависящей от предметной области (http://lc.kubagro.ru/aidos/index.htm) и имеет 6 автоматизированных программных интерфейсов (API) ввода данных из внешних источников данных различных типов:
таблиц, текстов и графики. Система «Эйдос» является автоматизированной системой,
т.е. предполагает непосредственное участие человека в реальном времени в процессе
создания моделей и их использования для решения задач идентификации, прогнозирования,
приятия решений и исследования предметной области путем исследования ее модели (автоматические
системы работают без такого участия человека);
- находится в полном открытом бесплатном доступе (http://lc.kubagro.ru/aidos/_Aidos-X.htm), причем с актуальными исходными текстами (http://lc.kubagro.ru/__AidosALL.txt): открытая лицензия: CC
BY-SA 4.0 (https://creativecommons.org/licenses/by-sa/4.0/), и это означает, что ей
могут пользоваться все, кто пожелает, без какого-либо дополнительного разрешения
со стороны первичного правообладателя – автора системы «Эйдос» проф. Е.В.Луценко
(отметим, что система «Эйдос» создана полностью с использованием только лицензионного
инструментального программного обеспечения и на нее имеется 32 свидетельства РосПатента
РФ);
- является одной из
первых отечественных систем искусственного интеллекта персонального уровня, т.е.
не требует от пользователя специальной подготовки в области технологий искусственного
интеллекта: «имеет нулевой порог входа» (есть акт внедрения системы «Эйдос» 1987
года) (http://lc.kubagro.ru/aidos/aidos02/PR-4.htm);
- реально работает, обеспечивает
устойчивое выявление в сопоставимой форме силы и направления
причинно-следственных зависимостей в неполных зашумленных взаимозависимых (нелинейных)
данных очень большой размерности числовой и не числовой природы, измеряемых в различных
типах шкал (номинальных, порядковых и числовых) и в различных единицах измерения
(т.е. не предъявляет жестких требований к данным, которые невозможно выполнить,
а обрабатывает те данные, которые есть);
- имеет «нулевой порог входа»,
содержит большое количество локальных (поставляемых с инсталляцией) и облачных интеллектуальных
учебных и научных Эйдос-приложений (в настоящее время их 31 и более 330, соответственно:
http://aidos.byethost5.com/Source_data_applications/WebAppls.htm) (http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf);
- поддерживает on-line
среду накопления знаний и обмена ими, широко используется во всем мире (http://aidos.byethost5.com/map5.php);
- обеспечивает мультиязычную
поддержку интерфейса на 51 языке. Языковые базы входят в инсталляцию и могут пополняться
в автоматическом режиме;
- наиболее трудоемкие
в вычислительном отношении операции синтеза моделей и распознавания реализует с
помощью графического процессора (GPU), что на некоторых задачах обеспечивает ускорение
решение этих задач в несколько тысяч раз, что реально обеспечивает интеллектуальную
обработку больших данных, большой информации и больших знаний (графический процессор
должен быть на чипсете NVIDIA);
- обеспечивает преобразование
исходных эмпирических данных в информацию, а ее в знания и решение с использованием
этих знаний задач классификации, поддержки принятия решений и исследования предметной
области путем исследования ее системно-когнитивной модели, генерируя при этом очень
большое количество табличных и графических выходных форм (развития когнитивная графика),
у многих из которых нет никаких аналогов в других системах (примеры форм можно посмотреть
в работе: http://lc.kubagro.ru/aidos/aidos18_LLS/aidos18_LLS.pdf);
- хорошо имитирует человеческий стиль мышления: дает результаты
анализа, понятные экспертам на основе их опыта, интуиции и профессиональной компетенции;
- вместо того, чтобы предъявлять к исходным данным практически
неосуществимые требования (вроде нормальности распределения, абсолютной точности
и полных повторностей всех сочетаний значений факторов и их полной независимости
и аддитивности) автоматизированный системно-когнитивный анализ (АСК-анализ) предлагает
без какой-либо предварительной обработки осмыслить эти данные и тем самым преобразовать
их в информацию, а затем преобразовать эту информацию в знания путем ее применения
для достижения целей (т.е. для управления) и решения задач классификации, поддержки
принятия решений и содержательного эмпирического исследования моделируемой предметной
области.
В
чем сила подхода, реализованного в системе Эйдос? В том, что она реализует подход, эффективность которого
не зависит от того, что мы думаем о предметной области и думаем ли вообще. Она формирует
модели непосредственно на основе эмпирических данных, а не на основе наших представлений
о механизмах реализации закономерностей в этих данных. Именно поэтому Эйдос-модели
эффективны даже если наши представления о предметной области ошибочны или вообще
отсутствуют.
В
этом и слабость этого подхода, реализованного в системе Эйдос. Модели системы Эйдос - это феноменологические модели, отражающие
эмпирические закономерности в фактах обучающей выборки, т.е. они не отражают причинно-следственного
механизма детерминации, а только сам факт и характер детерминации. Содержательное
объяснение этих эмпирических закономерностей формулируется уже экспертами на теоретическом
уровне познания в содержательных научных законах.
Работы проф.Е.В.Луценко & C° по когнитивной агрономии
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
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. 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.
18.
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.
19. 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.
20. 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.
21. 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.
22. 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
23. 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
24.
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.
25.
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.
26.
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.
27.
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.
28. 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.
29. 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.
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».
Существует много систем искусственного интеллекта.
Универсальная когнитивная аналитическая система «Эйдос-Х++» отличается от них следующими
параметрами:
- является универсальной и может
быть применена во многих предметных областях, т.к. разработана в универсальной постановке,
не зависящей от предметной области (http://lc.kubagro.ru/aidos/index.htm) и имеет 6 автоматизированных программных интерфейсов (API) ввода данных из внешних источников данных различных типов:
таблиц, текстов и графики. Система «Эйдос» является автоматизированной системой,
т.е. предполагает непосредственное участие человека в реальном времени в процессе
создания моделей и их использования для решения задач идентификации, прогнозирования,
приятия решений и исследования предметной области путем исследования ее модели (автоматические
системы работают без такого участия человека);
- находится в полном открытом бесплатном доступе (http://lc.kubagro.ru/aidos/_Aidos-X.htm), причем с актуальными исходными текстами (http://lc.kubagro.ru/__AidosALL.txt): открытая лицензия: CC
BY-SA 4.0 (https://creativecommons.org/licenses/by-sa/4.0/), и это означает, что ей
могут пользоваться все, кто пожелает, без какого-либо дополнительного разрешения
со стороны первичного правообладателя – автора системы «Эйдос» проф. Е.В.Луценко
(отметим, что система «Эйдос» создана полностью с использованием только лицензионного
инструментального программного обеспечения и на нее имеется 32 свидетельства РосПатента
РФ);
- является одной из
первых отечественных систем искусственного интеллекта персонального уровня, т.е.
не требует от пользователя специальной подготовки в области технологий искусственного
интеллекта: «имеет нулевой порог входа» (есть акт внедрения системы «Эйдос» 1987
года) (http://lc.kubagro.ru/aidos/aidos02/PR-4.htm);
- реально работает, обеспечивает
устойчивое выявление в сопоставимой форме силы и направления
причинно-следственных зависимостей в неполных зашумленных взаимозависимых (нелинейных)
данных очень большой размерности числовой и не числовой природы, измеряемых в различных
типах шкал (номинальных, порядковых и числовых) и в различных единицах измерения
(т.е. не предъявляет жестких требований к данным, которые невозможно выполнить,
а обрабатывает те данные, которые есть);
- имеет «нулевой порог входа»,
содержит большое количество локальных (поставляемых с инсталляцией) и облачных интеллектуальных
учебных и научных Эйдос-приложений (в настоящее время их 31 и более 347, соответственно:
http://aidos.byethost5.com/Source_data_applications/WebAppls.htm) (http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf);
- поддерживает on-line
среду накопления знаний и обмена ими, широко используется во всем мире (http://aidos.byethost5.com/map5.php);
- обеспечивает мультиязычную
поддержку интерфейса на 51 языке. Языковые базы входят в инсталляцию и могут пополняться
в автоматическом режиме;
- наиболее трудоемкие
в вычислительном отношении операции синтеза моделей и распознавания реализует с
помощью графического процессора (GPU), что на некоторых задачах обеспечивает ускорение
решение этих задач в несколько тысяч раз, что реально обеспечивает интеллектуальную
обработку больших данных, большой информации и больших знаний (графический процессор
должен быть на чипсете NVIDIA);
- обеспечивает преобразование
исходных эмпирических данных в информацию, а ее в знания и решение с использованием
этих знаний задач классификации, поддержки принятия решений и исследования предметной
области путем исследования ее системно-когнитивной модели, генерируя при этом очень
большое количество табличных и графических выходных форм (развития когнитивная графика),
у многих из которых нет никаких аналогов в других системах (примеры форм можно посмотреть
в работе: http://lc.kubagro.ru/aidos/aidos18_LLS/aidos18_LLS.pdf);
- хорошо имитирует человеческий стиль мышления: дает результаты
анализа, понятные экспертам на основе их опыта, интуиции и профессиональной компетенции;
- вместо того, чтобы предъявлять к исходным данным практически
неосуществимые требования (вроде нормальности распределения, абсолютной точности
и полных повторностей всех сочетаний значений факторов и их полной независимости
и аддитивности) автоматизированный системно-когнитивный анализ (АСК-анализ) предлагает
без какой-либо предварительной обработки осмыслить эти данные и тем самым преобразовать
их в информацию, а затем преобразовать эту информацию в знания путем ее применения
для достижения целей (т.е. для управления) и решения задач классификации, поддержки
принятия решений и содержательного эмпирического исследования моделируемой предметной
области.
В
чем сила подхода, реализованного в системе Эйдос? В том, что она реализует подход, эффективность которого
не зависит от того, что мы думаем о предметной области и думаем ли вообще. Она формирует
модели непосредственно на основе эмпирических данных, а не на основе наших представлений
о механизмах реализации закономерностей в этих данных. Именно поэтому Эйдос-модели
эффективны даже если наши представления о предметной области ошибочны или вообще
отсутствуют.
В
этом и слабость этого подхода, реализованного в системе Эйдос. Модели системы Эйдос - это феноменологические модели, отражающие
эмпирические закономерности в фактах обучающей выборки, т.е. они не отражают причинно-следственного
механизма детерминации, а только сам факт и характер детерминации. Содержательное
объяснение этих эмпирических закономерностей формулируется уже экспертами на теоретическом
уровне познания в содержательных научных законах.
Актуальный СПИСОК опубликованных и
приравненных к ним научных и учебно-методических работ Луценко Евгений Вениаминович: http://lc.kubagro.ru/aidos/Sprab0802.pdf
Автор: «___» ___________ 2022 г. |
Луценко Е.В. |