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 23.02.2023:
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 379 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.
КОНЦЕПТ MVP-ПРОЕКТА:
«Повышение эффективности региональных сельскохозяйственных
технологий и экономических процессов с применением Автоматизированного
системно-когнитивного анализа» и системы «Эйдос»
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 675 научных
работ в этих и других областях, в том числе 40 монографий, 27 учебных пособий,
в т.ч. 3 учебных пособий с грифами УМО и Министерства, 32 патента РФ на системы
искусственного интеллекта, 352 публикаций в изданиях, входящих в перечень ВАК
РФ, 19 статей 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
На
странице http://lc.kubagro.ru/aidos/_Aidos-X.htm приведены ссылки на работы проф.Е.В.Луценко по
следующим направлениям:
¾
информационным мерам уровня
системности (коэффициентам эмерджентности) и системному обобщению математики;
¾
АСК-анализу изображений;
¾
АСК-анализу текстов;
¾
когнитивным функциям;
¾
выявлению, представлению и
использованию знаний, логике и методологии научного познания;
¾
экологии, климатологии и
изучению влияния космической среды на различные глобальные процессы на Земле;
¾
современным
информационно-коммуникационным технологиям в научно-исследовательской
деятельности и образовании;
¾
виртуальной реальности;
¾
когнитивной ветеринарии;
¾
когнитивной агрономии и
когнитивной ампелографии;
¾
тематике, связанной с АПК;
¾
наукометрии;
¾
высшим формам сознания,
перспективам человека, технологии и общества;
¾
разработке и применению
профессиограмм и тестов (психологических, профориентационных, медицинских и
ветеринарных);
¾
сценарному автоматизированному
системно-когнитивному анализу (Сценарный АСК-анализ).
¾
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
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:
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.
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».
|
№ |
Содержание этапа работ |
|||||||||||||||||||||||||||||||||||||||
|
1 |
Читаем: http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf Скачиваем
здесь: http://lc.kubagro.ru/aidos/_Aidos-X.htm и устанавливаем
на своем компьютере систему «Эйдос». |
|||||||||||||||||||||||||||||||||||||||
|
2 |
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): https://disk.yandex.ru/i/WoIb6aF4bTuA0Q. 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 страница в Ресечгейт: https://www.researchgate.net/profile/Eugene-Lutsenko |
|||||||||||||||||||||||||||||||||||||||
|
3 |
По ссылке: https://www.researchgate.net/profile/Eugene_Lutsenko/publications изучаем публикации проф.Е.В.Луценко с описанием
приложений системы «Эйдос». |
|||||||||||||||||||||||||||||||||||||||
|
4 |
Ищем тему и исходные данные
для собственного интеллектуального облачного Эйдос-приложения: 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. |
|||||||||||||||||||||||||||||||||||||||
|
5 |
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. |
|||||||||||||||||||||||||||||||||||||||
|
6 |
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. 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. |
|||||||||||||||||||||||||||||||||||||||
|
7 |
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. |
|||||||||||||||||||||||||||||||||||||||
|
8 |
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. |
|||||||||||||||||||||||||||||||||||||||
|
9 |
* Это предложение не касается учащихся тех вузов, в которых
работает автор |
|||||||||||||||||||||||||||||||||||||||
|
10 |
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. |
|||||||||||||||||||||||||||||||||||||||
|
11 |
Литература: https://www.researchgate.net/profile/Eugene_Lutsenko/publications |
|||||||||||||||||||||||||||||||||||||||
|
12 |
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 |
|||||||||||||||||||||||||||||||||||||||
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