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 4.0https://www.researchgate.net/publication/359865578http://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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 доступаhttp://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.