1,39 Мб - Chaos and Correlation

СИНТЕЗ АСТРОПРОФЕССИОГРАММ И ПРОГНОЗИРОВАНИЕ
СПЕШНОСТИ ДЕЯТЕЛЬНОСТИ НА ОСНОВЕ ПРИМЕНЕНИЯ
АСК-АНАЛИЗА
Е. В Луценко (Краснодар, Россия)
Памяти доктора биологических наук, кандидата технических наук, профессора Ольги
Александровны Засухиной, посвящается.
"На самой высокой вершине колючей горной гряды
стояла обсерватория, где профессора делали массу
замечательных открытий, выкуривали тысячи
сигарет и жили в одиночестве рядом со звездами".
Туве Янсон, "Все о Мумми-Троллях"
Профессиограммой будем называть перечень личностных качеств с
указанием в количественной форме степени их необходимости для
успешного выполнения определенного вида деятельности.
Сами эти личностные качества могут быть различной природы:
– конституционные или генетически предопределенные (в т.ч., пол,
национальность, темперамент, генетические заболевания, определенные
виды способностей);
– физические;
– физиологические;
– психологические;
– социально-приобретенные, т.е. зависящие от конкретной истории
жизни человека, его биографии, образования, семейного и социального
статуса, возраста, а также других обстоятельств.
Конституционные качества во многом предопределяют и
физические, и физиологические, и психологические параметры личности, а
значит во многом предопределяют и ее "Судьбу". Кроме того в
соответствии с интегральной моделью индивидуальности Вольфа Мерлина
считается, что конституционные качества личности составляют как бы
фундамент или фон, на котором развиваются ее социально-приобретенные
качества. При этом определенный фон является благоприятным для
развития одних социально-приобретенных качеств, для развития других он
является неблагоприятным, и наконец есть и такие качества, для развития
которых он является нейтральным.
Таким образом можно считать, что социально-приобретенные
личностные качества являются результатом совместного действия
конституционных личностных качеств и окружающей среды. В частности,
2
для растений справедливо высказывание: "Фенотип определяется
взаимодействием генотипа и окружающей среды".
Есть замечательное латинское высказывание: "Желающего судьба
ведет, а не желающего тащит". Это очень точно характеризует роль
конституционных качеств человека в его жизни. Если человек развивается
в направлении, в котором у него "карт-бланш", выданный самой судьбой,
то успех ему обеспечен, если же он пытается спорить со своей судьбой,
пытается действовать вопреки или без согласия с ней, то он либо ничего
особого не добивается, либо вообще погибает не достигнув никакой
самореализации. Поэтому совпадение жизни с астрологическим
прогнозами выше у тех людей, которые следовали своему призванию,
предназначению и реализовали себя. Обычно люди, реализовавшие себя,
более счастливы, чем люди со сломанной судьбой.
Астрология основана на гипотезе, что конституционные качества
личности включают не только предопределенные генотипом, но и ряд
других качеств, не обусловленных генотипом: – это так называемые
астрологические характеристики личности, детерминистским образом
связанные с ее точным местом и временем рождения.
В свою очередь астрологические характеристики личности также
могут рассматриваться как иерархическая система, включающая:
– первичные астрологические признаки (стихия, определенная
планета в определенном знаке зодиака);
– вторичные астрологические признаки (сочетания планет по знакам
зодиака, т.е. так называемые астрологические фигуры в натальной карте).
Астрологические признаки разных уровней иерархии также могут
быть включены в систему конституционных и социально-обусловленных
качеств личности при разработке профессиограмм.
Такие профессиограммы, которые включают не только
конституционные и социально-обусловленные, но и астрологические
качества личности различных уровней иерархии будем называть
"астропрофессиограммами".
Конечно, исторически астрология возникла очень давно, значительно
раньше возникновения не только науки (в частности, генетики, термины и
понятия которой использованы в предыдущем абзаце), но и
монотеистической религии. И сейчас с точки зрения науки астрология не
может рассматриваться как нечто большее, чем гипотеза.
Поэтому включать или не включать астрологические признаки в
профессиограммы – это вопрос спорный в научном плане и
дискуссионный.
Если говорить упрощенно, то на сегодняшний день ситуация в этом
плане такова, что одни априори и совершенно безаппеляционно называют
астрологию "лженаукой", хотя она возникла на тысячи лет раньше науки в
их собственном понимании и совершенно непонятно, как она вдруг стала
3
наукой, хотя и с унизительной приставкой "лже", другие столь же
безапелляционно и самоуверенно объявляют астрологию вполне
адекватной, как и ее методы, выводы и рекомендации.
Однако ни первые, ни вторые, не ставят вопрос об использовании
методов и инструментария современной науки для проверки или оценки
адекватности астрологии.
Какова же в этом вопросе позиция автора данной статьи? У автора
был опыт разработки профессиональных интегрированных тестов,
включающих несколько тестов и супертестов. Эти работы проводились по
заказу Новороссийского морского пароходства и Кубанского отряда МЧС
под научным руководством, д.б.н., к.т.н. профессора Засухиной О.А., с
которой автор в 1972-1977 годах учился в одной группе в Кубанском
государственном университете (на отделении теоретической физики). При
этом использовалась технология и программный инструментарий
автоматизированного системно-когнитивного анализа (АСК-анализ),
разработанный автором [21, 37, 126, 136]. В нашем коллективе мнение по
вопросу о том, включать ли в профессиограммы астрологические
характеристики личности также разделилось: ряд сотрудников были
категорически "Против" этого, а профессор Засухина О.А. с энтузиазмом
выступала "За". В конце-концов все пришли ко мне и попросили
выступить "третейским судьей". Я ответил примерно так, что я не
придерживаюсь ни одной из этих позиций, а больше склонен проверить,
есть эти связи или нет. Если они есть, то будут выявлены системой и
отражены в модели, если же их нет, то это тоже будет выявлено и
астрологические характеристики будут автоматически исключены из
модели как незначимые при ее оптимизации (выполнении когнитивной
операции "абстрагирование").
Существует известная проблема интерпретации астрологических
характеристик, которая состоит в том, чтобы на основе этих характеристик
получить информацию о физическом, психофизиологическом и
социальном статусе личности, выработать рекомендации по корректировке
ее
целей,
ценностей,
мотиваций,
семейного,
социального
профессионального поведения. Выработка таких рекомендаций и является
основным содержанием труда или может быть даже скорее искусства
астрологов.
Остается открытым интригующий вопрос, каким образом древние
разработчики астрологии выявили зависимости между астрологическими
характеристиками с одной с стороны, и прежде всего психологическими,
но также и физическими и психофизиологическими, и даже медицинскими
аспектами личности и ее судьбы, что и является основой для
осуществления процесса интерпретации натальной карты.
С этим вопросом органично связан также вопрос о самом
существовании этих зависимостей, т.к. сторонники астрологии говорят,
4
что их существование является давно и достоверно установленным
фактом, тогда как противники астрологии утверждают, что никаких
подобных зависимостей в природе нет и быть не может.
Дело усложняется тем, что сторонники астрологии не могут
объяснить откуда в астрологии имеются подобные знания, тогда как ее
противники не утруждают себя каким-либо доказательствами своей точки
зрения о том, что это вообще не знания. Для современных ученых кажется
очень странным, что расположение планет в момент рождения вообще
может как-либо влиять на личность, т.к. им непонятен возможный
механизм такого влияния, т.е. у них нет его правдоподобной модели,
объясняющей смысл астрологических зависимостей. (Справедливости
ради необходимо отметить, что такой модели нет и у самих астрологов). А
в соответствии с современной научной парадигмой они считают, что пока
такой модели нет, то данная предметная область не является предметом
научного познания. При этом вопрос об адекватности модели ставится в
очень узком смысле, т.е. от модели требуется лишь соответствие фактам и
прогностическая способность, и если это есть, то она практически
автоматически гипостазируется, после чего все и начинает казаться
понятным. При этом для присвоения статуса "научно" модель не
обязательно должна соответствовать действительности по существу. В
качестве примера можно привести набившие оскомину невозможные с
точки зрения французских академиков метеориты, флогистон, эфир,
невозможность ядерных реакций, и многое-многое другое. В соответствии
с подходом, изложенным автором в работе [64], посвященной
рассмотрению вопроса о том, что такое смысл, модель не обязательно
должна быть содержательной, чтобы считаться научной. Кроме
содержательных существуют еще и имитационные, и феноменологические
модели, к которым относятся статистические и семантические
информационные модели (СИМ), которые могут создаваться и
использоваться с помощью АСК-анализа. Если спросить ученого,
являются ли подобные модели научными, то ответ будет получен
положительный, однако если явно этот вопрос не формулировать то
традиционно "по умолчанию" какая-либо область знаний признается
наукой только после того, как в ней появляется содержательная модель.
Вместе с тем в науке есть много исключений из этого правила, например
феноменологическая термодинамика считается ничуть не менее научно,
чем содержательная молекулярная физика.
С учетом всех этих соображений в данной статье предлагается не
рассматривать астрологию априорно как ненаучную или научную, а просто
определить насколько она адекватна построив ее феноменологическую
модель. Если верификация этой модели покажет ее высокую адекватность,
то это означает, что существуют значимые связи между астрологическими
характеристиками личности и ее конституционными и социально-
5
приобретенными личностными свойствами, и, таким образом, хотя
механизм этих связей и неизвестен, тем ни менее астрологию необходимо
считать вошедшей в лоно науки, как ранее это произошло сравнительно
недавно с психотерапией, иглотерапией, дерматоглификой, и в более
отдаленной исторической перспективе практически со всеми науками,
начиная с физики и химии.
Поэтому вопрос об источнике адекватных астрологических знаний у
древних, по-видимому, целесообразно рассматривать не изолированно, а в
общей системе с аналогичными вопросами о происхождении других
аномальных и артефактовых знаний древних, т.е. таких знаний, которые
им вроде бы как неоткуда было взять, т.е. противоречащих уровню их
технологического и научного развития. К таким знаниям следует отнести
знание системы акупунктуры и меридианов, параметров Земли, как
планеты, в т.ч. ее полной географической карты, с характерными
визуальными искажениями, возникающими при ее наблюдении из
Космоса, знание места Земли в Солнечной системе и параметров
Солнечной системы и планет, и многих-многих других, которые сегодня
принято называть "эзотерическими". В этой связи необходимо отметить
также превосходное если не сказать удивительное знание астрономии
астрологами, которое не просто на века, а как минимум на несколько
тысячелетий опережало уровень научной астрономической мысли.
Сравнение процесса интерпретации натальной карты с искусством
вполне оправдано, т.к. в настоящее время этот процесс является
творческим, слабоформализованным и во многом основан на жизненном
опыте и интуиции астролога.
Однако и разработка профессиограмм представителями таких вроде
бы уже общепризнанных научных направлений как психология или
психофизиология
также
является
очень
сходным
весьма
слабоформализованным процессом, также самым существенным образом
основанным на творческим, и во многом основан на жизненном опыте и
интуиции ученого разработчика и исследователя.
В тоже время необходимо отметить, что в области формализации
процесса разработки профессиограмм уже достигнуты определенные
успехи. В последние годы создан целый ряд тестов, позволяющих
оценивать респондентов на профессиональную пригодность в различных
направлениях деятельности. Вместе с тем сама технология разработки
подобных тестов является весьма наукоемкой, трудоемкой и
дорогостоящей и этот процесс пока далек от стандартизации и
малодоступен не только для потенциальных заказчиков на продукты
подобных технологий, но и для самих ученых. Достаточно отметить, что в
СССР существовало всего две научных школы, которые имели научный,
информационный и технологический потенциал (включая ноу-хау),
позволяющий решать подобные задачи: это Ленинградская и Киевская
6
психологические научные школы. Сегодня Киевская школа оказалась за
границей, а Ленинградская (Санкт-Петербургская) известна в основном по
коммерческим работам фирмы "Иматон". А между тем психологические
тесты сегодня используются все шире прежде всего в службах управления
персоналом для решения весьма ответственных вопросов, влияющих на
судьбы людей. Это как минимум означает, что эти тесты должны быть не
только адаптированы и локализованы, но и применятся для тех целей, для
решения которых они были предназначены разработчиками, и при
удовлетворении всех этих условий – официально сертифицированы. Наша
действительность в этом плане выглядит удручающе: на практике в
службах персонала чаще всего применяются нелицензионные морально и
физически устаревшие тестовые программы, взятые с компакт-дисков,
причем эти программы никто и не думал адаптировать, локализовать и
сертифицировать.
Разработчики современных технологий разработки профессиограмм
должны поставить перед собой и решить по крайней мере следующие
вопросы. Каким образом могут быть установлены личностные качества,
какие для этого существуют инструментальные средства и процедуры? Как
определить в количественной форме, какие личностные качества являются
необходимыми для определенных видов деятельности, а какие вредны, а
какие нейтральны? Как исключить из рассмотрения те личностные
качества, которые не играют особой роли для определения успешности или
неуспешности определенных видов деятельности и тем исключить
непроизводительные затраты труда и времени на сбор и обработку
несущественной информации? Иначе говоря как разработать эффективные
профессиограммы? Но если профессиограммы уже разработаны, то как их
применять на практике? Какой инструментарий, а также какие технологии
и методики его применения необходимы для разработки и применения
профессиограмм?
Некоторые
конституционные
и
социально-приобретенные
личностные качества достаточно просто могут быть установлены
непосредственно, другие же требуют для применения специальных средств
методик и оцениваются косвенно на основе непосредственнонаблюдаемых и их выявление требует большого труда и использования
специальных инструментов съема и обобщения информации.
Автоматизированный системно-когнитивный анализ (АСК-анализ)
разработан автором и является широко и успешно апробированной
современной автоматизированной технологией, позволяющей решать эти
проблемы.
7
Краткое описание метода СК-анализа
1. Теоретические предпосылки СК-анализа
Системно-когнитивный анализ представляет собой системный
анализ, рассматриваемый как метод познания и структурированный по
базовым когнитивным (познавательным) операциям (БКОСА) [21].
Сам набор БКОСА следует из предложенной в [21] формализуемой
когнитивной концепции, рассматривающей процесс познания, как
многоуровневую иерархическую систему обработки информации в
которой когнитивные структуры каждого уровня являются результатом
интеграции структур предыдущего уровня.
На 1-м уровне этой системы находятся дискретные элементы потока
чувственного восприятия, которые на 2-м уровне интегрируются в
чувственный образ конкретного объекта. Те, в свою очередь, на 3-м уровне
интегрируются в обобщенные образы классов и факторов, образующие на
4-м уровне кластеры, а на 5-м конструкты. Система конструктов на 6-м
уровне образуют текущую парадигму реальности (т.е. человек познает мир
путем синтеза и применения конструктов). На 7-м же уровне
обнаруживается, что текущая парадигма не единственно-возможная
(рисунок 1).
Рисунок 1. Обобщенная схема формализуемой когнитивной концепции
(иерархия базовых когнитивных операций)
Ключевым для когнитивной концепции является понятие факта, под
которым понимается соответствие дискретного и интегрального элементов
познания (т.е. элементов разных уровней интеграции-иерархии),
обнаруженное на опыте. Факт рассматривается как квант смысла, что
является основой для его формализации.
8
Таким образом, происхождение смысла связывается со своего рода
"разностью потенциалов", существующей между смежными уровнями
интеграции-иерархии обработки информации в процессах познания. В
полном виде когнитивная концепция приведена в диссертационной работе.
Из данной концепции выводятся структура когнитивного
конфигуратора, система базовых когнитивных операций и обобщенная
схема автоматизированного системного анализа, структурированного до
уровня базовых когнитивных операций (СК-анализ) (рисунок 2).
Между когнитивными структурами разных уровней иерархии
существует отношение "дискретное – интегральное". Именно это служит
основой формализации смысла.
Когнитивный конфигуратор, представляет собой минимальную
полную систему когнитивных операций, названных "базовые когнитивные
операции системного анализа" (БКОСА). Всего выявлено 10 таких
операций, каждая из которых достаточно элементарна для формализации и
программной реализации:
1) присвоение имен;
2) восприятие;
3) обобщение (синтез, индукция);
4) абстрагирование;
5) оценка адекватности модели;
6) сравнение, идентификация и прогнозирование;
7) дедукция и абдукция;
8) классификация и генерация конструктов;
9) содержательное сравнение;
10) планирование и принятие решений об управлении.
В работе [21] предложены математическая модель, методика
счисленных расчетов, включающая структуры данных и алгоритмы
реализации БКОСА, а также программный инструментарий СК-анализа –
универсальная когнитивная аналитическая система "Эйдос".
9
ВХОД-1
СИНТЕЗ ИНФОРМАЦИОННОЙ
МОДЕЛИ ПРЕДМЕТНОЙ ОБЛАСТИ
1.1
ПРИСВОЕНИЕ ИМЕН КЛАССАМ: ЭКСТЕНСИОНАЛЬНОЕ ПРЕДСТАВЛЕНИЕ ОБЪЕКТА В
ФОРМЕ СОПОСТАВЛЕНИЯ С ГРАДАЦИЯМИ ШКАЛ В ПРОСТРАНСТВЕ КЛАССОВ
1.2
ПРИСВОЕНИЕ ИМЕН ПРИЗНАКАМ ПУТЕМ СОПОСТАВЛЕНИЯ С
ГРАДАЦИЯМИ СМЫСЛОВЫХ ШКАЛ В ПРОСТРАНСТВЕ ФАКТОРОВ
ВХОД-2
АДАПТАЦИЯ ИНФОРМАЦИОННОЙ
МОДЕЛИ ПРЕДМЕТНОЙ ОБЛАСТИ
2.1
ВОСПРИЯТИЕ И ЗАПОМИНАНИЕ ИСХОДНОЙ ОБУЧАЮЩЕЙ ИНФОРМАЦИИ:
ИНТЕНСИОНАЛЬНОЕ ПРЕДСТАВЛЕНИЕ ОБЪЕКТОВ В ФОРМЕ СОВОКУПНОСТИ ПРИЗНАКОВ
С УКАЗАНИЕМ ЭКСТЕНСИОНАЛЬНОЙ ВЗАИМОСВЯЗИ С ИМЕНАМИ КЛАССОВ
2.2
РЕПРЕЗЕНТАЦИЯ. СОПОСТАВЛЕНИЕ ИНДИВИДУАЛЬНОГО
ОПЫТА С КОЛЛЕКТИВНЫМ (ОБЩЕСТВЕННЫМ)
3.1
ОБОБЩЕНИЕ (СИНТЕЗ, ИНДУКЦИЯ): ФОРМИРОВАНИЕ КЛАССОВ НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ ЭКСТЕНСИОНАЛЬНЫХ И ИНТЕНСИОНАЛЬНЫХ ОПИСАНИЙ КОНКРЕТНЫХ ОБЪЕКТОВ.
ИСКЛЮЧЕНИЕ АРТЕФАКТОВ.
3.2
ОПРЕДЕЛЕНИЕ ЗНАЧИМОСТИ ШКАЛ И ГРАДАЦИЙ ФАКТОРОВ, А ТАКЖЕ УРОВНЕЙ МЕРЛИНА
3.3
ОПРЕДЕЛЕНИЕ СТЕПЕНИ РЕДУКЦИИ (СФОРМИРОВАННОСТИ)
ОБОБЩЕННЫХ ОБРАЗОВ КЛАССОВ, А ТАКЖЕ УРОВНЕЙ МЕРЛИНА
4.1
АБСТРАГИРОВАНИЕ ФАКТОРОВ (СНИЖЕНИЕ РАЗМЕРНОСТИ ПРОСТРАНСТВА ФАКТОРОВ)
4.2
АБСТРАГИРОВАНИЕ КЛАССОВ (СНИЖЕНИЕ РАЗМЕРНОСТИ ПРОСТРАНСТВА КЛАССОВ):
5
ОЦЕНКА АДЕКВАТНОСТИ ИНФОРМАЦИОННОЙ МОДЕЛИ ПРЕДМЕТНОЙ ОБЛАСТИ
6
МОДЕЛЬ
АДЕКВАТНА?
1
2
3
НЕТ
ДА
ВХОД-3
ПРИМЕНЕНИЕ ИНФОРМАЦИОННОЙ МОДЕЛИ ПРЕДМЕТНОЙ
ОБЛАСТИ ДЛЯ ИДЕНТИФИКАЦИИ, ПРОГНОЗИРОВАНИЯ, АНАЛИЗА
И ВЫРАБОТКИ УПРАВЛЯЮЩЕГО ВОЗДЕЙСТВИЯ
ИДЕНТИФИКАЦИЯ И ПРОГНОЗИРОВАНИЕ
РАСПОЗНАВАНИЕ СОСТОЯНИЙ КОНКРЕТНЫХ ОБЪЕКТОВ
7
8
СОСТОЯНИЕ ОБЪЕКТА
УПРАВЛЕНИЯ ТИПОВОЕ?
НЕТ
13
НЕФОРМАЛИЗУЕМЫЙ ПОИСК
РЕШЕНИЯ ПРОБЛЕМЫ ВЫБОРА
УПРАВЛЯЮЩЕГО ВОЗДЕЙСТВИЯ
14
ОКАЗАНИЕ УПРАВЛЯЮЩЕГО
ВОЗДЕЙСТВИЯ
НА ОБЪЕКТ УПРАВЛЕНИЯ
9.1
ДЕДУКЦИЯ КЛАССОВ.
(СЕМАНТИЧЕСКИЙ АНАЛИЗ ОБОБЩЕННЫХ ОБРАЗОВ КЛАССОВ,
РЕШЕНИЕ ОБРАТНОЙ ЗАДАЧА ПРОГНОЗИРОВАНИЯ)
9.2
ДЕДУКЦИЯ ФАКТОРОВ. (СЕМАНТИЧЕСКИЙ АНАЛИЗ ФАКТОРОВ)
10.1
КЛАССИФИКАЦИЯ ОБОБЩЕННЫХ ОБРАЗОВ КЛАССОВ.
ФОРМИРОВАНИЕ БИНЕРНЫХ КОНСТРУКТОВ КЛАССОВ.
ПОСТРОЕНИЕ СЕМАНТИЧЕСКИХ СЕТЕЙ КЛАССОВ
1
2
3
10.2
КЛАССИФИКАЦИЯ ФАКТОРОВ.
ФОРМИРОВАНИЕ БИНЕРНЫХ КОНСТРУКТОВ ФАКТОРОВ.
ПОСТРОЕНИЕ СЕМАНТИЧЕСКИХ СЕТЕЙ ФАКТОРОВ
1
2
3
ЗАПОМИНАНИЕ НОВЫХ ФАКТОРОВ
15
16
РЕШЕНИЕ
ПРОБЛЕМЫ
НАЙДЕНО?
ДА
17
ДА
ЗАПОМИНАНИЕ
НОВЫХ КЛАССОВ,
СООТВЕСТВУЮЩИХ
НОВЫМ ЦЕЛЕВЫМ
СОСТОЯНИЯМ
18
НЕТ
ЗАПОМИНАНИЕ
НОВЫХ КЛАССОВ,
СООТВЕСТВУЮЩИХ
НОВЫМ НЕЦЕЛЕВЫМ
СОСТОЯНИЯМ
СОДЕРЖАТЕЛЬНОЕ СРАВНЕНИЕ КЛАССОВ. РАСЧЕТ И ОТО10.3 БРАЖЕНИЕ МНОГОМНОГОЗНАЧНЫХ КОГНИТИВНЫХ ДИАГРАММ,
В ТОМ ЧИСЛЕ ДИАГРАММ ВОЛЬФА МЕРЛИНА
1
2
СОДЕРЖАТЕЛЬНОЕ СРАВНЕНИЕ ФАКТОРОВ. РАСЧЕТ И ОТО10.4 БРАЖЕНИЕ МНОГОМНОГОЗНАЧНЫХ КОГНИТИВНЫХ ДИАГРАММ,
В Т.Ч. ИНВЕРТИРОВАННЫХ ДИАГРАММ ВОЛЬФА МЕРЛИНА
1
2
11
12
НЕТ
МНОГОФАКТОРНОЕ ПЛАНИРОВАНИЕ И ПРИНЯТИЕ РЕШЕНИЯ
О ПРИМЕНЕНИИ СИСТЕМЫ УПРАВЛЯЮЩИХ ФАКТОРОВ
ОБЪЕКТ ПЕРЕШЕЛ
В ЗАДАННОЕ ЦЕЛЕВОЕ
СОСТОЯНИЕ?
Рисунок 2. Обобщенная схема
системно-когнитивного анализа (СК-анализа)
ДА
10
2. Математическая модель СК-анализа
2.1. Системное обобщение формулы Хартли
В выражении (3) приведено системное обобщение формулы Хартли
для равновероятных состояний объекта управления.
I  Log2W
I  Log2W
(1)

(2)
I  Log 2 (CW1  CW2  ...  CWM )
при M  W :
M
C
m 1
m
W
 2W  1
(4)
(5)
I  Log 2 (2W  1)  W
M
I  Log 2  CWm
(3)
при W  1; I  W с очень
(6)
малой
m 1
и быстро уменьшающейся
погрешностью
W – количество чистых (классических) состояний системы.
 – коэффициент эмерджентности Хартли (уровень системной
организации объекта, имеющего W чистых состояний).
2.2. Гипотеза о Законе возрастания эмерджентности
Исследование математических выражений системной теории
информации (7 – 12) позволило сформулировать гипотезу о
существовании "Закона возрастания эмерджентности". Суть этой гипотезы
в том, что в самих элементах системы содержится сравнительно небольшая
доля всей содержащейся в ней информации, а основной ее объем
составляет системная информация, содержащаяся в подсистемах
различного уровня иерархии.
Различие между классическим и предложенным системным
понятиями информации соответствует различию между понятиями
МНОЖЕСТВА И СИСТЕМЫ, на основе которых они сформированы.
M
M
I  Log 2W  Log 2  C

m 1
m
W
(7)

Log 2  CWm
m 1
(8)
Log 2W
M
Log 2  CWm
m 1
I (W , M )  Log 2W
Log 2W
I системная  W  Log 2W
W
Log 2W
(9)
I (W , M )  Log 2W
 W (10)
(11)
I (W , M )  Log 2W  Log 2W  1 (12)
11
Математическая формулировка:
M

Log 2  CWm
m 1
Log 2W

W
Log 2W
I системная  W  Log 2W
Интерпретация
Гипотеза 2: "О видах системной информации":
Гипотеза 1: "О природе сложности системы":
сложность системы определяется
количеством содержащейся в ней информации
системная информация включает 2 составляющие
- зависящую от количества элементов системы;
- зависящее также от характера взаимосвязей
между элементами
ЗАКОН ВОЗРАСТАНИЯ ЭМЕРДЖЕНТНОСТИ:
Лемма-1:
при увеличении
количества элементов в
системе доля системной
информации в ней
возрастает с ускорением,
которое постепенно
уменьшается.
ЧЕМ БОЛЬШЕ ЭЛЕМЕНТОВ В СИСТЕМЕ,
ТЕМ БОЛЬШУЮ ДОЛЮ ОТ ВСЕЙ СОДЕРЖАЩЕЙСЯ
В НЕЙ ИНФОРМАЦИИ СОСТАВЛЯЕТ СИСТЕМНАЯ
ИНФОРМАЦИЯ, СОДЕРЖАЩАЯСЯ НЕ В ЭЛЕМЕНТАХ,
А В ПОДСИСТЕМАХ РАЗЛИЧНОЙ СЛОЖНОСТИ
И УРОВНЕЙ ИЕРАРХИИ
Лемма-2:
чем выше уровень
системности, тем большая
доля информации системы
содержится
во взаимосвязях
ее элементов.
Лемма-3:
чем меньше элементов в
системе, тем быстрее
возрастает доля информации, содержащейся во
взаимосвязях элементов
при возрастании уровня
системности.
Следствие:
увеличение уровня системности влияет на объект
аналогично повышению
уровня детерминированности: понижение уровня
системности, также как и
степени детерминированности системы приводит
к ослаблению влияния
факторов на поведение
системы, т.е. к понижению
управляемости системы за
счет своего рода
"инфляции факторов"
2.3. Системное обобщение формулы Харкевича
Ниже приведен вывод системного обобщения формулы Харкевича, а
именно:
– классическая формула Харкевича через вероятности перехода
системы в целевое состояние при условии сообщения ей определенной
информации и самопроизвольно (13);
– выражение классической формулы Харкевича через частоты (14,
15);
– вывод коэффициента эмерджентности Харкевича на основе
принципа соответствия с выражением Хартли в детерминистском случае
(16 –19);
– вывод системного обобщения формулы Харкевича;
– окончательное выражение для системного обобщения формулы
Харкевича (21).
12
Классическая формула Харкевича
I ij  Log 2
Pij
(13)
Pj
Pij – вероятность перехода объекта управления в j-е состояние в
условиях действия i-го фактора;
Pj – вероятность самопроизвольного перехода объекта управления в
j-е состояние, т.е. в условиях отсутствия действия i-го фактора или в
среднем.
Известно, что корреляция не является мерой причинно-следственных
связей. Если корреляция между действием некоторого фактора и
переходом объекта управления в определенное состояние высока, то это
еще не значит, что данный фактор является причиной этого перехода. Для
того чтобы по корреляции можно было судить о наличии причинноследственной связи необходимо сравнить исследуемую группу с
контрольной группой, т.е. с группой, в которой данный фактор не
действовал.
Также и высокая вероятность перехода объекта управления в
определенное состояние в условиях действия некоторого фактора сама по
себе не говорит о наличии причинно-следственной связи между ними, т.е.
о том, что данный фактор обусловил переход объекта в это состояние. Это
связано с тем, что вероятность перехода объекта в это состояние может
быть вообще очень высокой независимо от действия фактора. Поэтому в
качестве меры силы причинной обусловленности определенного состояния
объекта действием некоторого фактора Харкевич предложил логарифм
отношения вероятностей перехода в объекта в это состояние в условиях
действия фактора и при его отсутствии или в среднем (13).
Таким образом семантическая мера информации Харкевича
является мерой наличия причинно-следственных связей между
факторами и состояниями объекта управления.
Выражение классической формулы Харкевича через
частоты фактов
Nij
Nj
Ni
Pij 
; Pi  ; Pj 
;
Ni
N
N
W
M
W
M
j 1
i 1
i 1 j 1
где : Ni   Nij ; N j   Nij ; N   Nij
I ij  Log 2
N ij N
Ni N j
(14)
(15)
13
Вывод коэффициента эмерджентности Харкевича на
основе принципа соответствия с выражением Хартли в
детерминистском случае
Однако мера Харкевича (13) не удовлетворяет принципу
соответствия мерой Хартли как мера Шеннона, т.е. не переходит в меру
Хартли в детерминистском случае, т.е. когда каждому будущему
состоянию объекта управления соответствует единственный уникальный
фактор и между факторами и состояниями имеется взаимно однозначное
соответствие (17).
 N ij N
I ij  Log 2 
NN
 i j





(16)
N ij  N i  N j  1
(17)
(18)
Log 2W 

Log 2 N
(19)
Откуда:

I ij  Log2 N  Log2W

Вывод системного обобщения формулы Харкевича

N N
N N
I ij  Log 2  ij   Log 2  ij 
N N 
N N 
 i j
 i j
M
Log 2  CWm
m 1

Log 2W
Log 2W
Log 2 N
(20)
Log 2W 

Log 2 N
Log 2W 
Log 2 N





 Log  N ij   Log N  
2
2



 Ni N j 


 N 
 Log 2  ij 
NN 
 i j
Log 2W 
Log 2 N
 Log 2W 
Окончательное выражение для системного обобщения
формулы Харкевича
 N ij
I ij  Log 2 
N N
 i j




Log 2W 
Log 2 N
 Log 2W 
(21)
2.4. Связь системной теории информации (СТИ) с теорией
Хартли-Найквиста-Больцмана и теорией Шеннона
Связь между выражениями для плотности информации в теориях
Хартли, Шеннона и СТИ приведена на рисунке 3.
14
Рисунок 3. Связь между выражениями для плотности информации
в теориях Хартли, Шеннона и СТИ
2.5. Интерпретация коэффициентов эмерджентности СТИ
Интерпретация коэффициентов эмерджентности, предложенных в
рамках системной теории информации, приведена на рисунке 4.
15
Коэффициент эмерджентности Хартли
M
1£
Log 2  CWm
m 1
Log 2W
£
W
Log 2W
отражает уровень системности объекта и изменяется от 1 (системность отсутствует)
до W/Log2W (системность максимальна)
Коэффициент эмерджентности Харкевича:
Log 2W 
0£
£1
Log 2 N
изменяется от 0 до 1 и определяет степень детерминированности системы:
0
соответствует полностью
случайной системе,
поведение которой никак
не зависит действия
факторов независимо
от их количества
0 <  <1
соответствуют большинству реальных систем
поведение которых зависит от многих факторов,
число которых превосходит количество состояний
системы, причем ни одно
из состояний не определяется однозначно никакими
сочетаниями действующих
факторов
 1
соответствует полностью
детерминированной системе, поведение которой
однозначно определяется
действием минимального
количества факторов,
которых столько же,
сколько состояний
системы
Рисунок 4. Интерпретация коэффициентов эмерджентности СТИ
Коэффициент эмерджентности Хартли  (4) представляет собой
относительное превышение количества информации о системе при учете
системных эффектов (смешанных состояний, иерархической структуры ее
подсистем и т.п.) над количеством информации без учета системности, т.е.
этот коэффициент является аналитическим выражением для уровня
системности объекта.
Коэффициент эмерджентности Харкевича , изменяется от 0 до 1
и определяет степень детерминированности системы.
Таким образом, в предложенном системном обобщении формулы
Харкевича (21) впервые непосредственно в аналитическом выражении для
самого понятия "Информация" отражены такие фундаментальные свойства
систем, как "Уровень системности" и "Степень детерминированности"
системы.
2.6. Матрица абсолютных частот
Основной
формой
первичного
обобщения
эмпирической
информации в модели является матрица абсолютных частот (таблица 1). В
этой матрице строки соответствуют факторам, столбцы – будущим
целевым и нежелательным состояниям объекта управления, а на их
16
пересечении приведено количество наблюдения фактов (по данным
обучающей выборки), когда действовал некоторый i-й фактор и объект
управления перешел в некоторое j-е состояние.
Таблица 1 – МАТРИЦА АБСОЛЮТНЫХ ЧАСТОТ
2.7. Матрица информативностей
Непосредственно на основе матрицы абсолютных частот с
использованием системного обобщения формулы Харкевича (21)
рассчитывается матрица информативностей (таблица 2).
Таблица 2 – МАТРИЦА ИНФОРМАТИВНОСТЕЙ
17
Матрица информативностей является универсальной формой
представления смысла эмпирических данных в единстве их дискретного и
интегрального представления (причины – последствия, факторы –
результирующие состояния, признаки – обобщенные образы классов,
образное – логическое, дискретное – интегральное).
Весовые
коэффициенты
матрицы
информативностей
непосредственно определяют, какое количество информации Iij система
управления получает о наступлении события: "объект управления перейдет
в j–е состояние", из сообщения: "на объект управления действует i–й
фактор".
Когда количество информации Iij>0 – i–й фактор способствует
переходу объекта управления в j–е состояние, когда Iij<0 – препятствует
этому переходу, когда же Iij=0 – никак не влияет на это.
Таким образом, предлагаемая семантическая информационная
модель позволяет непосредственно на основе эмпирических данных и
независимо от предметной области рассчитать, какие количество
информации содержится в любом событии о любом другом событии.
Этот вывод является ключевым для данной статьи, т.к.
конкретно показывает возможность числовой обработки в СК-анализе
как числовой, так и нечисловой информации.
18
Матрица
информативностей
является
также
обобщенной
(неклассической) таблицей решений, в которой входы (факторы) и выходы
(будущие состояния объекта управления) связаны друг с другом не с
помощью классических (Аристотелевских) импликаций, принимающих
только значения: "Истина" и "Ложь", а различными значениями
истинности, выраженными в битах и принимающими значения от
положительного теоретически-максимально-возможного, до теоретически
неограниченного
отрицательного.
Некоторые
неклассические
высказывания, генерируемые на основе матрицы информативности,
приведены на плакате.
2.8. Неметрический интегральный критерий сходства,
основанный на лемме Неймана-Пирсона
В выражениях (22 – 24) приведен неметрический интегральный
критерий сходства, основанный на фундаментальной лемме НейманаПирсона, обеспечивающий идентификацию и прогнозирование в
предложенных неортонормированных семантических пространствах с
финитной метрикой, в которых в качестве координат векторов
будущих состояний объекта управления и факторов выступает
количество информации, рассчитанное в соответствии с системной
теорией информации (21), а не Булевы координаты или частоты, как
обычно.

I j  f ( I ij ).
(22)
 
I j  ( I ij , Li ).
(23)
 
j *  arg max (( I ij , Li )),
(25)
Или в координатной форме:
M
(24)
I j   I ij Li ,
jJ
i 1

Iij  {I ij} – вектор j–го состояния объекта управления;

Li  {Li } – вектор состояния предметной области, включающий все
виды факторов, характеризующих объект управления, возможные
управляющие воздействия и окружающую среду (массив–локатор), т.е.:
1, если i  й фактор действует;
 
Li   i , где : 0 <  i < 1, если i  й фактор действует с истинностью  i ;
0, если i  й фактор не действует.

Ij 
1
 j l
 I
M
M
i 1
ij
Ij
 L  L ,
i
(26) I ij 
I ij  I j
j
, Li 
Li  L
l
. (27)
19
Ij
– средняя информативность по вектору класса;
L
– среднее по вектору идентифицируемой ситуации (объекта).
j
– среднеквадратичное отклонение информативностей вектора
класса;
l
– среднеквадратичное отклонение по вектору распознаваемого
объекта.
2.9. Связь системной меры целесообразности информации с
критерием 2
В (28 – 33) показана связь системной меры целесообразности
информации с известным критерием 2, а также предложен новый
критерий уровня системности предметной области, являющийся
нормированным объемом семантического пространства (34, 35).
W
M
  
2
j 1 i 1
( N ij  t ) 2
t
(28)
t
Ni N j
(29)
N
– Nij – фактическое количество встреч i-го признака у объектов j-го класса;
– t – ожидаемое количество встреч i-го признака у объектов j-го класса.
 N ij N
I ij  Log 2 
N N
 i j





I ij   ( Log 2 N ij  Log 2t )
(30)
(32)
2
W M
1
Iij  I 
H 2

(W  M  1) j 1 i 1
 N ij 

I ij  Log 2 
t



(31)
если N ij < t то  ij  0, I ij < 0

если N ij  t то  ij  0, I ij  0
если N  t то   0, I  0
ij
ij
ij

1
(34) I 
W M
W
(33)
M
 I
j 1 i 1
ij
(35)
Предлагается более точный критерий уровня системности модели
является объем неортонормированного семантического пространства,
рассчитанный как объем многомерного параллелепипеда, ребрами
которого являются оси семантического пространства. Однако для этой
меры сложнее в общем виде записать аналитическое выражение и для ее
вычисления могут быть использованы численные методы с
20
использованием многомерного обобщения смешанного произведения
векторов.
Абстрагирование (ортонормирование) существенно уменьшает
размерность семантического пространства без существенного
уменьшения его объема.
2.10. Оценка адекватности семантической информационной
модели в СК-анализе и бутстрепные методы
Под адекватностью модели СК-анализа понимается ее внутренняя и
внешняя дифференциальная и интегральная валидность. Понятие
валидности является уточнением понятия адекватности, для которого
определены процедуры количественного измерения, т.е. валидность – это
количественная адекватность. Это понятие количественно отражает
способность модели давать правильные результаты идентификации,
прогнозирования и способность вырабатывать правильные рекомендации
по управлению.
Под внутренней валидностью понимается валидность модели,
измеренная после синтеза модели путем идентификации объектов
обучающей выборки.
Под внешней валидностью понимается валидность модели,
измеренная после синтеза модели путем идентификации объектов, не
входящих в обучающую выборку.
Под
дифференциальной
валидностью
модели
понимается
достоверность идентификации объектов в разрезе по классам.
Под
интегральной
валидностью
средневзвешенная
дифференциальная валидность.
Возможны
все
сочетания:
внутренняя
дифференциальная
валидность, внешняя интегральная валидность и т.д.
Основная идея бутстрепа по Б.Эфрону состоит в том, что методом
Монте-Карло (статистических испытаний) многократно извлекаются
выборки из эмпирического распределения. Эти выборки, естественно,
являются вариантами исходной, напоминают ее.
Эта идея позволяет сконструировать алгоритм измерения
адекватности модели, состоящий из двух этапов:
1. Синтез модели на одном случайном подмножестве обучающей
выборки.
2. Измерение валидности модели на оставшемся подмножестве
обучающей выборки, не использованном для синтеза модели.
Поскольку оба случайных подмножества имеют переменный состав
по объектам обучающей выборки, то подобная процедура должна
повторяться много раз, после чего могут быть рассчитаны статистические
характеристики адекватности модели, например, такие как:
– средняя внешняя валидность;
21
– среднеквадратичное отклонение текущей внешней валидности от
средней и другие.
Достоинство бутстрепного подхода к оценке адекватности модели
состоит в том, что он позволяет измерить внешнюю валидность на уже
имеющейся выборке и изучить статистические характеристики,
характеризующие адекватность модели при изменении объема и состава
выборки.
2.11. Непараметричность модели. Робастные процедуры и
фильтры для исключения артефактов
Предложенная семантическая информационная модель является
непараметрической, т.к. базируется на системной теории информации
[21], которая никоим образом не основана на предположениях о
нормальности распределений исследуемой выборки.
Под робастными понимаются процедуры, обеспечивающие
устойчивую работу модели на исходных данных, зашумленных
артефактами, т.е. данными, выпадающими из общих статистических
закономерностей, которым подчиняется исследуемая выборка.
Критерий выявления артефактов, реализованный в СК-анализе,
основан на том, что при увеличении объема статистики частоты значимых
атрибутов растут, как правило, пропорционально объему выборки, а
частоты артефактов так и остаются чрезвычайно малыми, близкими к
единице. Таким образом, выявление артефактов возможно только при
достаточно большой статистике, т.к. в противном случае недостаточно
информации о поведении частот атрибутов с увеличением объема
выборки.
В модели реализована такая процедура удаления наиболее вероятных
артефактов, и она, как показывает опыт, существенно повышает качество
(адекватность) модели.
3. Методика численных расчетов СК-анализа
3.1. Детальный список БКОСА и их алгоритмов
В таблице 3 приведен детальный список базовых когнитивных
операций системного анализа, которым соответствует 24 алгоритма,
которые здесь привести нет возможности из-за их объемности. Но они все
приведены в полном виде в работе [21].
Код БКОСА
по схеме
СК-анализа
№
БКОСА
№
алгоритма
Таблица 3 – ДЕТАЛЬНЫЙ СПИСОК БАЗОВЫХ КОГНИТИВНЫХ
ОПЕРАЦИЙ СИСТЕМНОГО АНАЛИЗА (БКОСА)
Наименование
БКОСА
1.1
1
Присвоение
имен
Полное наименование базовых когнитивных
операций системного анализа (БКОСА)
Присвоение имен классам
(интенсиональная, интегральная репрезентация)
22
1.2
1
2.1.
2
2.2.
3
4
3.1.1.
3.1.2.
5
3.1.3.
6
3.2.
7
3.3.
8
4.1.
2
Восприятие
3
Обобщение
(синтез,
индукция).
4
Абстрагирование
9
4.2.
10
5.
5
11
7.
6
12
9.1.
13
9.2.
14
15
16
17
18
19
20
10.1.1.
10.1.2.
10.1.3.
10.2.1.
10.2.2.
10.2.3.
10.3.1.
21
10.3.2.
22
10.4.1.
23
10.4.2.
24
11.
Оценка
адекватности
Сравнение,
идентификация и
прогнозирование
7
Анализ,
дедукция
и абдукция
8
Классификация
и генерация
конструктов
9
Содержательное
сравнение
10
Планирование
и управление
Присвоение имен атрибутам
(экстенсиональная, дискретная репрезентация)
Восприятие и запоминание исходной обучающей
информации
Репрезентация. Сопоставление индивидуального
опыта с коллективным (общественным)
Накопление первичных данных
Исключение артефактов
Расчет истинности смысловых связей между
предпосылками и результатами
(обобщенных таблиц решений)
Определение значимости шкал и градаций факторов,
уровней Мерлина
Определение значимости шкал и градаций классов,
уровней Мерлина
Абстрагирование факторов (снижение размерности
семантического пространства факторов)
Абстрагирование классов (снижение размерности
семантического пространства классов)
Оценка адекватности информационной модели
предметной области
Сравнение, идентификация и прогнозирование.
Распознавание состояний конкретных объектов
(объектный анализ)
Анализ, дедукция и абдукция классов (семантический
анализ обобщенных образов классов, решение
обратной задачи прогнозирования)
Анализ, дедукция и абдукция факторов
(семантический анализ факторов)
Классификация обобщенных образов классов
Формирование бинарных конструктов классов
Визуализация семантических сетей классов
Классификация факторов
Формирование бинарных конструктов факторов
Визуализация семантических сетей факторов
Содержательное сравнение классов
Расчет и отображение многомногозначных когнитивных
диаграмм, в т.ч. диаграмм Мерлина
Содержательное сравнение факторов
Расчет и отображение многомногозначных когнитивных
диаграмм, в т.ч. инвертированных диаграмм Мерлина
Многовариантное планирование и принятие решения о
применении системы управляющих факторов
3.2. Иерархическая структура данных семантической
информационной модели СК-анализа
На рисунке 5 приведена в обобщенном виде иерархическая
структура баз данных семантической информационной модели системнокогнитивного анализа. На этой схеме базы данных обозначены
прямоугольниками, а базовые когнитивные операции системного
анализа, преобразующие одну базу в другую – стрелками с надписями.
Имеются также базовые когнитивные операции, формирующие выходные
графические формы. Из этой схемы видно, что одни базовые когнитивные
операции готовят данные для других операций, относящихся к более
23
высоким уровням иерархии системы процессов познания. Этим
определяется возможная последовательность выполнения базовых
когнитивных операций.
Рисунок 5. Иерархическая структура данных СК-анализа
4. Специальный программный инструментарий СК-анализа –
система "Эйдос"
4.1. Цели и основные функции системы "Эйдос"
Универсальная когнитивная аналитическая система "Эйдос" является
отечественным лицензионным программным продуктом [см. патенты в
списке литературы], созданным исключительно с использованием
официально приобретенного лицензионного программного обеспечения.
По системе "Эйдос" и различным аспектам ее применения имеется около
24
100 публикаций ряда авторов [см. список литературы]. Титульная
видеограмма системы приведена на рисунке 6:
Рисунок 6. Титульная видеограмма системы "Эйдос"
Система "Эйдос" является одним из элементов предлагаемого
решения проблемы и достижения цели данной работы, т.к. она
обеспечивает решение следующих задач:
1. Синтез и адаптация семантической информационной модели
предметной области, включая объект активный управления и
окружающую среду.
2. Идентификация и прогнозирование состояния активного объекта
управления, а также разработка управляющих воздействий для его
перевода в заданные целевые состояния.
3. Углубленный анализ семантической информационной модели
предметной области.
Таким образом, система "Эйдос" является инструментарием,
решающим проблему данной работы.
Синтез содержательной информационной модели
предметной области
Для разработки информационной модели предметной области
необходимо владеть основными принципами ее когнитивной
25
структуризации и формализованного описания. Синтез содержательной
информационной модели включает следующие этапы:
1. Формализация (когнитивная структуризация предметной области).
2. Формирование исследуемой выборки и управление ею.
3. Синтез или адаптация модели.
4. Оптимизация модели.
5. Измерение адекватности модели (внутренней и внешней,
интегральной и дифференциальной валидности), ее скорости сходимости и
семантической устойчивости.
Идентификация и прогнозирование состояния объекта
управления, выработка управляющих воздействий
Данный вид работ включает:
1. Ввод распознаваемой выборки.
2. Пакетное распознавание.
3. Вывод результатов распознавания и их оценку.
Углубленный анализ содержательной информационной
модели предметной области
Углубленный анализ выполняется в подсистеме "Типология" и
включает:
1. Информационный и семантический анализ классов и признаков.
2. Кластерно–конструктивный анализ классов распознавания и
признаков, включая визуализацию результатов анализа в оригинальной
графической форме когнитивной графики (семантические сети классов и
признаков).
3. Когнитивный анализ классов и признаков (когнитивные
диаграммы и диаграммы Вольфа Мерлина).
4.2. Обобщенная структура системы "Эйдос"
Данной обобщенной структуре соответствуют и структура
управления и дерево диалога системы (таблица 4):
Таблица 4 – Обобщенная структура системы "ЭЙДОС" (версии 12.5)
Подсистема
1.
Словари
Режим
Функция
1. Классификационные шкалы и градации
2. Описательные шкалы (и градации)
3. Градации описательных шкал (признаки)
4.
1. Уровни классов
Иерархические
2. Уровни признаков
уровни систем
5.
Программные
интерфейсы
для импорта
данных
6. Почтовая
служба по НСИ
Подсистема
2.
Обучение
Операция
1. Импорт данных из TXT-фалов стандарта DOS-текст
2. Импорт данных из DBF-файлов стандарта проф. А.Н.Лебедева
3. Импорт из транспонированных DBF-файлов проф. А.Н.Лебедева
4. Генерация шкал и обучающей выборки RND-модели
5. Генерация шкал и обучающей выборки для исследования чисел
6. Транспонирование DBF-матриц исходных данных
1. Обмен по классам
2. Обмен по обобщенным признакам
3. Обмен по первичным признакам
7. Печать анкеты
Режим
Функция
Операция
1. Ввод–корректировка обучающей выборки
2. Управление
1. Параметрическое задание объектов для обработки
26
обучающей
выборкой
3.
Оптимизация
4.
Распознавание
5.
Типология
6. Анализ
7.
Сервис
2. Статистическая характеристика, ручной ремонт
3. Автоматический ремонт обучающей выборки
1. Накопление абсолютных частот
2. Исключение артефактов (робастная процедура)
3. Расчет информативностей признаков
3. Пакетное
4. Расчет условных процентных распределений
обучение
5. Автоматическое выполнение режимов 1–2–3–4
системы
6. Измерение
1. Сходимость и устойчивость СИМ
распознавания
сходимости и
2. Зависимость валидности модели от объема
устойчивости
обучающей выборки
модели
4. Почтовая служба по обучающей информации
1. Формирование ортонормированного базиса классов
2. Исключение признаков с низкой селективной силой
3. Удаление классов и признаков, по которым недостаточно данных
1. Ввод–корректировка распознаваемой выборки
2. Пакетное распознавание
3. Вывод
1. Разрез: один объект – много классов
результатов
2. Разрез: один класс – много объектов
распознавания
4. Почтовая служба по распознаваемой выборке
1. Информационные (ранговые) портреты (классов)
1 Расчет матрицы сходства образов классов
1.
2. Генерация кластеров и конструктов классов
2. Кластерный и
Типологический
конструктивный
3. Просмотр и печать кластеров и конструктов
анализ классов
анализ классов
4. Автоматическое выполнение режимов: 1,2,3
распознавания
5. Вывод 2d семантических сетей классов
3. Когнитивные диаграммы классов
1. Информационные (ранговые) портреты признаков
1. Расчет матрицы сходства образов признаков
2.
2. Генерация кластеров и конструктов признаков
Типологический 2. Кластерный и
анализ
конструктивный
3. Просмотр и печать кластеров и конструктов
первичных
анализ признаков
4. Автоматическое выполнение режимов: 1,2,3
признаков
5. Вывод 2d семантических сетей признаков
3. Когнитивные диаграммы признаков
1. Оценка достоверности заполнения объектов
2. Измерение адекватности семантической информационной модели
3. Измерение независимости классов и признаков
4. Просмотр профилей классов и признаков
5. Графическое отображение нелокальных нейронов
6. Отображение Паретто-подмножеств нейронной сети
7. Классические и интегральные когнитивные карты
1. Все базы данных
1. Всех баз данных
2. БД классов
2. НСИ
3. БД первичных признаков
1. Генерация
(сброс) БД
4. БД обобщенных признаков
3. Обучающая выборка
4. Распознаваемая выборка
5. Базы данных статистики
2. Переиндексация всех баз данных
3. Печать БД абсолютных частот
4. Печать БД условных процентных распределений
5. Печать БД информативностей
6. Интеллектуальная дескрипторная информационно–поисковая система
Подробнее подсистемы, режимы, функции и операции, реализуемые
системой "Эйдос", описаны в работе [21].
Краткое описание некоторых результатов, полученных на основе
применения АСК-анализа
27
АСК-анализ
успешно
применялся
для
создания
астропрофессиограмм и их применения для прогнозирования степени
успешности деятельности в специальных областях, по заказу:
– АО "Новошип" Новороссийское морское пароходство);
– Северо-Кавказской поисково-спасательной службы МЧС России.
Впервые предложенная модель была практически применена
автором в 1981 году для разработки оптимальной методики тестирования и
диагностики специальных способностей в Краснодарской краевой секции
биоэлектроники при НТОРЭС им.Попова. В данном исследовании была
применена максимальная анкета, состоящая из 650 вопросов, обучающая
выборка составляла 150 человек из которых около 40 по результатам
независимых оценок обладали выраженными способностями к
специальным видам деятельности. Было сформированы обобщенные
образы двух классов распознавания: "годен" и "не годен". На основе
определения ценности признаков для решения задачи идентификации
путем исключения незначимых признаков из максимальной анкеты был
получен оптимальный опросник, содержащий всего 25 вопросов и
обеспечивающий валидность 95% при 15-кратной информационной
избыточности. Высокая значимость выявленных в этом исследовании
вопросов подтвердилась и в дальнейших исследованиях.
Имеются акты об успешном проведении исследований с помощью
данной системы в области социологии, политологии и прикладной
психологии по заказам НИИ культуры Российской Федерации и
Краснодарского государственного института культуры (ноябрь 1987г.),
Академии общественных наук под руководством доцента Б.И.Бессалаева
(март 1987г.), Института социологических исследований АН СССР под
руководством доктора социологии профессора А.А.Хагурова (май 1987г. и
сентябрь 1987г.).
В 1994 году система "Эйдос" была представлена в ВЦ РАН в
присутствии иностранных специалистов (в основном из Японии) и
получила положительную оценку председателя комитета по
искусственному интеллекту Российской Академии наук академика
Д.А.Поспелова (рекомендована для применения в социологических и
психологических исследованиях), имеются положительные отзывы о
Системе от Северо-Кавказской поисково-спасательной службы МЧС
России (начальник В.М.Нархов) и Министерства Труда Российской
Федерации (зам.нач. Управления, профессор Е.В.Белкин), прошла
экспериментальную
эксплуатацию
в
отделе
информационного
взаимодействия Аналитического центра при Президенте РФ (начальник
отдела доктор технических наук, академик МАИ профессор А.Н.Райков), а
также приобретена Аналитическим центром администрации Ярославской
области (руководитель А.В.Бушуев), Информационно - аналитическим
центром администрации Краснодарского края (директор С.Б.Лисицын),
28
АО "Новороссийское морское пароходство" (вице-президент, капитан 1-го
ранга, к.т.н. доцент В.А.Бобыр), Краснодарским юридическим институтом
МВД России (начальник генерал-майор, доктор философских наук,
профессор Ю.А.Агафонов).
Работы в МЧС и АО "Новошип" проводились совместно с Научно производственной фирмой "ЭВРИТОП" (директор Б.В.Гауфман) под
научным руководством кандидата технических наук, доктора
биологических профессора О.А.Засухиной. Под ее же руководством
Кубанским Агроуниверситетом совместно с НПП "Эйдос" была
разработана методика прогнозирования урожайности и качества
сельскохозяйственных культур в зависимости от вида почв, культурыпредшественника, применяемой агротехнологии (нормы высева,
удобрения, вспашка и т.п.). Данная методика позволяет "просматривать"
различные варианты технологии, прогнозировать последствия их
применения, и, на этой основе, вырабатывать научно обоснованные
рекомендации по выбору возделываемой культуры и оптимальной для
поставленных целей агротехнологии. Это исследование показательно как
само по себе, так и в качестве примера применения Системы для
выявления
взаимосвязей
между
различными
технологиями и
хозяйственными результатами. Материалы этих и других работ были
представлены на международной конференции "Партнерство во имя
прогресса", проходившей в конце мая 1994 года в г.Анапе. Совместно с
канд.мед.наук. Г.А.Авакимяном на базе системы "Эйдос" была разработана
методика диагностики избыточности и недостаточности меридианов,
основанная на внешней симптоматике и анамнезе.
Для строительной фирмы "ЭКСТЕРН" (директор В.Г.Очередько)
была разработана методика прогнозирования профессиональной
пригодности сотрудников для работы по должностям, имеющимся в
фирме. Кроме того прогнозируется возможность криминогенных
проявлений. Данная методика является автоматизированным рабочим
местом (АРМом) менеджера по персоналу и эксплуатировалась несколько
лет в адаптивном режиме, обеспечивающем постоянное повышение
качества прогнозирования на основе роста представительности
обучающей выборки.
Таким образом, опыт применения АСК-анализа подтверждает
эффективность его использования в следующих предметных областях:
– идентификация и анализ макроэкономических состояний городов и
районов Краснодарского края и края в целом на основе оценки значимости
индикаторов макроэкономики и применения методов статистической
теории информации и искусственного интеллекта (Департамент экономики
и прогнозирования администрации Краснодарского края);
– социологические и политологические исследования, анализ
общественного
мнения
(Краснодарский
сектор
Института
29
социологических исследований АН СССР, Краснодарский краевой
агропромышленный комитет, Академия государственной службы при
Президенте РФ, Краснодарский государственный институт культуры,
Информационно-аналитический центр администрации Краснодарского
края, Аналитический центр администрации Ярославской области и др.);
– проектирование адаптивных АСУ сложными техническими
объектами (Государственное предприятие особое конструкторское бюро
"Икар", Кубанский государственный технологический университет);
– решение ряда задач управления качеством подготовки
специалистов (Краснодарский юридический институт МВД РФ);
– прогнозирование результатов применения агротехнологий и
управление выращиванием сельскохозяйственных культур (Кубанский
государственный аграрный университет);
– прогнозирование успешности будущей профессиональной
деятельности в экстремальных ситуациях в условиях высокой
ответственности и дефицита времени (Северокавказская региональная
поисково-спасательная служба Государственного комитета РФ по делам
гражданской обороны, чрезвычайным ситуациям и ликвидации
последствий стихийных бедствий МЧС, АО "Новошип" Новороссийское
морское пароходство);
– решение задач Центра Правительственной связи в Краснодарском
крае.
Это подтверждается 17 актами внедрения предлагаемых технологий
за период с 1987 по 2002 годы.
Выводы
АСК-анализ является широко и успешно апробированной в
различных предметных областях современной интеллектуальной
технологией, обеспечивающей синтез астропрофессиограмм и их
применение для прогнозирования степени успешности учебной и
профессиональной деятельности, в т.ч. в специальных областях (см. список
приведенной литературы).
Литература
1.
2.
3.
4.
5.
Lutsenko E.V. Conceptual principles of the system (emergent) information theory
& its application for the cognitive modelling of the active objects (entities), 2002 IEEE International
Conference on Artificial Intelligence System (ICAIS 2002). –Computer society, IEEE, Los Alamos,
California, Washington-Brussels-Tokyo, p. 268-269.
Васильев
Л.Г.
Три
парадигмы
понимания:
анализ
литературы
вопроса.
http://newasp.omskreg.ru/intellect/f54.htm.
Джан Роберт Г., Данн Бренда Дж.. Границы реальности. (Роль сознания в физическом мире). /Пер.
с англ. - М.: Объединенный институт высоких температур РАН, 1995. - 287с.
Драгавцева И.А., Лопатина Л.М, Луценко Е.В. Автоматизация системного анализа
продуктивности плодовых культур Юга России, Научные труды Российской академии
сельскохозяйственных наук. – 2005. – №4. – С. 11-14.
Драгавцева И.А., Луценко Е.В., Запорожец Н.М., Луценко Н.Е. Новые подходы к районированию
плодовых культур на Юге России с применением компьютерного моделирования,
Организационно-экономический механизм инновационного процесса и приоритетные проблемы
30
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
научного обеспечения развития отрасли (Материалы Всероссийской научно-практической
конференции 3-4 февраля 2003 г. СКЗНИИСиВ, Краснодар). – Краснодар. – 2003. – С. 74-76.
Драгавцева И.А., Луценко Е.В., Лопатина Л.М., Луценко Н.Е. Применение системного анализа
для прогнозирования успешности выращивания сельскохозяйственных культур (на примере
плодовых), В сб.: "Формы и методы повышения эффективности координации исследований для
ускорения процесса передачи реальному сектору экономики завершенных разработок". –
Краснодар: СКЗНИИСиВ, 2002. – С. 62-67.
Драгавцева И.А., Луценко Е.В., Луценко Н.Е., Лопатина Л.М. Применение автоматизированного
системного анализа для прогноза продуктивности плодовых культур на Юге страны, Материалы
Всероссийской научно-практической конференции. – Краснодар: СКЗНИИСВ, 2002. – С. 8-11.
Дюк В.А. Компьютерная психодиагностика. - СПб: Братство, 1994. - 365с.
Дюк В.А. Обработка данных на ПК в примерах. – СПб: Питер, 1997. – 240с.
Егоров Е.А., Драгавцева И.А., Лопатина Л.М., Луценко Е.В. и др. Интенсивные технологии
возделывания плодовых культур, Монография (научное издание): СКЗНИИСиВ. – Краснодар. –
2004. –394 с.
Лаптев В.Н., Луценко Е.В. Информационные технологии в юриспруденции (Методические
указания) Методические указания по подготовке курсовых работ (для студентов специальностей
3514003 – Прикладная информатика в юриспруденции). – Краснодар: ФГОУ ВПО "КубГАУ",
2003. – 62 с.
Лийв Э. Х. Инфодинамика. Обобщённая энтропия и негэнтропия. - Таллинн, 1998. - 200 с.
Лойко В.И., Курносов С.А., Лаптев В.Н., Луценко Е.В., Мироненко В.Л. Базы данных
(Методические указания) Методические указания по подготовке курсовых работ (для студентов
специальностей 3514001 – Прикладная информатика в экономике и 3514003 – Прикладная
информатика в юриспруденции). – Краснодар: ФГОУ ВПО "КубГАУ", 2004. – 62 с.
Лойко В.И., Лаптев В.Н., Луценко Е.В., Постный В.А. Вычислительные сети, системы и
телекоммуникации (Методические указания) Методические указания по подготовке курсовых
работ для студентов специальностей 3514001 – Прикладная информатика в экономике и 3514003 –
Прикладная информатика в юриспруденции. Краснодар: КубГАУ, 2003. – 46 с.
Лопатина Л.М., Драгавцева И.А., Луценко Е.В. Концептуальная постановка задачи:
"Прогнозирование количественных и качественных результатов выращивания заданной культуры
в заданной точке", Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004.
– №05(7). – Режим доступа: http://ej.kubagro.ru/2004/05/08/p08.asp
Луценко Е.В. Автоматизация когнитивных операций системного анализа, В сб.: "Проблемы
совершенствования систем защиты информации, энергоснабжения военных объектов и
образовательных технологий подготовки специалистов". Материалы II межвузовской научнотехнической конференции. – Краснодар: КВИ, 2001. – С. 131-133.
Луценко Е.В. Автоматизированная система "ЭЙДОС", как инструмент для разработки и
эксплуатации новых психологических тестов (Тезисы) В сб.: "Теоретические и прикладные
проблемы социально-психологической и медико-педагогической служб". Материалы IX
региональной научно-практической конференции. – Краснодар: КО РПО, 1995. – С. 47.
Луценко Е.В. Автоматизированная система распознавания образов, математическая модель и
опыт применения, В сб.: "В.И.Вернадский и современность (к 130-летию со дня рождения)".
Тезисы научно-практической конференции. – Краснодар: КНА, 1993. – С. 37-42.
Луценко Е.В. Автоматизированный когнитивный системный анализ влияния ДПО на качество
подготовки специалистов, В сб.: "Опыт и проблемы совершенствования региональной системы
дополнительного профессионального образования в области управления качеством". Тезисы
докладов научно-практической конференции. – Краснодар: Академия СМС, 2001. – С. 38-39.
Луценко Е.В. Автоматизированный когнитивный системный анализ фондового рынка, В сб.:
"Проблемы экономического и социального развития России". Материалы Всероссийской научнопрактической конференции. – Пенза: ПГУ, 2001. – С. 206-209.
Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными
объектами (системная теория информации и ее применение в исследовании экономических,
социально-психологических, технологических и организационно-технических систем):,
Монография (научное издание). – Краснодар: КубГАУ, 2002. – 605 с.
Луценко Е.В. Автоматизированный системно-когнитивный анализ в экономике, Изв. вузов.
Северо-Кавказский регион. Технические науки. – 2003. – №1. – С. 189-194.
Луценко Е.В. Адаптивная система обработки данных «ВЕГА» на базе мини-ЭВМ «Искра-226»,
Деп. в ВИНИТИ 25.10.84. №7180-84деп. – 18с.
Луценко Е.В. Адаптивная система обработки данных «ВЕГА», ИЛ №6-85. – Краснодар: КЦНТИ,
1985. – 4с.
31
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
Луценко Е.В. Адаптивная система обработки данных, Автоматизация управления транспортнозаготовительными работами в РАПО. Экспресс-информация. Выпуск 14. – М.: ЦНИИ ТЭИ
приборостроения, 1985. – 4с.
Луценко Е.В. АСК-анализ информационной безопасности организационно-технических систем,
Межвузовский сборник научных трудов, том 1. – Краснодар: КВИ, 2003. – С. 87-89.
Луценко Е.В. АСК-анализ как метод выявления когнитивных функциональных зависимостей в
многомерных зашумленных фрагментированных данных, Научный журнал КубГАУ
[Электронный ресурс]. – Краснодар: КубГАУ, 2005. – №03(11). – Режим доступа:
http://ej.kubagro.ru/2005/03/19/p19.asp
Луценко Е.В. Атрибуция анонимных и псевдонимных текстов в системно-когнитивном анализе,
Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №03(5). – Режим
доступа: http://ej.kubagro.ru/2004/03/03/p03.asp
Луценко Е.В. Атрибуция текстов, как обобщенная задача идентификации и прогнозирования,
Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2003. – №02(2). – Режим
доступа: http://ej.kubagro.ru/2003/02/13/p13.asp
Луценко Е.В. Беседы об искусстве превращения жемчуга в алмаз (Мастеру, звезда которого
светит из будущего), Краснодар: НПП "ЭЙДОС", 1995. – 138 с.
Луценко Е.В. Взаимосвязь эластичности и системной меры целесообразности информации,
Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2003. – №01(1). – Режим
доступа: http://ej.kubagro.ru/2003/01/05/p05.asp
Луценко Е.В. Виртуализация общества как основной информационный аспект глобализации
(основы информационно-функциональной теории развития техники и информационной теории
стоимости), Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2005. –
№01(9). – Режим доступа: http://ej.kubagro.ru/2005/01/02/p02.asp
Луценко Е.В. Возможности прогнозирования учебных достижений студентов на основе АСКанализа их имеджевых фотороботов, Научный журнал КубГАУ [Электронный ресурс]. –
Краснодар: КубГАУ, 2004. – №02(4). – Режим доступа: http://ej.kubagro.ru/2004/02/13/p13.asp
Луценко Е.В. Гипотеза о мировом компьютере, ментальном программировании и НЛО, В сб.:
"Новые идеи и гипотезы (тезисы докладов конференции)". – Краснодар: КДНТ, 1990. – С. 168-174.
Луценко Е.В. Гипотеза о физической природе НЛО и тунгусского феномена, В сб.: "Новые идеи и
гипотезы (тезисы докладов конференции)". – Краснодар: КДНТ, 1990. – С. 178-183.
Луценко Е.В. Идентификация слов по входящим в них буквам с применением системнокогнитивного анализа, Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ,
2004. – №02(4). – Режим доступа: http://ej.kubagro.ru/2004/02/12/p12.asp
Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов
специальности: 351400 "Прикладная информатика (по отраслям)". – Краснодар: КубГАУ. 2004. –
633 с.
Луценко Е.В. Интерференция последствия выбора в результате одновременного осуществления
альтернатив и необходимость разработки системной (эмерджентной) теории информации,
Проблемы совершенствования систем защиты информации, образовательного процесса и
электроснабжения военных объектов: Межвузовский сборник научных работ. – 2002. – №3. –
С.72-74.
Луценко Е.В. Информационно-функциональная теория развития техники, закон повышения
качества базиса и детерминация формы сознания человека функциональным уровнем
технологической среды. Труды Кубанского государственного аграрного университета. – Выпуск №
420 (448), – КубГАУ, Краснодар, 2005. – С.218-236.
Луценко Е.В. Исследование адекватности, сходимости и семантической устойчивости системнокогнитивной модели активных объектов, Проблемы совершенствования систем защиты
информации, образовательного процесса и электроснабжения военных объектов: Межвузовский
сборник научных работ. – 2002. – №3. – С. 64-70.
Луценко Е.В. Когнитивная аналитическая система "ЭЙДОС-6.0" и система "ЭЙДОС-" –
адекватный инструментарий для психологических служб МВД, В сб.: "Актуальные проблемы
социально-правовой подготовки специалистов и перспективы совершенствования системы
комплектования ОВД". Материалы межвузовской научно-практической конференции (1618.05.1997). Часть 1. –Краснодар: КЮИ МВД РФ, 1997. – С. 65-69.
Луценко Е.В. Когнитивная аналитическая система "ЭЙДОС-6.2", как инструмент исследования
интегральной индивидуальности по Вольфу Мерлину, В сб.: "Актуальные проблемы социальноправовой подготовки специалистов и перспективы совершенствования системы комплектования
ОВД". Материалы межвузовской научно-практической конференции (16-18.05.1997). Часть 2. –
Краснодар: КЮИ МВД РФ, 1997. – С. 136-141.
32
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
Луценко Е.В. Концептуальные основы системной (эмерджентной) теории информации и ее
применение для когнитивного моделирования активных объектов, Ж-л "Перспективные
информационные технологии и интеллектуальные системы", №1/2003. – Таганрог: ТГРТУ, 2003. –
С. 23-27.
Луценко Е.В. Критерии реальности и принцип эквивалентности виртуальной и "истинной"
реальности, Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. –
№06(8). – Режим доступа: http://ej.kubagro.ru/2004/06/10/p10.asp.
Луценко Е.В. Магнит грядущего (о небиологических формах жизни, природе НЛО и перспективах
сознания), Краснодар: Агропромполиграфист, 1990. – 70с.
Луценко Е.В. Математическая модель автоматизированной системы распознавания образов
(Тезисы) В сб.: "Тезисы докладов VIII Всесоюзного съезда психологов". – М.: Наука, 1989. – С.35.
Луценко Е.В. Математический метод СК-анализа в свете идей интервальной бутстрепной
робастной статистики объектов нечисловой природы, Научный журнал КубГАУ [Электронный
ресурс].
–
Краснодар:
КубГАУ,
2004.
–
№01(3).
–
Режим
доступа:
http://ej.kubagro.ru/2004/01/13/p13.asp
Луценко Е.В. Методика использования репозитария UCI для оценки качества математических
моделей систем искусственного интеллекта, Научный журнал КубГАУ [Электронный ресурс]. –
Краснодар: КубГАУ, 2003. – №02(2). – Режим доступа: http://ej.kubagro.ru/2003/02/12/p12.asp
Луценко Е.В. Нелокальные интерпретируемые нейронные сети прямого счета, как инструмент
системно-когнитивного анализа, Изв. вузов. Северо-Кавказский регион. Технические науки.
Приложение №3. – 2003. – С. 3-12.
Луценко Е.В. О пути перехода технократической цивилизации к постапокалиптическому
обществу, В сб.: "Глобальные проблемы человечества" Тезисы докладов конференции. –
Краснодар: КНА, 1994. – С. 31-36.
Луценко Е.В. Персональная система обработки информации "ВЕГА-М" для мини-ЭВМ "Искра226", ИЛ о научно-техническом достижении №87-12. –Краснодар: КЦНТИ, 1987. Гос. рег. .№
01.06.01.Н15.06.03.05.02. – 4с.
Луценко Е.В. Персональная технологическая система "ВЕГА-3" для ЭВМ "Искра-226", ИЛ №17489. –Краснодар: КЦНТИ, 1989. – 4с.
Луценко Е.В. Разработка методологии синтеза адаптивных АСУ сложными объектами на основе
применения моделей распознавания образов и принятия решений (Автореферат кандидатской
диссертации) Автореферат диссертации на соискание ученой степени к.т.н. (05.13.06). –
Краснодар: КубГТУ, 1999. – 24 с.
Луценко Е.В. Разработка методологии синтеза адаптивных АСУ сложными объектами на основе
применения моделей распознавания образов и принятия решений (Кандидатская диссертация)
Диссертация на соискание ученой степени к.т.н. (05.13.06). –Краснодар: КубГТУ, 1999. – 187 с.
Луценко Е.В. Расчет эластичности объектов информационной безопасности на основе системной
теории информации, Ж-л "Безопасность информационных технологий". – М.: МИФИ, 2003. – №2.
– С. 82-90.
Луценко Е.В. Рефлексивная модель управления качеством подготовки специалиста, В сб.:
"Проблемы совершенствования систем защиты информации, энергоснабжения военных объектов
и образовательных технологий подготовки специалистов". Материалы II межвузовской научнотехнической конференции. – Краснодар: КВИ, 2001. – С. 129-131.
Луценко Е.В. Селиверстов В.В. Разработка профессиональных оптимальных адаптивных тестов
на основе интеллектуальной технологии "ЭЙДОС", В сб.: "Современные компьютерные
технологии обучения". Материалы 2-й межвузовской научно-методической конференции. –
Краснодар: КВВАУ, 1998. – С. 32-34.
Луценко Е.В. Синтез адаптивных систем управления индивидуальным обучением на базе
интеллектуальной системы "ЭЙДОС", В сб.: "Современные компьютерные технологии обучения".
Материалы 2-й межвузовской научно-методической конференции. – Краснодар: КВВАУ, 1998. –
С. 27-30.
Луценко Е.В. Синтез экстремальных систем "человек–машина" на основе принципа
многоуровневой адаптивности, Труды Краснодарского ВАИ: Межвузовский научнометодический сборник. Вып. 4. –Краснодар: КВАИ, 1999. – С. 186-190.
Луценко Е.В. Системная теория информации и нелокальные интерпретируемые нейронные сети
прямого счета, Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2003. –
№01(1). – Режим доступа: http://ej.kubagro.ru/2003/01/11/p11.asp
Луценко Е.В. Системно-когнитивный анализ в управлении АПК (Автореферат докторской
диссертации) Автореферат диссертации на соискание ученой степени д. э. н. (08.00.13). –
Краснодар: КубГАУ, 2003. – 47 с.
33
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
82.
83.
84.
Луценко Е.В. Системно-когнитивный анализ в управлении АПК (Докторская диссертация)
Диссертация на соискание ученой степени д. э. н. (08.00.13). –Краснодар: КубГАУ, 2003. – 467 с.
Луценко Е.В. Системно-когнитивный анализ детерминистско-бифуркационной динамики
активных систем, Проблемы совершенствования систем защиты информации, образовательного
процесса и электроснабжения военных объектов: Межвузовский сборник научных работ. – 2002. –
№3. – С. 50-53.
Луценко Е.В. Системно-когнитивный анализ как развитие концепции смысла Шенка-Абельсона,
Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №03(5). – Режим
доступа: http://ej.kubagro.ru/2004/03/04/p04.asp
Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в
поддержке принятия решений (На примере универсальной автоматизированной системы
распознавания образов "ЭЙДОС-5.1"), Краснодар: КЮИ МВД РФ, 1996. – 278 с.
Луценко Е.В. Теоретические основы системной (эмерджентной) теории информации, Проблемы
совершенствования систем защиты информации, образовательного процесса и электроснабжения
военных объектов: Межвузовский сборник научных работ. – 2002. – №3. – С. 84-93.
Луценко Е.В. Технологический модуль поддержки диалога персональной системы обработки
информации ВЕГА-М, ИЛ №274-87. – Краснодар: Краснодарский ЦНТИ, 1987.
Луценко Е.В. Технология разработки автогенерируемых программ в системе Бэйсик 02
персональной ЭВМ "Искра-226", ИЛ №273-87. –Краснодар: КЦНТИ, 1987. – 4с.
Луценко Е.В. Типовая методика и инструментарий когнитивной структуризации и формализации
задач в СК-анализе, // Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ,
2004. – №01(3). – Режим доступа: http://ej.kubagro.ru/2004/01/16/p16.asp
Луценко Е.В. Универсальная автоматизированная система распознавания образов "ЭЙДОС-4",
ИЛ №438-93. –Краснодар: КЦНТИ, 1993. – 4с.
Луценко Е.В. Универсальная автоматизированная система распознавания образов "ЭЙДОС": опыт
и перспективы применения, В сб.: "Состояние и связи криминалистики и теории оперативнорозыскной деятельности ОВД". Материалы всероссийской научно-практической конференции
(14-16.06.1995). – Краснодар: КЮИ МВД РФ, 1995. – С. 168-177 (ДСП).
Луценко Е.В. Универсальная автоматизированная система распознавания образов "ЭЙДОС"
(версия 4.1), Краснодар: КЮИ МВД РФ, 1995. – 76 с.
Луценко Е.В. Универсальный модуль ввода-вывода файлов данных в системе Бэйсик 02
персональной ЭВМ "Искра-226", ИЛ №6-87. – Краснодар: КЦНТИ, 1987. – 4с.
Луценко Е.В. Утилита проектирования оверлейных структур в среде Clipper, ИЛ №101-91. –
Краснодар: КЦНТИ, 1991. – 4с.
Луценко Е.В. Численный расчет эластичности объектов информационной безопасности на основе
системной теории информации, Краснодар: КЮИ МВД РФ, 2003.– С. 43-54.
Луценко Е.В., Бакурадзе Л.А. Математическая модель и алгоритм решения задачи оперативного
планирования и управления в условиях РАПО, Деп. в ВИНИТИ 25.09.84. №2650-85деп. – 14с.
Луценко Е.В., Бакурадзе Л.А., Гнездюков Н.Д. Программное обеспечение оперативного
планирования транспортно-заготовительного процесса на уборке сахарной свеклы с
использованием микро-ЭВМ, ИЛ №79-84. –Краснодар: КЦНТИ, 1984. – 2с.
Луценко Е.В., Босенко А.А. Использование редактора программ и стандартных инструкций ВМО
Бэйсик 02 ПЭКВМ "Искра-226" для работы с текстами, ИЛ №512-84. –Краснодар: КЦНТИ, 1984.
– 4с.
Луценко Е.В., Босенко А.А. Автоматизированная система обработки данных на базе ПЭКВМ
"Искра-226", ИЛ №557-84. –Краснодар: КЦНТИ, 1984. – 2с.
Луценко Е.В., Босенко А.А. Контекстное редактирование программ в системе Бэйсик 02 ПЭКВМ
«Искра-226», ИЛ №347-84. –Краснодар: КЦНТИ, 1984. – 4с.
Луценко Е.В., Босенко А.А. Обработка ошибок на ПЭКВМ «Искра-226», ИЛ №155-84. –
Краснодар: КЦНТИ, 1984. – 4с.
Луценко Е.В., Босенко А.А. Организация вычислимого перехода в системе Бэйсик 02 (версия
15.02.84) ПЭКВМ "Искра-226", ИЛ №513-84. –Краснодар: КЦНТИ, 1984. – 4с.
Луценко Е.В., Власенко А.В. Методика изучения влияния дополнительного профессионального
образования на качество подготовки специалистов, В сб.: "Опыт и проблемы совершенствования
региональной системы дополнительного профессионального образования в области управления
качеством". Тезисы докладов научно-практической конференции. – Краснодар: Академия СМС,
2001. – С. 23-24.
Луценко Е.В., Гнездюков Н.Д. Оперативный контроль работы предприятий РАПО в период
уборки урожая с применением ПЭКВМ "Искра-226", ИЛ №73-84. –Краснодар: КЦНТИ, 1984. – 4с.
34
85.
86.
87.
88.
89.
90.
91.
92.
93.
94.
95.
96.
97.
98.
99.
100.
101.
102.
103.
Луценко Е.В., Гнездюков Н.Д. Параллельное использование ресурсов ПЭКВМ «Искра-226» в
адаптивной системе обработки данных «ВЕГА», Деп. в ВИНИТИ 31.01.85. №3393-85деп. – 8с.
Луценко Е.В., Гнездюков Н.Д. Программное обеспечение станции подготовки данных на базе
ПЭКВМ «Искра-226», Автоматизация управления транспортно-заготовительными работами в
РАПО. Экспресс-информация. Выпуск 15. – М.: ЦНИИ ТЭИ приборостроения, 1985. – 3с.
Луценко Е.В., Гнездюков Н.Д. Реализация обобщенного оператора Convert на языке ассемблер
ПЭВМ "Искра-226", ИЛ № 175-89. –Краснодар: КЦНТИ, 1989. – 4с.
Луценко Е.В., Лаптев В.Н. Некоторые проблемы и перспективы управления качеством
подготовки специалистов, В сб.: "Проблемы совершенствования систем защиты информации,
энергоснабжения военных объектов и образовательных технологий подготовки специалистов".
Материалы II межвузовской научно-технической конференции. – Краснодар: КВИ, 2001. – С. 133135.
Луценко Е.В., Лаптев В.Н. Изучение некоторых понятий гносеологии и психологии на примере
когнитивной аналитической системы «ЭЙДОС»:, В сб.: "Современные компьютерные технологии
обучения". Материалы 2-й межвузовской научно-методической конференции. – Краснодар:
КВВАУ, 1998. – С. 34-38.
Луценко Е.В., Лаптев В.Н. Применение когнитивной аналитической системы "ЭЙДОС" для
прогнозирования успешности будущей профессиональной деятельности абитуриентов и учащихся
вузов, В сб.: "Современные компьютерные технологии обучения". Материалы 2-й межвузовской
научно-методической конференции. – Краснодар: КВВАУ, 1998. – С. 30-32.
Луценко Е.В., Лаптев В.Н., Третьяк В.Г. Прогнозирование качества специальной деятельности
методом подсознательного (подпорогового) тестирования на основе семантического резонанса, В
сб.: "Проблемы совершенствования систем защиты информации, энергоснабжения военных
объектов и образовательных технологий подготовки специалистов". Материалы II межвузовской
научно-технической конференции. – Краснодар: КВИ, 2001. – С. 127-128.
Луценко Е.В., Лебедев А.Н. Диагностика и прогнозирование профессиональных и творческих
способностей методом АСК-анализа электроэнцефалограмм в системе "Эйдос", Межвузовский
сборник научных трудов, том 1. – Краснодар: КВИ, 2003. – С. 227-229.
Луценко Е.В., Лопатина Л.М. Создание автоматизированной системы мониторинга, анализа,
прогноза и управления продуктивностью сельскохозяйственных культур, Научный журнал
КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2003. – №02(2). – Режим доступа:
http://ej.kubagro.ru/2003/02/07/p07.asp
Луценко Е.В., Рябикина З.М., Некрасов С.Д. Личность и профессия: проблема самоактуализации,
В сб.: "Психологические проблемы самореализации личности" / Под ред. О.Г.Кукосяна. –
Краснодар: КубГУ, 1997. – С. 127-140.
Луценко Е.В., Третьяк В.Г. Анализ профессиональных траекторий специалистов с применением
системы "Эйдос", Личность и ее бытие (социально-психологические аспекты бытия личности в
местном сообществе): сборник научных работ / Под.ред. З.И.Рябикиной. – Краснодар: КубГУ,
2002. –С. 43-49.
Луценко Е.В., Эгизарьян Г.С. Персональный автоматизированный банк данных реализации
продукции "Ритм-ТТН", ИЛ №582-88. –Краснодар: КЦНТИ, 1988. – 4с.
Луценко Е.В., Эгизарьян Г.С. Персональный автоматизированный банк данных по заработной
плате "Ритм-ЗП" на базе ПЭКВМ "Искра-226", ИЛ №209-89. –Краснодар: КЦНТИ, 1989. – 4с.
Максимов В.И., Качаев С.В., Корноушенко Е.К. Концептуальное моделирование и мониторинг
проблемных и конфликтных ситуаций при целенаправленном развитии региона. В сб.
"Современные технологии управления для администраций городов и регионов". Фонд "Проблемы
управления", М. 1998.
Максимов В.И., Корноушенко Е.К. Аналитические основы применения когнитивного подхода при
решении слабоструктурированных задач. Труды ИПУ, вып.2, 1998.
Максимов В.И., Корноушенко Е.К. Знание – основа анализа. Банковские технологии, № 4, 1997.
Максимов В.И., Корноушенко Е.К., Качаев С.В. Анализ ситуации и компенсация теневых
аспектов в свободной торговле. В сб. "Современные технологии управления для администраций
городов и регионов". Фонд "Проблемы управления", М. 1998.
Максимов В.И., Корноушенко Е.К., Качаев С.В., Григорян А.К. Когнитивный подход к анализу
проблемы демонополизации в транспортном комплексе. Труды ИПУ, вып.2, 1998.
Пат. № 2000610164. РФ. Адаптивная система анализа и прогнозирования состояний сложных
систем "ДЕЛЬТА". /В.С.Симанков (Россия), Е.В.Луценко (Россия); Заяв. № 2000610164. Опубл.
03.03.2000. - 50с.
35
104.
105.
106.
107.
108.
109.
110.
111.
112.
113.
114.
115.
116.
117.
118.
119.
120.
121.
122.
123.
124.
125.
Пат. № 2003610433 РФ. Автоматизированная система мониторинга, анализа и прогнозирования
развития сельхозкультур "ПРОГНОЗ-АГРО". / И. А. Драгавцева (Россия), Е.В.Луценко (Россия),
Л.М.Лопатина (Россия); Заяв. № 2002611927 РФ. Опубл. от 18.02.2003. – 50с.
Пат. № 2003610986 РФ. Универсальная когнитивная аналитическая система "ЭЙДОС" /
Е.В.Луценко (Россия); Заяв. № 2003610510 РФ. Опубл. от 22.04.2003. – 50с.
Пат. № 2003610987 РФ. Автоматизированная система комплексной обработки данных
психологического тестирования "ЭЙДОС-" / Е.В.Луценко (Россия), С.Д.Некрасов (Россия); Заяв.
№ 2003610511 РФ. Опубл. от 22.04.2003. – 50с.
Пат. № 2003620035 РФ. База данных автоматизированной системы мониторинга, анализа и
прогнозирования развития сельхозкультур "ПРОГНОЗ-АГРО". / И. А. Драгавцева (Россия),
Е.В.Луценко (Россия), Л.М.Лопатина (Россия); Заяв. № 2002620178 РФ. Опубл. от 20.02.2003. –
50с.
Пат. № 940217. РФ. Универсальная автоматизированная система распознавания образов
"ЭЙДОС". /Е.В.Луценко (Россия); Заяв. № 940103. Опубл. 11.05.94. – 50с.
Пат. № 940328 РФ. Универсальная автоматизированная система анализа, мониторинга и
прогнозирования состояний многопараметрических динамических систем "ЭЙДОС-Т".
/Е.В.Луценко (Россия); Заяв. № 940324. Опубл. 18.08.94. – 50с.
Пат. № 940334. РФ. Универсальная автоматизированная система анализа и прогнозирования
ситуаций на фондовом рынке "ЭЙДОС-фонд" /Е.В.Луценко (Россия), Б.Х.Шульман (США); Заяв.
№ 940336. Опубл. 23.08.94. – 50с.
Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учебное пособие. – М.: Высшая
школа, 1997. – 389с.
Петрик А.А., Лобанов В.Г., Симанков В.С., Луценко Е.В. Адаптивная система управления
университетом (Тезисы) В сб.: "Информационные технологии и телекоммуникации в
образовании". Тезисы докладов 2-й Международной выставки-конференции. – М.: ВВЦ, 2000. –
С. 30-31.
Поспелов Д.А.. Моделирование рассуждений. - М.: Радио и связь, 1989.
Прибрам К.. Языки мозга. – М.: Прогресс, 1975.
Райков А.Н. Аналитическим службам - информационные технологии. /Ваш выбор. 1994. № 4. С.28-29.
Райков А.Н. Гносеологическая декомпозиция процессов рефлексивного управления.
/"Рефлексивное управление". Тезисы международного симпозиума (17-19.10.2000). – М.: Ин-т
психол. РАН, 2000. – С.89-90.
Райков А.Н. Интеллектуальные информационные технологии и системы. В 2-х частях. – М.:
МИРЭА, 1998. – 213с.
Райков А.Н. Интеллектуальные информационные технологии: Учебное пособие. – М.:
МГИРЭА(ТУ), 2000. - 96с.
Сайт: ИПУ РАН, Сектор-51 "Когнитивный анализ и моделирование ситуаций":
http://www.ipu.ru/labs/lab51/projects.htm.
Сафронова Т.И., Луценко Е.В. Исследование семантической информационной модели управления
качеством грунтовых вод на рисовых оросительных системах, Научный журнал КубГАУ
[Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №05(7). – Режим доступа:
http://ej.kubagro.ru/2004/05/14/p14.asp
Сафронова Т.И., Луценко Е.В. Когнитивная структуризация и формализация задачи управления
качеством грунтовых вод на рисовых оросительных системах, Научный журнал КубГАУ
[Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №05(7). – Режим доступа:
http://ej.kubagro.ru/2004/05/13/p13.asp
Сафронова Т.И., Луценко Е.В. Проблема управления качеством грунтовых вод на рисовых
оросительных системах и концепция ее решения, Научный журнал КубГАУ [Электронный
ресурс].
–
Краснодар:
КубГАУ,
2004.
–
№05(7).
–
Режим
доступа:
http://ej.kubagro.ru/2004/05/11/p11.asp
Сафронова Т.И., Луценко Е.В. Синтез, оптимизация и верификация семантической
информационной модели управления качеством грунтовых вод на рисовых оросительных
системах, Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. –
№05(7). – Режим доступа: http://ej.kubagro.ru/2004/05/12/p12.asp
Симанков В.С., Луценко Е.В. Адаптивная автоматизированная система управления качеством
обучения, В сб.: "Информационные технологии и системы". Материалы III Всероссийской.
научно-технической конференции. – Воронеж: ГГТА, 1999. – С. 155-157.
Симанков В.С., Луценко Е.В. Адаптивная система анализа и прогнозирования состояний сложных
систем “Дельта”, В сб.: "Теория конфликта и ее приложения". Материалы I Всероссийской
36
126.
127.
128.
129.
130.
131.
132.
133.
134.
135.
136.
137.
138.
139.
140.
141.
142.
143.
научно-технической конференции. – Воронеж: ВГТА, 2000. – С. 4-5.
Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории
распознавания образов, Монография (научное издание). – Краснодар: ТУ КубГТУ, 1999. –318 с.
Симанков В.С., Луценко Е.В. Исследование эффективности управления обучением с применением
адаптивной информационной модели, В сб.: "Компьютерные технологии в науке и образовании
XXI века". Материалы III международной открытой сессий "Modus Academicus". –Ульяновск:
УлГУ, 1999. – С. 242-246.
Симанков В.С., Луценко Е.В. Моделирование принятия решений в адаптивных АСУ сложными
системами на основе теории информации, Информационные технологии. – 1999. – №2. – С. 8-14.
Симанков В.С., Луценко Е.В. О требованиях, предъявляемых к тестовым заданиям и тестам по
предметной обученности (Тезисы) В сб.: "Интеллектуальные информационные системы". Тезисы
докладов 2-го Всероссийского совещания-семинара. – Воронеж: ВГТУ, 2000. – С. 35-36.
Симанков В.С., Луценко Е.В. Применение кластерно-конструктивного анализа и теории
информации для выявления конфликтующих коалиций в сложных организационных системах, В
сб.: "Теория конфликта и ее приложения". Материалы I Всероссийской научно-технической
конференции. – Воронеж: ВГТА, 2000. – С. 11-12.
Симанков В.С., Луценко Е.В. Применение семантической теории информации для обобщения и
сравнительно-типологического анализа исторического опыта стран, "Вековой поиск модели
хозяйственного развития России". Тезисы докладов III-й международной научно-практической
конференции. – Волжский: ВГУ, 2000. – С..21-23.
Симанков В.С., Луценко Е.В. Решение задач управления качеством обучения с применением
интеллектуальной системы "Дельта", В сб.: "Информационные технологии и телекоммуникации в
образовании". Тезисы докладов 2-й Международной выставки-конференции. – М.: ВВЦ, 2000. –
С. 52-53.
Симанков В.С., Луценко Е.В. Синтез адаптивных АСУ сложными системами с применением
моделей распознавания образов, Автоматизация и современные технологии. – 1999. – №1. – С. 3237.
Симанков В.С., Луценко Е.В., Зайцев И.В. Синтез автоматизированных систем управления
автономными комбинированными фотоветроэлектроэнергетическими установками, Деп. в
ВИНИТИ 27.11.98, №3500-В98. – 22 с.
Симанков В.С., Луценко Е.В., Зайцев И.В. Синтез адаптивных САУ ФВЭУ с применением
моделей распознавания образов и принятия решений, основанных на теории информации
(Тезисы) В сб.: "Компьютерные технологии в науке, проектировании и производстве". Тезисы
докладов 1-й Всероссийской научно-технической конференции. Часть 17. – Н.Новгород: НГТУ,
1999. – С. 12.
Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении,
Монография (научное издание) / Под науч. ред. В.С.Симанкова. – Краснодар: ИСТЭК, 2001. – 258
с.
Смирнов И., Безносюк Е., Журавлёв А. Психотехнологии: Компьютерный психосемантический
анализ и психокоррекция на неосознаваемом уровне. - М.: Изд. группа Прогресс-Культура, 1995. 416с.
Сотник С.Л. Конспект лекций по курсу "Основы проектирования систем искусственного
интеллекта": (1997-1998), http://neuroschool.narod.ru/books/sotnik.html.
Темников Ф.Е., Афонин В.А., Дмитриев В.И. Теоретические основы информационной техники. –
М.: Энергия, 1979. – 511с.
Терехов С.А. Лекции по теории и приложениям искусственных нейронных сетей. Лаборатория
Искусственных
Нейронных
Сетей
НТО-2,
ВНИИТФ,
Снежинск
(http://alife.narod.ru/lectures/neural/Neu_index.htm).
Ткачев А.Н., Луценко Е.В. Гуманистическая экономика, качество жизни и цели региональной
администрации, Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. –
№04(6). – Режим доступа: http://ej.kubagro.ru/2004/04/18/p18.asp
Ткачев А.Н., Луценко Е.В. Исследование многоуровневой семантической информационной
модели влияния инвестиций на уровень качества жизни населения региона, Научный журнал
КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №04(6). – Режим доступа:
http://ej.kubagro.ru/2004/04/19/p19.asp
Ткачев А.Н., Луценко Е.В. Качество жизни населения, как интегральный критерий оценки
эффективности деятельности региональной администрации, Научный журнал КубГАУ
[Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №02(4). – Режим доступа:
http://ej.kubagro.ru/2004/02/14/p14.asp
37
144.
145.
146.
147.
148.
149.
150.
151.
152.
Ткачев А.Н., Луценко Е.В. Постановка задачи и синтез многоуровневой модели влияния
инвестиций на качество жизни, Труды Кубанского государственного аграрного университета.
2002. Вып. 401 (429), юбилейный. – С. 314-326.
Ткачев А.Н., Луценко Е.В. Формальная постановка задачи и синтез многоуровневой
семантической информационной модели влияния инвестиций на уровень качества жизни
населения региона, Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004.
– №04(6). – Режим доступа: http://ej.kubagro.ru/2004/04/17/p17.asp
Третьяк В.Г., Александров С.Г., Луценко Е.В. Модель профессионально-значимых качеств
личности сотрудников ОВД, Вестник учебного отдела КЮИ МВД РФ. –2001. – №1. – С. 37-40.
Хагуров А.А., Луценко Е.В., Бакурадзе Л.А. Системный подход к социальному планированию
развития города, Проблемы управления развитием городов: сборник докладов научнопрактической конференции. – Краснодар: Краснодарский горисполком, 1985. – С. 53-61 (ДСП).
Шагас Ч. Вызванные потенциалы мозга в норме и патологии. –М.: Мир, 1975. –314с.
Шенк Р.. Обработка концептуальной информации. - М.: Энергия, 1980.
Щукин Т.Н., Дорохов В. Б., Лебедев А.Н., Луценко Е.В. ЭЭГ прогноз успешности выполнения
психомоторного теста при снижении уровня бодрствования: постановка задачи, Научный журнал
КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №04(6). – Режим доступа:
http://ej.kubagro.ru/2004/04/20/p20.asp
Щукин Т.Н., Дорохов В. Б., Лебедев А.Н., Луценко Е.В. ЭЭГ прогноз успешности выполнения
психомоторного теста при снижении уровня бодрствования: описание эксперимента, Научный
журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №04(6). – Режим доступа:
http://ej.kubagro.ru/2004/04/21/p21.asp
Щукин Т.Н., Дорохов В. Б., Лебедев А.Н., Луценко Е.В. ЭЭГ прогноз успешности выполнения
психомоторного теста при снижении уровня бодрствования: анализ результатов исследования,
Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №04(6). – Режим
доступа: http://ej.kubagro.ru/2004/04/22/p22.asp
Internet-сайты
Сайт автора: http://Lc.Kubagro.ru, выход на страничку о системе "Эйдос":
http://lc.kubagro.ru/aidos/eidos.htm.
http://ej.kubagro.ru, статьи в электронном Научном журнале КубГАУ о применении системы
"Эйдос" для решения задач СИИ в различных предметных областях:
http://ej.kubagro.ru/a/viewaut.asp?id=11
Базы данных репозитория UCI: http://www.ics.uci.edu/~mlearn/MLRepository.html
http://datadiver.nw.ru/
http://www.dialog-21.ru
http://alephegg.narod.ru/Refs/Diagonal.htm
http://www.orc.ru/~stasson/neurox.html
http://www.statsoft.ru/home/textbook/modules/stneunet.html
http://www.finbridge.ru/net.shtml
http://alife.narod.ru/
http://www.businesstest.ru/default.asp?topic_id=3
А также сайты, обнаруживаемые в поисковых системах Yandex.ru, Aport.ru и Rambler.ru
по запросам:
– "Интеллектуальная обработка данных (data mining)";
– "Распознавание образов";
– "Поддержка принятия решений";
– "Экспертные системы".
– "Когнитивное моделирование";
– "Нейронные сети";
– "Генетические алгоритмы";
– "Моделирование эволюции (машинная эволюция)";
– "Клавиатурный почерк";
– "Биометрическая идентификация пользователя";
– "Биологическая обратная связь";
– "Семантический резонанс".