Сущность автоматизированного системно-когнитивного анализа. Последовательность преобразования данных в информацию, интегральные критерии, принятие управляющих решений. Синтез статистических, системно-когнитивных моделей. Формы решения задачи SWOT-анализа.
Аннотация к работе
(Introduction) 1. Материалы и методы (Materials and methods) 1.1 Идея и концепция решения проблемы (задача 1) 1.2 Обоснование выбора метода и инструмента решения проблемы (задача 2) 1.2.1 Суть метода АСК-анализа 1.2.2 Суть математической модели АСК-анализа и частные критерии 1.2.3 Интегральные критерии и принятие управляющих решений 1.3 Применение системы «Эйдос»для создания интеллектуального приложения (задача 3) 1.3.1 Когнитивно-целевая структуризация предметной области 1.3.2 Формализация предметной области и описание исходных данных 1.3.3 Синтез статистических и системно-когнитивных моделей 1.3.4 Верификация статистических и системно-когнитивных моделей 1.3.5 Повышение качества модели 1.3.6 Выбор наиболее достоверной модели и присвоение ей статуса текущей 2. Результаты и обсуждение (Results and discussion) 2.1 Диагностика (классификация, распознавание, идентификация) (задача 3) 2.2 Исследование предметной области путем исследования ее модели (задача 3) 2.2.1 Нелокальные нейроны и нейронные сети 2.2.2 Когнитивные диаграммы классов 2.2.3 Когнитивные диаграммы значений факторов 2.2.4 Когнитивные диаграммы содержательного сравнения классов 2.2.5 Когнитивные диаграммы содержательного сравнения значений факторов 2.2.6 Интегральные когнитивные карты 2.2.7 Когнитивные функции 2.3 Поддержка принятия решений (задача 3) 3. С другой стороны, они крайне сложно поддаются описанию в виде содержательных аналитических моделей, основанных на уравнениях, например с применением математического аппарата теории автоматического управления. Концепция решения проблемы конкретизирует сформулированную выше идею и заключается в применении технологий искусственного интеллекта для создания приложений, обеспечивающих системно-когнитивное моделирование агрономических систем. Классы можно сравнивать друг с другом по тому, какое количество информации о принадлежности к ним содержат значения факторов. 1.2 Обоснование выбора метода и инструмента решения проблемы (задача 2) Автоматизированный системно-когнитивный анализ (АСК-анализ) разработан проф. Е.В. Луценко в 2002 году [3] для решения широкого класса задач идентификации, прогнозирования, классификации, диагностики, поддержки принятия решений и исследования моделируемой предметной области путем исследования ее модели. Система «Эйдос» разработана автором проф.Е.В.Луценко в универсальной постановке не зависящей от предметной области и находится в полном открытом бесплатном доступе на сайте автора по адресу: причем с открытыми актуальными исходными текстами: Система имеет 30 встроенных локальных учебных приложений и около 100 облачных Эйдос-приложений учебного и научного характера [5, 21, 22]. 1.2.1 Суть метода АСК-анализа Суть метода АСК-анализа состоит в последовательном повышении степени формализации модели и преобразовании данных в информацию, а ее в знания и решении на основе этих знаний задач идентификации (распознавания, классификации и прогнозирования), поддержки принятия решений и исследования моделируемой предметной области (рис. 1, 2): Рисунок 1. Ni - количество встреч i-м значения прошлого параметра по всей выборке; Nj - количество встреч j-го значения будущего параметра по всей выборке; N - количество встреч j-го значения будущего параметра при i-м значении прошлого параметра по всей выборке. Таблица 4 - Матрица системно-когнитивной модели Классы Значимость фактора 1 ... j ... Ниже приведены классификационные и описательные шкалы и градации (таблицы 6 и 7), а также обучающая выборка (рисунок 9): Таблица 6 - Классификационные шкалы и градации KOD_CLS NAME_CLS 1 УРОЖАЙНОСТЬ(Ц/ГА)-1/3-{32.1000000, 45.9333333} 2 УРОЖАЙНОСТЬ(Ц/ГА)-2/3-{45.9333333, 59.7666667} 3 УРОЖАЙНОСТЬ(Ц/ГА)-3/3-{59.7666667, 73.6000000} 4 КАЧЕСТВО-1 класс 5 КАЧЕСТВО-2 класс 6 КАЧЕСТВО-3 класс 7 КАЧЕСТВО-4 класс 8 КАЧЕСТВО-5 класс 9 ПРИБЫЛЬ (ТЫС.РУБ./ГА)-1/3-{1.6000000, 7.7666667} 10 ПРИБЫЛЬ (ТЫС.РУБ./ГА)-2/3-{7.7666667, 13.9333333} 11 ПРИБЫЛЬ (ТЫС.РУБ./ГА)-3/3-{13.9333333, 20.1000000} 12 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ)-1/3-{126.0000000, 973.6000000} 13 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ)-2/3-{973.6000000, 1821.2000000} 14 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ)-3/3-{1821.2000000, 2668.8000000} 15 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ)-1/3-{4.2190000, 41.4893333} 16 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ)-2/3-{41.4893333, 78.7596667} 17 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ)-3/3-{78.7596667, 116.0300000} 18 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА)-1/3-{57.4757282, 329.6112698} 19 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА)-2/3-{329.6112698, 601.7468113} 20 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА)-3/3-{601.7468113, 873.8823529} Таблица 7 - Описательные шкалы и градации KOD_ATR NAME_ATR 1 ПЛОЩАДЬ (ГА)-1/12-{49.0000000, 56.5000000} 2 ПЛОЩАДЬ (ГА)-2/12-{56.5000000, 64.0000000} 3 ПЛОЩАДЬ (ГА)-3/12-{64.0000000, 71.5000000} 4 ПЛОЩАДЬ (ГА)-4/12-{71.5000000, 79.0000000} 5 ПЛОЩАДЬ (ГА)-5/12-{79.0000000, 86.5000000} 6 ПЛОЩАДЬ (ГА)-6/12-{86.5000000, 94.0000000} 7 ПЛОЩАДЬ (ГА)-7/12-{94.0000000, 101.5000000} 8 ПЛОЩАДЬ (ГА)-8/12-{101.5000000, 109.0000000} 9 ПЛОЩАДЬ (ГА)-9/12-{109.0000000, 116.5000000} 10 ПЛОЩАДЬ (ГА)-10/12-{116