Автоматизированный системно-когнитивный анализ и его применение для управления социально-экономическими системами в АПК
Ознакомление с проблемами управления социально-экономическими системами в агропромышленном комплексе. Рассмотрение теоретических основ, математической модели, методики численных расчетов и программного инструментария системно-когнитивного анализа.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 29.04.2017 |
| Размер файла | 1,0 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Для любого объекта всегда существует такая система базисных функций, что вектор объекта может быть представлен в форме линейной суперпозиции (суммы) этих базисных функций с различными амплитудами. Это утверждение, по-видимому, является одним из следствий фундаментальной теоремы А.Н. Колмогорова, доказанной им в 1957 г.
Теорема Колмогорова. Любая непрерывная функция от n переменных F(x1, x2,..., xn) может быть представлена в виде:
где gj и hij - непрерывные функции, причем hij не зависят от функции F.
Эта теорема означает, что для реализации функций многих переменных достаточно операций суммирования и композиции функций одной переменной. Удивительно, что в этом представлении лишь функции gj зависят от представляемой функции F, а функции hij универсальны. Это означает, что одну и ту же функцию многих переменных F можно разложить в ряд по различным системам базисных функций hij. Необходимо отметить, что теорема Колмогорова является обобщением теоремы В.И. Арнольда (1957), которая дает решение 13-й проблемы Гильберта.
К сожалению, определение вида функций hij и gj для данной функции F представляет собой математическую проблему, для которой пока не найдено общего строгого решения.
В работе [7] предлагается рассматривать приведенную семантическую информационную модель как один из вариантов решения этой проблемы. В этом контексте функция F интерпретируется как образ идентифицируемого объекта, функция hij - образ j-го класса, а функция gj - мера сходства образа объекта с образом класса.
3. Методика численных расчетов АСК-анализа
3.1 Детальный список БКОСА и их алгоритмов
В табл. 1 приведен детальный список базовых когнитивных операций системного анализа, которым соответствуют 24 алгоритма. Все эти алгоритмы приведены в полном виде в работе [7].
Табл. 1. Детальный список базовых когнитивных операций системного анализа (БКОСА)
|
Номер алгоритма |
Код БКОСА по схеме СК-анализа |
Номер БКОСА |
Наименование БКОСА |
Полное наименование базовых когнитивных операций системного анализа (БКОСА) |
|
|
1.1 |
1 |
Присвоение имен |
Присвоение имен классам (интенсиональная, интегральная репрезентация) |
||
|
1.2 |
Присвоение имен атрибутам (экстенсиональная, дискретная репрезентация) |
||||
|
1 |
2.1 |
2 |
Восприятие |
Восприятие и запоминание исходной обучающей информации |
|
|
2 |
2.2 |
Репрезентация. Сопоставление индивидуального опыта с коллективным (общественным) |
|||
|
3 |
3.1.1 |
3 |
Обобщение (синтез, индукция) |
Накопление первичных данных |
|
|
4 |
3.1.2 |
Исключение артефактов |
|||
|
5 |
3.1.3 |
Расчет истинности смысловых связей между предпосылками и результатами (обобщенных таблиц решений) |
|||
|
6 |
3.2 |
Определение значимости шкал и градаций факторов, уровней Мерлина |
|||
|
7 |
3.3 |
Определение значимости шкал и градаций классов, уровней Мерлина |
|||
|
8 |
4.1 |
4 |
Абстрагирование |
Абстрагирование факторов (снижение размерности семантического пространства факторов) |
|
|
9 |
4.2 |
Абстрагирование классов (снижение размерности семантического пространства классов) |
|||
|
10 |
5 |
5 |
Оценка адекватности |
Оценка адекватности информационной модели предметной области |
|
|
11 |
7 |
6 |
Сравнение, идентификация и прогнозирование |
Сравнение, идентификация и прогнозирование. Распознавание состояний конкретных объектов (объектный анализ) |
|
|
12 |
9.1 |
7 |
Анализ, дедукция и абдукция |
Анализ, дедукция и абдукция классов (семантический анализ обобщенных образов классов, решение обратной задачи прогнозирования) |
|
|
13 |
9.2 |
Анализ, дедукция и абдукция факторов (семантический анализ факторов) |
|||
|
14 |
10.1.1 |
8 |
Классификация и генерация конструктов |
Классификация обобщенных образов классов |
|
|
15 |
10.1.2 |
Формирование бинарных конструктов классов |
|||
|
16 |
10.1.3 |
Визуализация семантических сетей классов |
|||
|
17 |
10.2.1 |
Классификация факторов |
|||
|
18 |
10.2.2 |
Формирование бинарных конструктов факторов |
|||
|
19 |
10.2.3 |
Визуализация семантических сетей факторов |
|||
|
20 |
10.3.1 |
9 |
Содержательное сравнение |
Содержательное сравнение классов |
|
|
21 |
10.3.2 |
Расчет и отображение многомногозначных когнитивных диаграмм, в т.ч. диаграмм Мерлина |
|||
|
22 |
10.4.1 |
Содержательное сравнение факторов |
|||
|
23 |
10.4.2 |
Расчет и отображение многомногозначных когнитивных диаграмм, в т.ч. инвертированных диаграмм Мерлина |
|||
|
24 |
11. |
10 |
Планирование и управление |
Многовариантное планирование и принятие решения о применении системы управляющих факторов |
3.2 Иерархическая структура данных семантической информационной модели СК-анализа
На рис. 5 приведен обобщенный вид иерархической структуры баз данных семантической информационной модели системно-когнитивного 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 высоким уровням иерархии системы процессов познания. Этим определяется возможная последовательность выполнения базовых когнитивных операций.
Рис. 5. Иерархическая структура данных СК-анализа
4. Специальный программный инструментарий АСК-анализа - интеллектуальная система "Эйдос"
4.1 Цели и основные функции системы "Эйдос"
Универсальная когнитивная аналитическая система "Эйдос" является отечественным лицензионным программным продуктом [7, 15], созданным исключительно с использованием официально приобретенного лицензионного программного обеспечения. Титульная видеограмма системы приведена на рис. 6.
Рис. 6. Титульная видеограмма системы "Эйдос"
Система "Эйдос" является одним из элементов предлагаемого решения проблемы и достижения цели данной работы, так как она обеспечивает выполнение 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" служит инструментарием, решающим проблему данной работы.
Синтез содержательной информационной модели предметной области. Для разработки информационной модели предметной области необходимо владеть основными принципами ее когнитивной 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 Мерлина).
4.2 Обобщенная структура системы "Эйдос"
Данной обобщенной структуре соответствуют и структура управления и дерево диалога системы (табл. 2):
Табл. 2. Обобщенная структура системы "Эйдос"
|
Подсистема |
Режим |
Функция |
Операция |
|
|
1. Формализация ПО |
1. Классификационные шкалы и градации |
|||
|
2. Описательные шкалы (и градации) |
||||
|
3. Градации описательных шкал (признаки) |
||||
|
4. Иерархические уровни систем |
1. Уровни классов |
|||
|
2. Уровни признаков |
||||
|
5. Программные интерфейсы для импорта данных |
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 |
||||
|
7. Импорт данных из DBF-файлов стандарта Евгения Лебедева |
||||
|
8. Системно-когнитивный анализ стандартных графических шрифтов |
||||
|
9. Микроструктура системы как фактор управления ее макросвойствами |
||||
|
6. Почтовая служба по НСИ |
1. Обмен по классам |
|||
|
2. Обмен по обобщенным признакам |
||||
|
3. Обмен по первичным признакам |
||||
|
7. Печать анкеты |
||||
|
2. Синтез СИМ |
1. Ввод-корректировка обучающей выборки |
|||
|
2. Управление обучающей выборкой |
1. Параметрическое задание объектов для обработки |
|||
|
2. Статистическая характеристика, ручной ремонт |
||||
|
3. Автоматический ремонт обучающей выборки |
||||
|
3. Синтез семантической информационной модели СИМ |
1. Расчет матрицы абсолютных частот |
|||
|
2. Исключение артефактов (робастная процедура) |
||||
|
3. Расчет матрицы информативностей СИМ-1 и сделать ее текущей |
||||
|
4. Расчет условных процентных распределений СИМ-1 и СИМ-2 |
||||
|
5. Автоматическое выполнение режимов 1-2-3-4 |
||||
|
6. Измерение сходимости и устойчивости модели |
1. Сходимость и устойчивость СИМ |
|||
|
2. Зависимость валидности модели от объема обучающей выборки |
||||
|
7. Расчет матрицы информативностей СИМ-2 и сделать ее текущей |
||||
|
8. Расчет стат. характеристик обучающей выборки |
||||
|
9. Рассчитать БД разн.факт.и теор.хи-квадрат СИМ-3 и сделать ее текущей |
||||
|
10. Рассчитать матрицу ROI СИМ-4 и сделать ее текущей |
||||
|
11. Рассчитать все модели: СИМ-1, СИМ-2, СИМ-3, СИМ-4 на основе Abs.dbf |
||||
|
4. Почтовая служба по обучающей информации |
||||
|
3. Оптимизация СИМ |
1. Формирование ортонормированного базиса классов |
|||
|
2. Исключение признаков с низкой селективной силой |
||||
|
3. Удаление классов и признаков, по которым недостаточно данных |
||||
|
4. Разделение классов на типичную и нетипичную части |
||||
|
5. Генерация сочетанных признаков и перекодирование обучающей выборки |
||||
|
6. Удаление малодостоверных данных в БД: ABS, PER, INF по критерию хи-квадрат |
||||
|
4. Распознавание |
1. Ввод-корректировка распознаваемой выборки |
|||
|
2. Пакетное распознавание |
||||
|
3. Вывод результатов распознавания |
1. Разрез: один объект - много классов |
|||
|
2. Разрез: один класс - много объектов |
||||
|
4. Почтовая служба по распознаваемой выборке |
||||
|
5. Построение функций влияния |
||||
|
6. Докодирование сочетаний признаков в распознаваемой выборке |
||||
|
7. Назначения объектов на классы (задача о назначениях) |
1. Задание ограничений на ресурсы по классам |
|||
|
2. Ввод затрат на объекты |
||||
|
3. Назначения объектов на классы (LC-алгоритм) |
||||
|
4. Сравнение эффективности LC и RND алгоритмов |
||||
|
8. Интерактивная идентификация - последовательный анализ Вальда |
||||
|
9. Сортировка результатов пакетного распознавания |
||||
|
5. Типология |
1. Типологический анализ классов распознавания |
1. Информационные (ранговые) портреты (классов) |
||
|
2. Кластерный и конструктивный анализ классов |
1 Расчет матрицы сходства образов классов |
|||
|
2. Генерация кластеров и конструктов классов |
||||
|
3. Просмотр и печать кластеров и конструктов |
||||
|
4. Автоматическое выполнение режимов: 1,2,3 |
||||
|
5. Вывод 2d семантических сетей классов |
||||
|
6. Агломеративная древовидная кластеризация классов |
||||
|
7. Вывод дерева классов |
||||
|
3. Когнитивные диаграммы классов |
||||
|
2. Типологический анализ первичных признаков |
1. Информационные (ранговые) портреты признаков |
|||
|
2. Кластерный и конструктивный анализ признаков |
1. Расчет матрицы сходства образов признаков |
|||
|
2. Генерация кластеров и конструктов признаков |
||||
|
3. Просмотр и печать кластеров и конструктов |
||||
|
4. Автоматическое выполнение режимов: 1,2,3 |
||||
|
5. Вывод 2d семантических сетей признаков |
||||
|
3. Когнитивные диаграммы признаков |
||||
|
3. Подготовка баз данных для визуализации когнитивных функций в SigmaPlot и Excel |
||||
|
4. Визуализация прямых и обратных, позитивных и негативных когнитивных функций |
||||
|
6. СК-анализ СИМ |
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 |
||||
|
8. Восстановление значений функций по признакам аргумента |
1. Восстановление значений и визуализация 1d-функций |
|||
|
2. Восстановление значений и визуализация 2d-функций |
||||
|
3. Преобразование 2d-матрицы в 1d-таблицу с признаками точек |
||||
|
4. Объединение многих БД: Inp_0001.dbf и т.д. в Inp_data.dbf |
||||
|
5. Помощь по подсистеме (требования к исходным данным) |
||||
|
7. Сервис |
1. Генерация (сброс) БД |
1. Все базы данных |
||
|
2. НСИ |
1. Всех баз данных НСИ |
|||
|
2. БД классов |
||||
|
3. БД первичных признаков |
||||
|
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 СИМ-1 и СИМ-2 |
||||
|
5. Печать БД информативностей СИМ-1 и СИМ-2 |
||||
|
6. Интеллектуальная дескрипторная информационно-поисковая система |
||||
|
7. Копирование основных баз данных СИМ |
||||
|
8. Сделать текущей матрицу информативностей СИМ-1 |
||||
|
9. Сделать текущей матрицу информативностей СИМ-2 |
||||
|
10. Конвертировать все PCX в GIF |
||||
|
11. Изменение структур БД к текущему стандарту |
||||
|
12. Сделать текущей матрицу информативностей СИМ-3 |
||||
|
13. Сделать текущей матрицу информативностей СИМ-4 |
||||
|
8. О системе |
1. Графическая заставка системы «Эйдос» |
|||
|
2. Логотипы мультимоделей |
Выводы
Авторами проведен ряд исследований по управлению многоотраслевыми интегрированными производственными системами АПК (МИПС АПК), с применением АСК-анализа, технология и методика проведений которых, а также полученные результаты, отражены в работах [1-21].
В частности в статье [5] сформирована главная проблема управления МИПС АПК состоящая в том, что с одной стороны необходимо вырабатывать рекомендации по управлению, для чего необходима адаптивная модель объекта управления, а, с другой стороны, построение такой модели затруднительно из-за высокой сложности и динамичности внутренней логистики объекта управления, его территориально распределенного и многоотраслевого характера, огромного количества экономических показателей, характеризующих его деятельность на различных уровнях его организации. Кратко рассмотрены подходы к решению основной проблемы на основе «менеджмента знаний», а также соотношение данных, информации и знаний, процедуры выявления знаний из данных, способ использования знаний для прогнозирования и принятия решений, этапы жизненного цикла интеллектуального приложения и основные результаты применения современной автоматизированной технологии управления знаниями: АСК-анализа для управления МИПС АПК. В [6] приводятся основные результаты по решению основной проблемы управления МИПС АПК на основе применения современной автоматизированной технологии управления знаниями: системно-когнитивного анализа (СК-анализ). Подробнее рассматривается технология когнитивных функций СК-анализа, обеспечивающая как выявление знаний из эмпирических данных, так и использование этих знаний для поддержки принятия решений по управлению МИПС АПК в целом на основе управления характеристиками входящих в нее предприятий. В работе [7] приводятся примеры постановки и решения задач прогнозирования и поддержки принятия решений (управления) для МИПС АПК на основе его двухуровневой семантической информационной модели. В [8] в общем виде сформулирована проблема управления МИПС АПК. Предлагается общий метод решения сформулированной проблемы путем применения системно-когнитивного подхода. В [9] предлагается общий метод решения сформулированной проблемы путем применения системно-когнитивного подхода. Описывается первый этап синтеза модели: когнитивная структуризация объекта управления и классификация частных моделей, входящих в многоуровневую семантическую информационную модель МИПС АПК. В [10] в обобщенной форме рассмотрена методология применения системно-когнитивного анализа для синтеза многоуровневой семантической информационной модели управления МИПС АПК и решения на ее основе задач прогнозирования, поддержки принятия решений по управлению и научных исследований. В работах [11] и [12] анализируются исходные данные для построения двухуровневой семантической информационной модели управления МИПС АПК, ставится и решается задача их автоматизированного преобразования к виду, непосредственно воспринимаемому системой "Эйдос" с помощью одного из ее стандартных интерфейсов. Приводятся алгоритм и исходный текст программы, обеспечивающей эти функции, а также результаты ее работы и автоматически сформированные системой "Эйдос" справочники классов и факторов, а также обучающая выборка для частных моделей, входящих в двухуровневую семантическую информационную модель управления МИПС АПК. В статье [13] на простом примере описывается смысл семантической информационной модели СК-анализа. Приводятся результаты синтеза и верификации системы частных моделей, входящих в двухуровневую семантическую информационную модель управления МИПС АПК. В [14] приводятся примеры постановки и решения задач прогнозирования и поддержки принятия решений (управления) для МИПС АПК на основе двухуровневой семантической информационной модели. В [15] проводится исследование двухуровневой семантической информационной модели МИПС АПК, которое корректно считать исследованием самого объекта моделирования и управления, так как верификация модели показала ее высокую адекватность.
В [16] формулируется проблема краткосрочного прогнозирования значений экономических показателей МИПС АПК, на основе применения системно-когнитивного анализа (СК-анализ) и его инструментария - интеллектуальной системы «Эйдос», осуществляется формальная постановка задачи и формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и формирование обучающей выборки. В [17] описывается процедура синтеза четырех моделей МИПС АПК, отличающихся частыми критериями взаимосвязи между прошлыми показателями предприятий, входящих в корпорацию и будущими состояниями корпорации в целом, производится верификация всех частных моделей с использованием двух интегральных критериев, осуществляется прогнозирование будущих состояний корпорации по их системе детерминации.
В [18] формулируется проблема краткосрочного прогнозирования трендов экономических показателей МИПС АПК, на основе применения системно-когнитивного анализа (СК-анализ) и его инструментария (интеллектуальной системы «Эйдос») осуществляется формальная постановка задачи и формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и формирование обучающей выборки, а также синтез и верификация моделей, включающих четыре базы знаний, отличающихся частными критериями знаний. В статье [19] описывается процедура синтеза четырех моделей МИПС АПК, отличающихся частными критериями взаимосвязи между трендами прошлых показателей предприятий, входящих в корпорацию и будущими состояниями корпорации в целом, производится верификация всех частных моделей с использованием двух интегральных критериев, осуществляется прогнозирование будущих состояний корпорации по их системе детерминации.
В статье [20] формулируется проблема краткосрочного прогнозирования сценариев изменения трендов экономических показателей многоотраслевой корпорации, на основе прошлых сценариев с применением системно-когнитивного анализа (СК-анализ) и его инструментария (интеллектуальной системы «Эйдос»). Осуществляется формальная постановка задачи и формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и формирование обучающей выборки. Описывается процедура синтеза четырех моделей корпорации, отличающихся частными критериями взаимосвязи между прошлыми и будущими сценариями трендов показателей корпорации. Производится верификация всех частных моделей с использованием двух интегральных критериев. Решается задача прогнозирования динамики будущих состояний корпорации на основе ее динамики в прошлом. В статье [21] проводится системно-когнитивный анализ когнитивных моделей (баз знаний) краткосрочного прогнозирования сценариев изменения трендов экономических показателей многоотраслевой корпорации, на основе прошлых сценариев.
Но главный вывод, который, по мнению авторов обоснованно можно сделать по результатам данной работы состоит в том, что математическая модель, методика численных расчетов (структуры данных и алгоритмы), специальный программный инструментарий СК-анализа (система "Эйдос"), а также методика и технология их применения являются адекватным инструментом для управления социально-экономическими системами в АПК. Таким образом, системно-когнитивный анализ и реализующий его программный инструментарий - универсальная когнитивная аналитическая система "Эйдос" являются адекватным средством решения поставленной в работе проблемы и задач.
Литература
Обобщающие работы
1. 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.
2. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). - Краснодар: КубГАУ. 2005. - 480 с.
3. Луценко Е. В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: Монография (научное издание). - Краснодар: КубГАУ, 2008. - 257 с.
4. Макаревич О.А. Управление агропромышленным холдингом с применением технологий искусственного интеллекта: Монография (научное издание). - М: "Финансы и статистика", 2009. - 215 с.
Методологические работы
5. Луценко Е.В. Автоматизированные технологии управления знаниями в агропромышленном холдинге / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №08(52). С. 98 - 109. - Шифр Информрегистра: 0420900012\0088. - Режим доступа: http://ej.kubagro.ru/2009/08/pdf/07.pdf, 0,75 у.п.л.
6. Луценко Е.В. Управление агропромышленным холдингом на основе когнитивных функций связи результатов работы холдинга и характеристик его предприятий / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №10(54). С. 248 - 260. - Шифр Информрегистра: 0420900012\0111. - Режим доступа: http://ej.kubagro.ru/2009/10/pdf/15.pdf, 0,812 у.п.л.
7. Макаревич О.А. Применение технологий искусственного интеллекта для прогнозирования и управления в агропромышленном холдинге / О.А. Макаревич, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №05(59). С. 149 - 157. - Шифр Информрегистра: 0421000012\0093. - Режим доступа: http://ej.kubagro.ru/2010/05/pdf/10.pdf, 0,562 у.п.л.
8. Макаревич О.А. Управление агропромышленным холдингом на основе системно-когнитивного подхода / О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №04(58). С. 233 - 242. - Шифр Информрегистра: 0421000012\0069. - Режим доступа: http://ej.kubagro.ru/2010/04/pdf/13.pdf, 0,625 у.п.л.
9. Луценко Е.В. Системно-когнитивный подход к построению многоуровневой семантической информационной модели управления агропромышленным холдингом / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №07(41). С. 194 - 214. - Шифр Информрегистра: 0420800012\0095. - Режим доступа: http://ej.kubagro.ru/2008/07/pdf/11.pdf, 1,312 у.п.л.
10. Луценко Е.В. Методология применения системно-когнитивного анализа для синтеза многоуровневой семантической информационной модели агропромышленного холдинга и решения на ее основе задач прогнозирования, поддержки принятия управленческих решений и научных исследований / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №01(45). С. 11 - 29. - Шифр Информрегистра: 0420900012\0006. - Режим доступа: http://ej.kubagro.ru/2009/01/pdf/02.pdf, 1,188 у.п.л.
Работы, посвященные синтезу моделей и их применению для решения задач прогнозирования, управления и исследования предметной области
11. Луценко Е.В. Исследование характеристик исходных данных по агропромышленному холдингу и разработка программного интерфейса их объединения и стандартизации (формализация предметной области) / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №07(41). С. 215 - 246. - Шифр Информрегистра: 0420800012\0094. - Режим доступа: http://ej.kubagro.ru/2008/07/pdf/12.pdf, 2 у.п.л.
12. Макаревич О.А. Программный интерфейс стандартизации исходных данных по агропромышленному холдингу / О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №04(58). С. 243 - 251. - Шифр Информрегистра: 0421000012\0066. - Режим доступа: http://ej.kubagro.ru/2010/04/pdf/14.pdf, 0,562 у.п.л.
13. Луценко Е.В. Синтез и верификация двухуровневой семантической информационной модели агропромышленного холдинга / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №08(42). С. 1 - 15. - Шифр Информрегистра: 0420800012\0120. - Режим доступа: http://ej.kubagro.ru/2008/08/pdf/01.pdf, 0,938 у.п.л.
14. Луценко Е.В. Решение задач прогнозирования и поддержки принятия решений (управления) для агропромышленного холдинга на основе его двухуровневой семантической информационной модели / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №08(42). С. 16 - 34. - Шифр Информрегистра: 0420800012\0119. - Режим доступа: http://ej.kubagro.ru/2008/08/pdf/02.pdf, 1,188 у.п.л.
15. Луценко Е.В. Исследование двухуровневой семантической информационной модели агропромышленного холдинга / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №08(42). С. 35 - 75. - Шифр Информрегистра: 0420800012\0118. - Режим доступа: http://ej.kubagro.ru/2008/08/pdf/03.pdf, 2,562 у.п.л.
Работы, посвященные прогнозирования значений, трендов и сценариев изменения экономических показателей
16. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е.В. Луценко, В.И. Лойко, О.А. Макаревич, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №07(71). С. 692 - 705. - Шифр Информрегистра: 0421100012\0271. - Режим доступа: http://ej.kubagro.ru/2011/07/pdf/49.pdf, 0,875 у.п.л.
17. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е.В. Луценко, В.И. Лойко, О.А. Макаревич, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №07(71). С. 706 - 719. - Шифр Информрегистра: 0421100012\0268. - Режим доступа: http://ej.kubagro.ru/2011/07/pdf/50.pdf, 0,875 у.п.л.
18. Луценко Е.В. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е.В. Луценко, В.И. Лойко, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №09(73). С. 466 - 477. - Шифр Информрегистра: 0421100012\0378. - Режим доступа: http://ej.kubagro.ru/2011/09/pdf/43.pdf, 0,75 у.п.л.
19. Луценко Е.В. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е.В. Луценко, В.И. Лойко, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №09(73). С. 478 - 487. - Шифр Информрегистра: 0421100012\0376. - Режим доступа: http://ej.kubagro.ru/2011/09/pdf/44.pdf, 0,625 у.п.л.
20. Макаревич Л.О. АСК-анализ и прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации (часть 1) / Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №02(76). С. 124 - 145. - Режим доступа: http://ej.kubagro.ru/2012/02/pdf/11.pdf, 1,375 у.п.л.
21. Макаревич Л.О. АСК-анализ и прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации (часть 2) / Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №02(76). С. 180 - 194. - Режим доступа: http://ej.kubagro.ru/2012/02/pdf/15.pdf, 0,938 у.п.л.
Размещено на Allbest.ru
...Подобные документы
Перечень документов для комплекса автоматизированных подсистем информационных технологий управления кампуса. Отслеживание результативности провайдера на этапе реализации контракта. Необходимость пересмотра архитектуры управления информационными системами.
контрольная работа [422,4 K], добавлен 05.05.2015Необходимая терминология и основные программные продукты для управления проектами. Краткое ознакомление с системами: Project, Primavera, Spider Protect и Open Plan. Корпоративное управление проектами. Отличительные черты программного обеспечения СКПК.
контрольная работа [1,3 M], добавлен 13.09.2010Анализ функциональной структуры и обеспечивающей части АСУ. Проектирование функциональной структуры подсистемы управления проблемами, разработка модели в среде CPN Tools и алгоритма работы. Описание программного и технического обеспечения проекта.
дипломная работа [5,6 M], добавлен 26.06.2011Стратегия иерархического, многослойного управления большими системами. Метод согласования модели. Двухуровневое решение задачи статической оптимизации. Метод прогнозирования взаимодействия. Согласование цели, однородность. Время отклика прогнозирования.
лекция [201,0 K], добавлен 29.09.2008Анализ конструкторско-технологических характеристик и структуры сливной железнодорожной эстакады. Технология слива нефтепродуктов. Характеристика метода автоматизированного управления сложными динамическими системами Scada, шкаф управления и контроля.
реферат [69,2 K], добавлен 05.04.2010Предмет и этапы когнитивного анализа задач, его основные методы и их реализация на псевдокодовом языке. Виды факторов, использующихся при когнитивном моделировании систем. Предъявляемые к библиотеке требования, оценка ее экономической эффективности.
дипломная работа [1,3 M], добавлен 29.01.2013Ознакомление с современным состоянием и проблемами развития российской инновационной среды. Разработка системы автоматизации управления инновационными проектами на предприятиях. Рассмотрение интерфейса программного продукта и руководства пользователя.
курсовая работа [2,8 M], добавлен 09.04.2012PLC-контроллеры как компьютерные, твердотельные устройства, контролирующие промышленные процессы и оборудование. Знакомство с наиболее распространенными промышленными системами управления. Характеристика главных компонентов управления ICS-систем.
реферат [1,0 M], добавлен 21.01.2016Иерархические, сетевые и реляционные модели данных. Различия между OLTP и OLAP системами. Обзор существующих систем управления базами данных. Основные приемы работы с MS Access. Система защиты базы данных, иерархия объектов. Язык программирования SQL.
курс лекций [1,3 M], добавлен 16.12.2010Рассмотрение области применения, принципа действия, преимуществ и стоимости внедрения автоматизированной системы диспетчерского управления городского пассажирского транспорта "Фара-0050". Анализ ее аппаратного, программного, организационного обеспечения.
дипломная работа [353,3 K], добавлен 19.09.2010Информатизация в процессах управления экономическими процессами. Основные требования к системам, используемым в процессе управления. Расчет процентного отношения бракованных изделий к общему количеству выпущенных изделий в виде консолидированной таблицы.
контрольная работа [166,7 K], добавлен 25.04.2013Принцип работы автоматизированной информационной технологии, особенности ее применения в налоговой системе. Роль АИС "Налог" в повышении эффективности функционирования системы налогообложения. Информационные технологии управления бюджетной системой.
контрольная работа [18,8 K], добавлен 13.10.2009Общая характеристика автоматизированной системы мониторинга и учета электроэнергии на фидерах контактной сети. Сравнение с современными автоматизированными системами коммерческого учета электроэнергии. Разработка модели и алгоритма программного комплекса.
дипломная работа [2,0 M], добавлен 28.06.2015Проектирование информационной системы. Описание бизнес-процесса работы ООО "Сервис-ТВ". Правила работы с автоматизированными информационными системами. Построение базы данных в среде OpenOffice. Методика расчета оценки экономической эффективности.
курсовая работа [3,4 M], добавлен 22.11.2012Рассмотрение приемов разработки программных средств для автоматизированных систем обработки информации и управления. Разработка программного продукта, предназначенного для автоматизации работы заместителя директора по учебно-воспитательной работе.
дипломная работа [1,7 M], добавлен 27.02.2015Описание функциональных возможностей Adobe Flash как программного продукта, предназначенного для создания интерактивной анимации. Изучение элементов интерфейса и управления Adobe Flash, овладение её графическими системами. Разработка анимационного ролика.
лабораторная работа [3,9 M], добавлен 15.06.2013Ознакомление с техническими характеристиками, видами, файловыми системами и технологией записи данных на жестом диске. Определение причин и опасностей перегрева винчестера. Рассмотрение конструкции датчика температур с интерфейсом RS-485 PTC-095.
дипломная работа [2,4 M], добавлен 14.07.2010Общая характеристика деятельности ОАО "Свердловскавтодор". Структура управления предприятия. Автоматизированная система управления технологическим процессом. Изготовление программного продукта, предназначенного для тестирования рабочего персонала.
отчет по практике [1,2 M], добавлен 13.05.2011Общая характеристика программной модели процессора Intel x86. Анализ особенностей регистров общего назначения. Назначение команд безусловной передачи управления, рассмотрение функций. Знакомство с проблемами программирования на языке Ассемблера.
курсовая работа [1,6 M], добавлен 04.02.2014Современные инструменты разработки программного обеспечения для СУТП. Универсальные языки программирования и сравнение их со SCADA-системами. Разработка программного обеспечения с использованием многоканальных измерительных преобразователей Ш9327.
дипломная работа [2,3 M], добавлен 13.07.2011
