CC BY
67
УДК 303.732.4
АСК-АНАЛИЗ ДИНАМИКИ НАУЧНЫХ ИССЛЕДОВАНИЙ ПО ПУБЛИКАЦИЯМ В НАУЧНОМ ЖУРНАЛЕ КУБГАУ1
UDC 303.732.4
ASC- ANALYSIS OF THE DYNAMICS OF SCIENTIFIC RESEARCH FOR PUBLICATION IN THE SCIENTIFIC JOURNAL OF KUBAN STATE AGRARIAN UNIVERSITY
Луценко Евгений Вениаминович д.э.н., к.т.н., профессор
Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, prof.lutsenko@gmail.com
Лойко Валерий Иванович
д.т.н., профессор, заслуженный деятель науки РФ
Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, loyko@kubaгro. т
Данная статья написана в связи с выходом юбилейного 100-го номера Научного журнала КубГАУ. Это событие наводит на мысль о возможности исследования динамики проблематики научных исследований по публикациям в Научном журнале КубГАУ. Этому вопросу и посвящена данная статья. В качестве инструментов данного исследования применены автоматизированный системнокогнитивный анализ (АСК-анализ) и его программный инструментарий - Универсальная когнитивная аналитическая система «Эйдос-Х++»
Ключевые слова: ПОЛИТЕМАТИЧЕСКИЙ СЕТЕВОЙ ЭЛЕКТРОННЫЙ НАУЧНЫЙ ЖУРНАЛ КУБАНСКОГО ГОСУДАРСТВЕННОГО АГРАРНОГО УНИВЕРСИТЕТА
Lutsenko Eugeny Veniaminovich Dr.Sci.Econ., Cand.Tech.Sci., professor
Kuban State Agrarian University, Krasnodar, Russia
Loiko Valery Ivanovich
Dr.Sci.Tech., professor, deserved scientist of the Russian Federation
Kuban State Agrarian University, Krasnodar, Russia
This article is written in connection with the anniversary of 100-th issue of the Scientific journal of Kuban state agrarian University. This event suggests the possibility of studying the dynamics topics of research for publication in the Scientific journal of Kuban state agrarian University. This issue is described in the article. The instrument for this study was applied automated system-cognitive analysis (ASC-analysis) and software tools - Universal cognitive analytical system "Eidos-X++"
Keywords: POLYTHEMATIC ONLINE SCIENTIFIC JOURNAL OF KUBAN STATE AGRARIAN UNIVERSITY
Данная статья написана в связи с выходом юбилейного 100-го номера Научного журнала КубГАУ [1]. Это событие наводит на мысль о возможности исследования динамики проблематики научных исследований по публикациям в Научном журнале КубГАУ. Этому вопросу и посвящена данная статья. В качестве инструментов данного исследования применены автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий - Универсальная когнитивная аналитическая система «Эйдос-Х++» [1-33].
1 Материал подготовлен по результатам исследований, проведенных при финансовой поддержке РГНФ, проект №13-02-00440а
АСК-анализ предполагает следующие этапы формирования и повышения степени формализации модели, решения различных задач и проведения исследования [2] (рисунок 1):
1. Когнитивная структуризация предметной области.
2. Формализация предметной области (разработка классификационных и описательных шкал и градаций и обучающей выборки).
3. Синтез и верификация модели.
4. Решение задач идентификации, прогнозирования и принятия решений.
5. Исследование предметной области.
Последовательность обработки данных, информации и знаний в системе Эйдос-Х++ ( Когнитивная структуризация предметной области)
Формализация предметной области
СІаББ^Бс, Єг__СІБс Классификационные шкалы и градации
0рів_3с, Ог_ОрБс Описательные шкалы и градации
Обучающая
выборка
ОЬі_гад
Заголовки объектов обучающей выборки
ОЫ_Кс1
Коды классов объектов обучающей выборки
ОЫ_Крг
Коды признаков объектов обучающей выборки
/ Исходные БД Ргс1 АЬэ Ргс2 N
для расчета БЗ Вероятность того, что если у объекта Матрща абсолютных частот встреч Вероятность того, что если предъявлен
Ьго класса обнаружен признак, — сочетании: класс х признак ' объект Ьго класса, то у него будет
ч то это 1-и признак (матрица сопряженности) обнаружен ьй признак.
Базы
знаний
№1
Количество знаний по А.Харкевичу
№4
(?ОІ - Реіигп Оп Іпуейтегі
№6
Разность условной и безусловной вероятностей
№3
Хи-квадрат: разности между фактическими и теоретически ожидаемыми по критерию
№2
Количество знаний по А.Харкевичу
№5
ИОІ - Реіигп Оп Іпуе^тегЛ
№7
Разность условной и безусловной вероятностей
г 1 Решение задач Выбор ОДНОЙ из моделей баз знаний в качестве текущей
V - -Решение задач идентифкац^и и прогнозирования V - -Решение задач поддержки принятия решений .. - г Решение задач ^ исследования предметной области,путем исследования ^ ее модели ^ у
Рисунок 1. Этапы АСК-анализа
Рассмотрим эти этапы конкретно применительно к решаемой в статье задаче.
1. Когнитивная структуризация предметной области
На этом этапе исследователь должен решить для себя, что он хочет исследовать и на основе чего. В данном случае мы хотим понять, каким направлениям науки посвящены в основном конкретные номера Научного журнала КубГ АУ и по каким направлениям науки в основном публиковали статьи авторы журнала в различные годы с 2003 по 2014., т.е. с 1-го номера по 99-й.
Конечно, можно было бы просто посчитать количество статей в различных номерах, посвященных различным направлениям науки или содержащих в наименовании статьи те или иные слова. Можно также рассчитать и процент статей для каждого номера и года по различным направлениям науки. Но авторы считают, что этого недостаточно и необходимо сравнить процентные распределения и получить количественную информацию о том, в какой степени характерно или нехарактерно то или иное направление науки для каждого конкретного номера журнала или года. А для этого уже необходимо применение АСК-анализа.
2. Формализация предметной области (разработка классификационных и описательных шкал и градаций и обучающей выборки)
Итак, чтобы решить поставленную задачу, исходные данные необходимо преобразовать в информацию. Для этого необходимо провести их анализ с целью их осмысления, а для этого согласно концепции смысла Шенка-Абельсона [4] необходимо на основе исходных данных выявить события в исследуемой предметной области и причинно-следственные связи между этими событиями [19].
Для классификации и кодирования событий-причин и событий-следствий создаются справочники, которые в АСК-анализе и системе «Эй-дос» называются классификационными и описательными шкалами и градациями [33]. Затем с помощью этих справочников исходные данные кодируются в результате чего и получается обучающая выборка.
Таким образом, в результате выполнения этапа формализации предметной области базы исходных данных преобразуются в базы событий, состоящие из баз классификационных и описательных шкал и градаций и закодированных с их использованием исходных данных, представляющие собой обучающую выборку.
Этап формализации предметной области может выполняться вручную. Но чаще всего намного удобнее и эффективнее использовать для этого универсальный программный интерфейс с внешними базами данных, имеющийся в системе «Эйдос». Этот интерфейс предъявляет определенные нежесткие требования к структуре файла исходных данных, которые приведены на рисунке 2.
В качестве исходных данных для исследования использована выборка из баз данных англоязычной версии сайта Научного журнала КубГАУ , предоставленная web-мастером журнала, начальником Центра информационных технологий КубГАУ , к.т.н., доцентом А.С.Креймером (таблица 1). Эта выборка полностью соответствует требованиям универсального программного интерфейса, приведенным на рисунке 2. Полностью исходные данные в статье не могут быть приведены, т.к. они представляют собой Excel-файл из 3834 строк.
2 http://si .kubsau.ru/
3 http://kubsau.ru/university/departments/it се^ег/
(*) Помощь по режиму 2.32.2 для случая Excel-файлов исходных данных
Режим 2.3.2.2: Универсальный программный интерфейс импорта данных из внешней базы данных 'lnp_data.xls' в систему ,Эйдос-х++1 и формализации предметной области.
■ Данный программный интерфейс обеспечивает автоматическое Формирование классификационных и описательных шкал и градаций, а также обучающей и распознаваемой выборки, т. е. Формализацию предметной области, на основе >15 или ХЦзХ-Файлэ с исходными данными приведенного ниже стандарта.
■ Файл исходных данных должен иметь имя: ШР_0АТА.Х16 или 1МР_0АТАХ1.6Х и может быть получен в Ехсе)-2003(2007-2010), а Файл распознаваемой выборки имя INP_RASP.XLS или МР_ЯА5РХ15Х. Файлы ШР.ОАТАХ^ (INP_DATA.Xl.SX) и INP_RASP.XLS или МР_ВА5Р. Х1.$Х) должны находиться в папке /АШОЭ-Х/А10_0АТАЛпр_с!а4а/ и имеют совершенно одинаковую структуру.
- 1-я строка этого Файла должна содержать наименования колонок на любом языке, в т. ч. и русском. Эти наименования должны быть во всех колонках, при этом объединение ячеек и переносы слов не допускаются. Желательно, чтобы эти наименования были не очень длинными, т.к. к ним еще будут добавляться интервальные числовые или текстовые значения.
- Каждая строка этого Файла, начиная со 2-й, содержит данные об одном объекте обучающей выборки. Если Ехсе1-2003, в листе может быть до 65536 строк и до 256 колонок. В листе Ехсе1-2007(2010) возможно до 1 048 576 строк и 16 384 колонок.
- Столбцы, начиная со 2-го, являются классификационными и описательными шкалами и могут быть текстового (номинального) или числового типа (с десятичными знаками после запятой).
- Столбцу присваивается числовой тип, если все значения его ячеек числового типа Если хотя бы одно значение является текстовым (не числом, в т.ч. пробелом), то столбцу присваивается текстовый тип. Это означает, что нум должны быть указаны нулями, а не пробелами.
• 1 -й столбец содержит наименование источника данных длиной до 255 символов, но желательно, чтобы эти наименования были не очень длинными.
• Столбцы со 2-го по №й являются классификационными шкалами (выходными параметрами) и содержат данные о классах (будущих состояниях объекта управления), к которым принадлежат объекты обучающей выборки.
• Столбцы с N+1 по последний являются описательными шкалами (факторами) и содержат данные о признаках (значениях Факторов), характеризующих объекты обучающей выборки.
- 8 результате работы режима Формируется Файл INP_NAME.TXT стандарта МБ 005 (кириллица), в котором наименования классификационных и описательных шкал являются СТРОКАМИ. Система Формирует классификационные и описательные шкалы и градации. Для этого в каждом числовом столбце система находит минимальное и максимальное числовые значения и Формирует заданное количество числовых интервалов, после чего числовые значения заменяются их интервальными значениями. В текстовых столбцах система находит уникальные текстовые значения. Каждое УНИКАЛЬНОЕ интервальное числовое или текстовое значение считается градацией классификационной или описательной шкалы, характеризующей объект. С их использованием генерируется обучающая выборка, каждый объект которой соответствует одной строке Файла исходных данных №_0АТА и содержит коды классов, соответствующие Фактам совпадения числовых или уникальных текстовых значений классов с градациями классификационных шкал и коды признаков, соответствующие Фактам совпадения числовых или уникальных текстовых значений признаков с градациями описательных шкал.
- Распознаваемая выборка Формируется на основе файла 1МР_ЯА5Р аналогично, за исключением того, что классификационные и описательные шкалы и градации не создаются, а используются ранее созданные в модели, и базы распознаваемой выборки могут не включать коды классов, если столбцы классов в Файле 1ЫР_Р1А5Р были пустыми. Структура Файла МР_ЯА6Р должна быть такая же, как№Р_ОАТА,т.е. они должны ПОЛНОСТЬЮ совпадать по столбцам, но могут иметь разное количество строк.
-Принцип организации таблицы исходных данных:
Наименование объекта обучающей выборки Наименование 1-й классификационной шкапы Наименование 2-й классификационной шкалы Наименование 1-й описательной шкалы Наименование 2-й описательной шкалы
1-й объект обучающей выборки Значение показателя Значение показателя Значение показателя Значение показателя
2-й объект обучающей выборки Значение показателя Значение показателя Значение показателя Значение показателя
... ••• ....
Qk
Cancel
Рисунок 2 - Требования к структуре файла исходных данных (Help универсального программного интерфейса системы «Эйдос» с внешними базами данных)
Таблица 1 - Исходные данные для изучения динамики научных исследований по публикациям в^ Научном журнале КубГАУ (фрагмент)
ID article Год № Направление науки
0010301001 2003 001 05.00.00 Технические науки
0010301002 2003 001 05.00.00 Технические науки
0010301004 2003 001 05.00.00 Технические науки
0010301005 2003 001 05.00.00 Технические науки
0010301006 2003 001 08.00.00 Экономические науки
0010301007 2003 001 08.00.00 Экономические науки
0010301008 2003 001 19.00.00 Психологические науки
0010301009 2003 001 19.00.00 Психологические науки
0010301010 2003 001 05.00.00 Технические науки
0010301011 2003 001 05.00.00 Технические науки
0010301012 2003 001 08.00.00 Экономические науки
0010301013 2003 001 08.00.00 Экономические науки
0010301014 2003 001 01.00.00 Физико-математические науки
0010301015 2003 001 01.00.00 Физико-математические науки
0010301016 2003 001 05.00.00 Технические науки
0010301017 2003 001 05.00.00 Технические науки
0010301018 2003 001 08.00.00 Экономические науки
0010301019 2003 001 08.00.00 Экономические науки
0020302001 2003 002 01.00.00 Физико-математические науки
0020302002 2003 002 08.00.00 Экономические науки
0020302003 2003 002 08.00.00 Экономические науки
0020302004 2003 002 01.00.00 Физико-математические науки
0020302005 2003 002 08.00.00 Экономические науки
0020302006 2003 002 01.00.00 Физико-математические науки
0020302007 2003 002 08.00.00 Экономические науки
0020302008 2003 002 05.00.00 Технические науки
0020302009 2003 002 08.00.00 Экономические науки
0020302010 2003 002 08.00.00 Экономические науки
0020302011 2003 002 08.00.00 Экономические науки
0020302012 2003 002 05.00.00 Технические науки
0020302013 2003 002 05.00.00 Технические науки
0020302014 2003 002 08.00.00 Экономические науки
0020302015 2003 002 12.00.00 Юридические науки
0020302016 2003 002 12.00.00 Юридические науки
0020302017 2003 002 12.00.00 Юридические науки
0020302018 2003 002 12.00.00 Юридические науки
0020302019 2003 002 01.00.00 Физико-математические науки
0030401001 2004 003 12.00.00 Юридические науки
0030401002 2004 003 12.00.00 Юридические науки
0030401003 2004 003 12.00.00 Юридические науки
0030401004 2004 003 03.00.00 Биологические науки
0030401005 2004 003 03.00.00 Биологические науки
0030401006 2004 003 01.00.00 Физико-математические науки
0030401007 2004 003 05.00.00 Технические науки
0030401008 2004 003 01.00.00 Физико-математические науки
0030401009 _2004 _003 08.00.00 Экономические науки
Для выполнения данного этапа запишем файл исходных данных с именем: c:\Aidos-X\AID_DATA\Inp_data\Inp_data.xls и запустим универсальный программный интерфейс, т.е. режим 2.3.2.2 системы «Эйдос» с параметрами, заданными на рисунке 3:
О И Универсальная ко гнитивная аналитическая система "ЭЙДОС-Х**", beta-rer sionr rel: 27.05.2014 I <=>: I- ® IH&J
1. Администрирование . Формализация предметной области 3. Синтез, еершрикац я и улучшение модели 4. Решение задач с применением модели 5. Сервис Є 0 системе 7. Выход
2.1. Классификационные шкалы и градации
2.2. Описательные шкалы и градации
22. Ввод об /чающей выборки J 2.3.1. Ручной ввод-корректировка обучающей выборки
Режим представляет собой УНИВЕРСАЛЬНЫЙ 2.3.2. Программные интерфейсы с внешними базами данных j 2.3.2.1, Импорт данных из текстовых файлов
ПРОГРАММНЫЙ ИНТЕРФЕЙС ФОРМАЛИЗАЦИИ 2.3.3. Управление обучающей выборкой ► 2.3 2:2. Универсальный программный интерфейс импорта данных в систему |
2.3.4. Декодирование сочетании признаков в обучающей выборке 2.3.2.3. Импорт из транспонированных внешних баз данных
описательны» шкал и градаций и обучающей выборки на 2.3.2.4. Транспонирование файлов исходных данных
Є) 2.3 .2.2. Универсальный программный интерфейс импорта данных в систему гЭИДОС-Х++"
И
Автоматическая формализация предметной области: генерация классификационных и описательных шкал и градаций, а также обучающей и распознаваемой выборки на основе базы исходных данных: "1пр_(1а!а"
Стандарт XLS -Файла
Задайтетип Файла исходных данных: "lnp_dala":
(* XLS - MS Excel-2003 Г XLSX-MS Excel-2007(2010]
Г DBF - DBASE IV (DBF/NTX) Стандарт DBF-файла
С CSV - Comma-Separated Values Стандарт CSV-Файла
— Считать нули и пробелы отсутствием данных?
(* Да Нули и пробелы считаются отсутствием данных
Г* Нет Г4 Не знаю
Пояснения по работе конвертера исходных данных
Задайте диапазон столбцов классификационных шкал: Начальный столбец классификационных шкал: | *Г
Конечный столбец классификационных шкал: | з"
Задайте режим:
Задайте диапазон столбцов описательных шкал: Начальный столбец описательных шкал: Конечный столбец описательных шкал:
Задайте способ выбора размера интервалов:
(• Формализации предметной области (на основе "1пр_(3а1а"]| С Генерации распознаваемой выборки (на основе "1пр_га5р")
(* Равные интервалы с разным числом наблюдений Г* Разные интервалы с равным числом наблюдений
- Задание параметров формирования сценариев или способа интерпретации текстовых полей "lnp_data,': С Не применять сценарный метод АСК-анализа и спец.интерпретацию ТХТ-полей С Применить сценарный метод прогнозирования АСК-анализа
Г* Применить специальную интерпретацию текстовых полей "lnp_data,' ______
Пояснения по режиму
Параметры интерпретации значений текстовых полей "Inpdata":
Ok
Cancel
В качестве классов рассматриваются: В качестве признаков рассматриваются:
(• Значения полей целиком С' Значения полей целиком
С Элементы значений полей - слова (* Элементы значений полей - слова
С Элементы значений полей - символы С Элементы значений полей - символы
Рисунок 3. Запуск Универсального программного интерфейса системы «Эйдос с внешними базами данных
Здесь необходимо обратить внимание на задание опции «Применить специальную интерпретацию текстовых полей файла Inp_data» и задание рассматривать в качестве классов целые значении полей, а в качестве признаков - слова. Это позволит в последующем определить наиболее характерные и наиболее нехарактерные для номеров журнала и лет издания слова наименований статей.
После нажатия клавиши «ОК» появляется окно внутреннего калькулятора интерфейса, представленное на рисунке 4:
2.3 .2.2. Задание размерности модели системы "ЭИДОС-Х++"
1н1
ИНФОРМАЦИЯ 0 РАЗМЕРНОСТИ МОДЕЛИ
Суммарное количество градаций классификационных и описательных шкал: [111 х 25]
Т ип шкалы Количество классифи- кационных шкал Количество градаций классифи- кационных Среднее количество градаций на класс, шкалу Количество описательных шкал Количество градаций описательных шкал Среднее количество градаций на опис, шкалу
Числовые 0 0 0,00 0 0 0,00
Т екстовые 2 111 55,50 1 25 25,00
ВСЕГО: 2 111 55,50 1 25 25,00
^Задайте число интервалов (градаций) в шкале:
Пересчитать шкалы и градации
Выйти на создание модели
Рисунок 4. Внутренний калькулятор Универсального программного интерфейса системы «Эйдос с внешними базами данных
В данном случае этот калькулятор играет чисто информационную роль, т.к. в исходных данных нет числовых классификационных или описательных шкал и поэтому нет возможности задавать количество градаций (интервальных значений) в этих шкалах. Кликаем по кнопке: «Выйти на создание модели» и наблюдаем процесс исполнения на экранной форме, представленной на рисунке 4:
2.3.2.2. Процесс импорта данных из внешней БД "1пр_<іа1а" в систему "ЭЙДОС-Х++"
[ні
Стадии исполнения процесса
1 /3: Формирование классификационных и описательных шкал и градаций на основе БД “1пр_с1а1а'' - Готово 2/3: Генерация обучающей выборки и базы событий "Ех/еШвКО" на основе БД "1пр_с)а(а" - Г отово 3/3: Переиндексация всех баз данных нового приложения - Г отово
ПРОЦЕСС ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ ЗАВЕРШЕН УСПЕШНО !!!
Прогноз времени исполнения
Начало: 23:05:42 Окончание: 23:06:43
100%
Прошло: 0:01:00 Осталось: 0:00:00
0к
Рисунок 4. Экранная форма процесса исполнения режима 2.3.2.2.
В результате исполнения данного режима (который, как мы видим, исполнялся 1 минуту) формируются классификационные и описательные шкалы и градации и обучающая выборка, фрагменты которых приведены на рисунках 5, 6 и 7.
С) 2.1. Классификационные шкалы и градации. Текущая модель: “ІМРГ
1
2
«1 1 ►
Код градации | Наименование градации классификационной шкалы м
1 _2003 ...
2 _2004 ...
3 _2005 ...
4 _2006
5 _2007 :..
6 _2008 ...
7 _2009 ...
8 .2010 ...
9 _2011 ...
10 _2012 ...
11 _2013 ...
12 .2014 ...
Помощь Доб.шкалу Доб.град.шкалы Копир шкали Копир, град, икалы Копир.шкалу с град. Удал.шкалу с град. Удал.град.шкалы Удаление и перекодирование
Рисунок 5. Экранная форма отображения классификационной шкалы
«Г од» и ее градаций
ф 2.2. Описательные шкалы и градации. Текущая модель: 1ЫР1"
I
Код шкаль; | Наименование описательной шкалы Л
Ц НАПРАВЛЕНИЕ_НАУКИ ... |
Г
Код градации I Наименование градации описательной шкалы і—
2 01_00_00_Физико_математические_науки ...
3 02_00_00_Химические_науки ..
4 03_00_00_Биологические_науки ..
5 04_00_00_Г еолого_минералогические_науки
6 05_00_00_Т ехнические_науки ..
7 06_00_00_Сельскохозяйственные_науки ...
8 07_00_00_Исторические_науки ...
Э 08_00_00_Экономические_науки ..
10 09_00_00_Философские_ науки
11 10_00_00_Ф илологические_науки ...
12 11_00_00_Географические_науки ...
13 12_00_00_Юридические_науки ..
14 13_00_00_Педагогические_науки ...
15 14_00_00_Медицинские_науки ...
16 1б_00_00_Ветеринарные_науки ...
17 17_00_00_И скусствоведение ...
18 18_00_00_Арнигектура
19 19_00_00_Псикологические_науки ...
20 20_00_00_Военные_науки ...
21 22_00_00_Социологические_науки .. —
22 23_00_00_Политические_науки ... Г
231 24_00_00_Культурология ...!
Помощь
Доб.шкалу Доб. град.шкалы Копир шкали Копир, град, икалы Копир.шкалу с град. Удал.шкалу с град. Удал.град.шкаль Перекодировать Очистить
Рисунок 6. Экранная форма отображения описательной шкалы «Направление науки» и ее градаций
О 2.3.1. Ручной ввод-корректировка обучающей выборки. Текущая модель: 1МИ"
Код объекта I Наименование объекта Дата [время ‘
1 0010301001 ...
2 0010301002 ...
3 0010301004 ...
4 0010301005
5 0010301006 ...
8 0010301007 ...
7 0010301008 ...
8 0010301009 ...
Э 0010301010 ...
-ІП ПП1ЛОП1П11
її
Кед объекта Класс 1 Класс 2 Класс 3 | Класс 4
' виші 13 0 0
Код объекта П&изнак. 1 Признак 2 Признак 3 [Признак 4 [ Признак 5 [ Признак 6 [Признак 7
і ник ВНЇ [ВН
Ш Ш
в
щ
н
щ
1±Г
Помощь
Скопировать обуч.выб.в расп.
Добавить объект
Добавить классы
Добавить признаки
Удалить объект
Удалить классы
Удалить признаки
Очистить БД
Рисунок 7. Экранная форма отображения обучающей выборки
3. Синтез и верификация модели
Таким образом, этап формализации предметной области подготавливает все необходимо для синтеза и верификации моделей, что осуществляется в режиме 3.5 системы «Эйдос» (рисунок 8):
О 3,5. Выбор моделей для синтеза и верификации
В |—
Задайте стат. модели и модели знаний для синтеза и верификации Статистические базьг
!7 П . ABS - частный критерий: количество встреч сочетаний: "класс-признак" у объектов обуч. выборки |7 2 PRC1 - частный критерий: уел. вероятность i-ro признака среди признаков объектов j-ro класса 3. PRC2 - частный критерий: условная вероятность i-ro признака у объектов j-ro класса Базы знаний:
17 4. INF1 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC1
|7 5. INF2 - частный критерий: количество знаний по АХаркевичу; вероятности из PRC2
И7 6. INF3 - частный критерий: Хи-квадрат, разности между Фактическими и ожидаемыми абс.частотами
17 7. INF4 - частный критерий: ROI (Return On Investment); вероятности из PRC1
J7 8. INF5 - частный критерий: ROI (Return On Investment); вероятности из F*RC2
|7 9. INF6 - частный критерий: разн.усл.и безусл.вероятностей; вероятности из PRC1
I? 10.INF7 - частный критерий: разн.усл.и безусл.вероятностей; вероятности из PRC2
(• Синтез и верификация заданных моделей О Только верификация заданных моделей
Параметры копирования обуч.выборки в распознаваемую: Какие объекты обуч.выборки копировать:
(• Копировать всю обучающую выборку С Копировать только текущий объект С Копировать каждый Ы-й объект С Копировать N случайных объектов С Копировать все объекты, начиная с Ы-го
Удалять из обуч.выборки скопированные объекты: * Не удалять Удалять
Пояснение по алгоритму верификации
- Подробнее |-
Измеряегся внутренняя достоверн. модели
Gk.
Cancel
Рисунок 8. Экранная форма управления режимом синтеза и верификации моделей системы «Эйдос»
На рисунке 9 показала экранная форма, отображающая процесс исполнения режима синтеза и верификации моделей с указанием исполняемых функций и прогнозом времени исполнения:
3.5 . Синтез и верификация заданных из 10 моделей
В \ш£Ш
Стадии исполнения процесса
Шаг 1-й из 10: Копирование обучающей выборки в распознаваемую - Готово Шаг 2-й из 10: Синтез стат модели “ABS" (расчет матрицы абсолютных частот) - Г отово Шаг 3-й из 10: Синтез стат моделей "PRC1" и "PRC2" (усл.безусл % распр) - Готово Шаг А-й из 10: Синтез моделей знаний: INF1-INF7 - Готовс
НАЧАЛО ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ-ИСПОЛНЕНИЕ:------------------------------...
Шаг 5-й из 10: Задание модели “INF7" в качестве текущей - Готово Шаг 6-й из 10: Пакетное распознавание в модели "INF7* - Г отово
Шаг 7-й из 10: Измерение достоверности модели: "Inf7" - Интегральный критерий: "Сумма знаний" - Готово
КОН ЕЦ ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ - ГОТОВО:--------------------------------...
Шаг 8-й из 10: Объединение БД DostRsp# в БД DostRasp - Г отово
Шаг 9-й из 10: Печать сводной формы по результатам верификации моделей - Г отово
Шаг 10-й из 10: Создание формы: “Достоверность идент.классов в различных моделях" - Г отово
Синтез и верификация заданных стат.моделей и моделей знаний упешно завершена !!!
Прогноз времени исполнения
Начало: 23:08:30 Окончание: 0:23:33
100%
Прошло: 1:15:02 Осталось: 0:00:00
Ok
Рисунок 9. Экранная форма, отображения процесса исполнения режима синтеза и верификации моделей Расчет моделей ведется в порядке, приведенном на рисунке 1:
- сначала на основе непосредственно обучающей выборки рассчитывается матрица абсолютных частот (АББ);
- затем рассчитываются разными способами матрицы условных и безусловных процентных распределений (РЯС1 и РЯС2);
- после этого на основе матрицы АББ или матриц РЯС1 и РЯС2 по формулам, приведенным в таблице 2, рассчитываются модели знаний: ЮТ1, ШБ2, ЮТ3, ЮТ4, ЮТ5, ЮТ5 и ЮТ7.
Таблица 2 -. Частные критерии знаний, используемые в настоящее время в СК-анализе и системе «Эйдос-Х++»
Наименование модели знаний и частный критерий Выражение для частного критерия
через относительные частоты через абсолютные частоты
INF1, частный критерий: количество знаний по А.Харкевичу, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу. Относительная частота того, что если у объекта j-го класса обнаружен признак, то это i-й признак Iy. = Yx Log 2 р NN I. = Yx Log 2 1 N7N7 ‘ 1
INF2, частный критерий: количество знаний по А.Харкевичу, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу. Относительная частота того, что если предъявлен объект j-го класса, то у него будет обнаружен i-й признак. Ij = YxLog2 P N.N I.. =Yx Log 2 1 j NN. ‘ 1
INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами — N1N, I = N.. 1 j j n
INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу4 P P-P. Ij = — -1 = ~—1 J P P N aN Ia =— 1 ] NN.
INF5, частный критерий: ROI - Return On Investment, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу P.. P - P Ij = — -1 = ~—1 J P P NaN Ia = 1 J NN.
INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу i ii I = N N J N. N
INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу i ii I = Na N J N. N
Обозначения:
I — значение прошлого параметра; у - значение будущего параметра;
Ыу — количество встреч ]-го значения будущего параметра при 1-м значении прошлого параметра;
М — суммарное число значений всех прошлых параметров;
Ж - суммарное число значений всех будущих параметров.
N] — количество встреч 1-го значения прошлого параметра по всей выборке;
N — количество встреч ]-го значения будущего параметра по всей выборке;
N — количество встреч ]-го значения будущего параметра при 1-м значении прошлого параметра по всей выборке.
1у — частный критерий знаний: количество знаний в факте наблюдения 1-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее ]-му значению будущего параметра;
¥ — нормировочный коэффициент (Е.В.Луценко, 2002), преобразующий количество информации в формуле А.Харкевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р.Хартли;
Р{ — безусловная относительная частота встречи 1-го значения прошлого параметра в обучающей выборке;
Ру — условная относительная частота встречи 1-го значения прошлого параметра при ]-м значении будущего параметра .
4 Применение предложено Л. О. Макаревич http://ej.kubagro.ru/2014/06/pdf/07.pdf
На рисунке 10 и в таблицах 3, 4, 5 и 6 приведены соответственно фрагменты моделей ЛБ8, РЯС2, 1№1 и ШБЗ:
£) И Универсальная когнитивная аналитическая система "ЭЙДОС-Х + +-", Ье*а-^ег5юп, гек 27.05.2G14
1. Администрирование 2 Формализация предметной области 3. Синтез, верификация и улучшение модели 4. Решение задач с применением модели 5. Сервис 6. □ системе 7. Выход
^ (Э 5.5. Просмотр основных баз данных веек моделей | 1=1 | [в] ЕЗ |
1.АЬз 2.Ргс1 ^Ргс2 4.1пН 5.1пО 6.1пО _ 7.1пМ вЛпГС 9.1пГС 10.1пТ7 Помощь
5.5. Модель: "1. АВ5 - частный критерий: количество встреч сочетаний: "Класс-признак" у объектов обуч.Быборки"
Код Наименование описательной' признака шкалы и градации 1* ГОД-_2003 х ПЗД-_2005 :БТ- ГОД-_2007 & ГОД-_2008 7, ГОД-_2ОО0
ИнАПРАВлЕнИЕ_НАУКИ-00_(Ю_00_Раздел,_посвященный_90_ле...
2 НАП РАВ Л Е Н И Е_НАУ КИ -01 _00_00_Ф изико_мзгемзгические_на... 6 7 € 1 3 5 4
3 НАПРАВЛЕНИЕ_НАУКИ -02_00_00_Химические_науки 3 2 1
4 НАП РАВ Л Е Н И Е_НАУ КИ -03_00_00_Б иологические_науки 16 1Э іа 6 2 3
5 НАП РАВ Л Е Н И Е_НАУ КИ-04_00_00_Геолого_минералогические_...
Є НАП РАВ Л Е Н И Е_НАУ КИ -05_00_00_Т ехнические_науки 11 24 49 т 42 36 25
7 НАП РАВ Л Е Н И Е_НАУ КИ -06_00_00_Сельскохозяйственные_наук... 1 22 32 21 36
В Н АП РАВ Л Е Н И Е_Н АУ КИ -07_00_00_И сторические_науки 6 1 —*
Э НАПРАВ Л ЕНИЕ_НАУКИ-08_00_00_Экономические_науки ... 14 6А 56 54 69 5-6 34
10 НАП РАВ Л Е Н И Е_НАУ КИ -09_00_00_Ф илосоФские_науки 1 7 2
11 НАП РАВ Л Е Н И Е_НАУ КИ -10_00_00_Ф илологические_науки ... 1Є е 6
12 НАП РАВ Л Е Н И Е_НАУ КИ -11 _00_00_Г еограФические_науки ... 3 1
13 НАПРАВЛЕНИЕ_НАУКИ-12_00_00_Юридические_науки 4 3 1 а 7 4 2
14 НАП РАВ Л Е Н И Е_НАУ КИ -13_00_00_П едагогические_науки ... 1 14 6 4
15. НАПРАВЛЕНИЕ_НАУКИ-14_00_00_Медицинские_науки а
1Є Н АП РАВ Л Е Н И Е_Н АУ КИ -1 Є_00_00_В етеринарные_науки 1 6 В 2
17 НАПРАВЛЕНИЕ_НАУКИ-17_00_00_Искусствоведение
13 Н АП РАВ Л Е Н И Е_Н АУ КИ -18_00_00_Архигектура 1.
10. НАП РАВ Л Е Н И Е_НАУ КИ -1 Э_00_00_П сикологические_науки ... 2 5 11 3 2
20 НАПРАВЛЕНИЕ_НАУКИ-20_00_00_Военные_науки
< I 1
Помощь МБ Ехсе! MSWoгd
Рисунок 10. Экранная форма режима 5.5 системы «Эйдос», отображающая фрагмент модели ЛБ8
Таблица 3 - Матрица абсолютных частот (фрагмент
Код Направление науки 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Сумма
1 00_00_00_Раздел ,_посв ._90_л ети ю_КубГАУ 8 8
2 I 01_00_00_Физико_математические_науки 6 7 6 1 3 5 4 19 24 35 51 33 194
з 02_00_00_Химические_науки 3 2 1 2 9 4 5 26
4 ] 03_00_00_Биологические_науки 16 19 18 6 2 8 9 45 68 103 35 329
5 04_00_00_Геолого_минералогические_науки 3 3 3 6 15
6 і 05_00_00_Т ехнические_науки 11 24 49 60 42 36 28 56 132 238 196 118 990
7 ] 06_00_00_Сел ьскохозя йствен н ые_нау ки 1 22 32 21 36 81 88 135 145 69 630
8 07_00_00_Исторические_науки 6 1 6 8 8 6 4 39
9 I 08_00_00_Экономические_науки 14 60 56 84 69 56 34 73 99 157 186 122 1010
10 09_00_00_Философские_науки 1 7 2 6 10 10 9 45
11 10_00_00_Филологические_науки 18 8 6 14 18 31 30 7 132
12 11_00_00_Географические_науки 3 1 1 1 4 10
13 12_00_00_Юридические_науки 4 3 1 8 7 4 2 15 14 25 29 33 145
14 13_00_00_Педагогические_науки 1 14 6 4 14 16 34 21 110
15 14_00_00_Медицинские_науки 3 2 1 4 10
16 16_00_00_Ветеринарные_науки 1 6 8 2 19 6 5 3 50
17 17_00_00_Искусствоведение 1 3 2 6
18 18_00_00_Архитектура 1 1
19 19_00_00_Психологические_науки 2 5 11 3 2 1 6 8 11 2 51
20 20_00_00_Воен н ые_н ау ки 1 1 2
21 22_00_00_Социологические_науки 1 3 2 2 1 2 1 12
22 23_00_00_Политические_науки 1 3 2 6
23 24_00_00_Культурология 1 5 2 3 11
24 25_00_00_Науки_о_Земле 1 1
Сумма числа объектов обуч.выборки 37 115 134 255 189 149 123 280 484 771 830 466 3833
Таблица 4 - Условные и безусловные процентные распределения,
____________________модель РЯС 2 (фрагмент)______________________
Код Направление науки Условные процентные распределения по годам Безусл. % распр. по всей выборке
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
1 00 00 00 Раздел, поев. 90 летию КубГАУ 1,04 0,21
2 01_00_00_Физико_математические_науки 16,22 6,09 4,48 0,39 1,59 3,36 3,25 6,79 4,96 4,54 6,14 7,08 5,06
3 02_00_00_Химические_науки 1,59 1,34 0,81 0,41 1,17 0,48 1,07 0,68
4 03_00_00_Биологические_науки 13,91 14,18 7,06 3,17 1,34 6,50 3,21 9,30 8,82 12,41 7,51 8,58
5 04_00_00_Геолого_минералогические_науки 1,07 0,62 0,39 0,72 0,39
6 05_00_00_Технические_науки 29,73 20,87 36,57 23,53 22,22 24,16 22,76 20,00 27,27 30,87 23,61 25,32 25,83
7 06_00_00_Сельскохозяйственные_науки 0,75 8,63 16,93 14,09 29,27 28,93 18,18 17,51 17,47 14,81 16,44
8 07_00_00_Исторические_науки 2,35 0,81 2,14 1,65 1,04 0,72 0,86 1,02
9 08_00_00_Экономические_науки 37,84 52,17 41,79 32,94 36,51 37,58 27,64 26,07 20,45 20,36 22,41 26,18 26,35
10 09_00_00_Философские_науки 0,75 2,75 1,63 1,24 1,30 1,20 1,93 1,17
11 10_00_00_Филологические_науки 7,06 4,23 4,03 5,00 3,72 4,02 3,61 1,50 3,44
12 11_00_00_Г еографические_науки 1,18 0,53 0,36 0,13 0,48 0,26
13 12_00_00_Юридические_науки 10,81 2,61 0,75 3,14 3,70 2,68 1,63 5,36 2,89 3,24 3,49 7,08 3,78
14 13ООООПедагогическиенауки 0,75 5,49 3,17 2,68 2,89 2,08 4,10 4,51 2,87
15 14_00_00_Медицинские_науки 2,44 0,71 0,13 0,48 0,26
16 16_00_00_Ветеринарные_науки 0,39 3,17 5,37 1,63 3,93 0,78 0,60 0,64 1,30
17 17_00_00_Искусствоведение 0,21 0,39 0,24 0,16
18 18_00_00_Архитектура 0,67 0,03
19 19_00_00_Психологические_науки 5,41 4,35 4,31 1,59 1,34 0,36 1,24 1,04 1,33 0,43 1,33
20 20_00_00_Военные_науки 0,12 0,21 0,05
21 22_00_00_Социологические_науки 0,39 1,59 1,34 1,63 0,21 0,26 0,12 0,31
22 23_00_00_Политические_науки 0,39 0,62 0,26 0,16
23 24_00_00_Культурология 0,21 0,65 0,24 0,64 0,29
24 25_00_00_Науки_о_Земле 0,21 0,03
Таблица 5 - Матрица информативностей модели ШБ!
(частный критерий - семантическая мера количества информации
___________по А.Харкевичу в миллибитах) (фрагмент)______________
КОД Направление науки 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
1 00_00_00_Раздел,_посв._90_летию_КубГАУ 1218
2 01_00_00_Физико_математические_науки 884 140 -93 -1943 -881 -312 -336 223 -16 -83 147 255
3 02_00_00_Химические_науки 646 518 138 -376 412 -260 348
4 03_00_00_Биологические_науки 367 381 -149 -756 -1409 -211 -746 61 21 280 -101
5 04_00_00_Геолого_минералогические_науки 765 349 -4 466
6 05_00_00_Технические_науки 107 -162 264 -71 -114 -51 -96 -194 41 135 -68 -15
7 06_00_00_Сельскохозяйственные_науки -2349 -490] 23 -117 438 429 77 48 46 -79
8 07_00_00_Исторические_науки 637 -170 566 369 15 -260 -129
9 08_00_00_Экономические_науки 275 519 350 170 248 270 36 -8 -192 -196 -123 -5
10 09_00_00_Философские_науки -344 645 247 41 76 20 378
11 10_00_00_Филологические_науки 545 157 119 283 58 118 37 -630
12 11_00_00_Географические_науки 1144 537 239 -531 466
13 12_00_00_Юридические_науки 798 -282 -1233 -142 -16 -261 -641 264 -204 -117 -60 476
14 13_00_00_Педагогические_науки -1023 493 77 -51 6 -246 270 343
15 14_00_00_Медицинские_науки 1698 765 -531 466
16 16_00_00_Ветеринарные_науки -913 676 1075 167 837 -392 -587 -536
17 17_00_00_Искусствоведение 211 692 328
18 18_00_00_Архитектура 2467
19 19_00_00_Психологические_науки 1065 899 893 134 7 -999 -54 -189 -3 -859
20 20_00_00_Военные_науки 636 1074
21 22_00_00_Социологические_науки 171 1233 1106 1251 -316 -143 -725
22 23_00_00_Политические_науки 698 1045 384
23 24_00_00_Культурология -250 619 -133 614
24 25_00_00_Науки_о_Земле 1601
Таблица 6 - Матрица информативностей модели 1№3
(частный критерий - Хи-квадрат) (фрагмент)
Код Направление науки 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
1 00_00_00_Раздел,_посв._90_летию_КубГАУ -0,077 -0,240 -0,280 -0,532 -0,394 -0,311 -0,257 -0,584 -1,010 6,391 -1,732 -0,973
2 01_00_00_Физико_математические_науки 4,127 1,179 -0,782 -11,906 -6,566 -2,541 -2,225 4,828 -0,497 -4,023 8,991 9,414
3 02_00_00_Химические_науки -0,251 -0,780 -0,909 -1,730 1,718 0,989 0,166 -1,899 -1,283 3,770 -1,630 1,839
4 03_00_00_Биологические_науки -3,176 6,129 7,498 -3,888 -10,223 -10,789 -2,558 -15,033 3,457 1,822 31,758 -4,998
5 04_00_00_Геолого_минералогические_науки -0,145 -0,450 -0,524 -0,998 -0,740 -0,583 -0,481 1,904 1,106 -0,017 2,752 -1,824
6 05_00_00_Технические_науки 1,444 -5,703 14,390 -5,862 -6,816 -2,484 -3,769 -16,319 6,991 38,864 -18,375 -2,360
7 06_00_00_Сел ьскохозя йствен н ые_нау ки -6,081 -18,902 -21,025 -19,912 0,936 -3,490 15,783 34,979 8,449 8,277 8,579 -7,593
8 07_00_00_Исторические_науки -0,376 -1,170 -1,363 3,405 -1,923 -1,516 -0,252 3,151 3,075 0,155 -2,445 -0,741
9 08_00_00_Экономические_науки 4,250 29,697 20,691 16,807 19,198 16,738 1,589 -0,780 -28,535 -46,159 -32,706 -0,792
10 09_00_00_Философские_науки -0,434 -1,350 -0,573 4,006 -2,219 -1,749 0,556 -3,287 0,318 0,948 0,256 3,529
11 10_00_00_Филологические_науки -1,274 -3,960 -4,615 9,218 1,491 0,869 -4,236 4,357 1,332 4,448 1,417 -9,048
12 11_00_00_Г еографические_науки -0,097 -0,300 -0,350 2,335 0,507 -0,389 -0,321 0,270 -1,263 -1,011 1,835 -1,216
13 12_00_00_Юридические_науки 2,600 -1,350 -4,069 -1,646 -0,150 -1,637 -2,653 4,408 -4,309 -4,166 -2,398 15,372
14 13_00_00_Педагогические_науки -1,062 -3,300 -2,846 6,682 0,576 -0,276 -3,530 -8,035 0,110 -6,126 10,181 7,627
15 14_00_00_Медицинские_науки -0,097 -0,300 -0,350 -0,665 -0,493 -0,389 2,679 1,270 -1,263 -1,011 1,835 -1,216
16 16_00_00_Ветеринарные_науки -0,483 -1,500 -1,748 -2,326 3,535 6,056 0,396 -3,652 12,686 -4,057 -5,827 -3,079
17 17_00_00_Искусствоведение -0,058 -0,180 -0,210 -0,399 -0,296 -0,233 -0,193 -0,438 0,242 1,793 0,701 -0,729
18 18_00_00_Архитектура -0,010 -0,030 -0,035 -0,067 -0,049 0,961 -0,032 -0,073 -0,126 -0,201 -0,217 -0,122
19 19_00_00_Психологические_науки 1,508 3,470 -1,783 7,607 0,485 0,017 -1,637 -2,726 -0,440 -2,259 -0,044 -4,200
20 20_00_00_Военные_науки -0,019 -0,060 -0,070 -0,133 -0,099 -0,078 -0,064 -0,146 -0,253 -0,402 0,567 0,757
21 22_00_00_Социологические_науки -0,116 -0,360 -0,420 0,202 2,408 1,534 1,615 -0,877 -0,515 -0,414 -1,598 -1,459
22 23_00_00_Политические_науки -0,058 -0,180 -0,210 0,601 -0,296 -0,233 -0,193 -0,438 2,242 0,793 -1,299 -0,729
23 24_00_00_Культурология -0,106 -0,330 -0,385 -0,732 -0,542 -0,428 -0,353 -0,804 -0,389 2,787 -0,382 1,663
24 25_00_00_Науки_о_Земле -0,010 -0,030 -0,035 -0,067 -0,049 -0,039 -0,032 -0,073 -0,126 -0,201 -0,217 0,878
Полностью эти модели приведены быть не могут из-за большой размерности.
Матрицы информативностей содержат результаты сравнения условных и безусловных процентных распределений, т.е. система «Эйдос» автоматизирует работу, которую обычно «вручную», т.е. с помощью своего естественного интеллекта, выполняет аналитик [19, 33].
Результаты измерения достоверности созданных моделей приведены на рисунке 11. Из этого рисунка мы видим, что:
- модели знаний ШР1-1№7 обладают значительно более высокой достоверностью, чем статистические модели ЛБ8, РЯС1 и РЯС2. Эта ситуация наблюдается в большинстве исследований [1-33] и в этом и состоит смысл использования моделей знаний;
- в модели ШП достоверность верной идентификации составляет 61.7%, а верной не идентификации 58,1%. Много это или мало, достаточно ли для целей нашего исследования или нет?
<£> 4.1.З.6. Обобщ.форма по достов.моделей при разн.инт.крит.. Текущая модель: ^NF1"
Наименование модели и частного критерия Интегральный критерий Вероятность правильной иденгифка... Вероятность правильной не идентиФ. Средняя вероятно.. правильн... результата Дата получения результата Время получения результ..
88.534 19.770 54.152 24.06.2014 23:16:23
1. ABS - частный критерий: количество встреч сочетаний: "кпас... Сумма абс.частот по признак... 100.000 S.202 54.101 24.06.2014 23:16:27
2. PRC1 - частный критерий: уел. вероятность i-ro признака сред... Корреляция уел. отн. частот со... 88.638 19.721 54.180 24.06.2014 23:23:27
2. PRC1 - частный критерий- уел вероятность i-ro признака сред Сумма уел отн частот по приз 100.000 8.202 54.101 24.06.2014 23:23:30
3. PRC2 • частный критерий: условная вероятность i-ro признака... Корреляция уел. отн. частот со... 88.638 19.721 54.180 24.06.2014 23:30:31
3. PRC2 - частный критерий: условная вероятность i-ro признака... Сумма уел. отн. частот по приз.. 100.000 S.202 54.101 24.06.2014 23:30:35
4. INF1 - частный критерий: количество знаний по А.Харкевичу; в... Семантический резонанс зна... 48.109 70.527 59.318 24.06.2014 23:38:02
4 INF1 - частный критерий: количество знаний по А.Харкевичу; в. Сумма знаний 61.701 58.133 59.917 24.06.2014 23:38:05
5. INF2 - частный критерий: количество знаний по А.Харкевичу; в... Семантический резонанс зна... 48.109 70.527 59.318 24.06.2014 23:45:31
5. INF2 - частный критерий: количество знаний по А.Харкевичу; в.. Сумма знаний 61.701 58.133 59.917 24.06.2014 23:45:35
6. INF3 • частный критерий: Хи-квадрат, разности между Фактич... Семантический резонанс зна.. 61.701 58.133 59.917 24.06.2014 23:53:33
6. INF3 - частный критерий: Хи-квадрат, разности между Фактич. Сумма знаний 61.701 58.133 59.917 24.06.2014 23:53:37
7. INF4 - частный критерий: R0I (Return On Investment); вероятно... Семантический резонанс зна... 31.072 83.906 57.489 25.06.2014 00:01:03
7. INF4 - частный критерий: R0I (Return On Investment); вероятно. Сумма знаний 61.701 58.133 59.917 25.06.2014 00:01:06
8. INF5 - частный критерий: R0I (Return On Investment); вероятно.. Семантический резонанс зна... 31.072 83.906 57.489 25.06.2014 00:08:32
8. INF5 - частный критерий. R0I (Return On Investment), вероятна.. Сумма знаний 61.701 58.133 59.917 25.06.2014 00:08:35
9. INF6 - частный критерий: разн.усл.и безусл.вероятностей, вер... Семантический резонанс зна... 60.018 59.744 59.881 25.06.2014 о о о о
9. INF6 - частный критерий: разн.усл.и безусл.вероятностей; вер Сумма знаний 61.701 58.133 59.917 25.06.2014 00:16:03
10.INF7 - частный критерий: разн.усл.и безусл.вероятностей, ве... Семантический резонанс зна... 60.018 59.744 59.881 25.06.2014 00:23:29
10.INF7 - частный критерий разн.усл.и безусл.вероятностей, ве.. Сумма знаний 61.701 58.133 59.917 25.06.2014 00:23:32
Помощь
Рисунок 11. Результаты измерения достоверности созданных моделей
Пояснения по смыслу рисунка 11 даны в рисунке 12:
Помощь по режиму: 4.1.3.6: Виды прогнозов и принцип опрделения достовености моделей в системе Эйдос-Х++г
Режим: Помощь по режиму: 4.1.3. б: виды прогнозов и принцип опрделения достовености моделей в системе 1Гэйдос-х++". ПОЛОЖИТЕЛЬНЫЙ ПСЕВДОПРОГНОЗ.
Предположим, модель дает такой прогноз: выпадет 1, 2, 3, 4, 5 или б. в этом случае у нее будет 100% достоверность идентификации, т.е. не будет ни одного объекта, не отнесенного к тому классу, к которому он действительно относится, но при этом будет очень большая ошибка ложной идентификации, т.к. огромное количество объектов будет отнесено к классам, к которым они не относятся Си именно за счет этого у модели и будет очень высокая достоверность идентификации), ясно, что такой прогноз бесполезен, поэтому он и назван мной псевдопрогнозом.
ОТРИЦАТЕЛЬНЫЙ ПСЕВДОПРОГНОЗ.
представим себе, что мы выбрасываем кубик с б гранями, и модель предсказывает, что не выпадет: 1, 2, 3, 4, 5 и б, а что-то из этого естественно выпало, конечно, модель дает ошибку е прогнозе в том плане, что не предсказала, что выпадет, зато она очень хорошо угадала, что не выпадет, но ясно, что выпадет что-то одно, а не все, что предсказано, поэтому такого рода предсказания хорошо оправдываются в том, что не произошло и плохо в том, что произошло, т.е. в этом случае у модели будет 100% достоверность не идентификации, но очень низкая достоверность идентификации.
ИДЕАЛЬНЫЙ ПРОГНОЗ.
Если в случае с кубиком мы прогнозируем, что выпадет, например 1, и соответственно прогнозируем, что не выпадет 2, 3,
4, 5, и б, то это идеальный прогноз, имеющий, если он осуществляется, 100% достоверность идентификации и не идентификации, идеальный прогноз, который полностью снимает неопределенность о будущем состоянии объекта прогнозирования, на практике удается получить крайне редко и обычно мы имеем дело с реальным прогнозом.
РЕАЛЬНЫЙ ПРОГНОЗ.
На практике мы чаще всего сталкиваемся именно с этим видом прогноза. Реальный прогноз уменьшает неопределенность о будущем состоянии объекта прогнозирования, но не полностью, как идеальный прогноз, а оставляет некоторую неопределенность не снятой, например, для игрального кубика делается такой прогноз: выпадет 1 или 2, и, соответственно, не выпадет 3, 4, 5 или б. понятно, что полностью на практике такой прогноз не может осуществиться, т.к. варианты выпадения кубика альтернативны, т.е. не может выпасть одновременно и 1, и 2. поэтому у реального прогноза всегда будет определенная ошибка идентификации. Соответственно, если не осуществится один или несколько из прогнозируемых вариантов, то возникнет и ошибка не идентификации, т.к. это не прогнозировалось моделью.теперь представите себе, что у вас не 1 кубик и прогноз его поведения, а тысячи, тогда можно посчитать средневзвешенные характеристики всех этих видов прогнозов.
таким образом, если просуммировать проценты верной идентификации и не идентификации и вычесть проценты ложной идентификации и ложной не идентификации, то это и будет критерий качества модели, учитывающий как ее способность верно относить объекты к классам, которым они относятся, так и ее способность верно не относить объекты к тем классам, к которым они не относятся.
Рисунок 12. Виды прогнозов и ошибки 1-го и 2-го рода http://ej.kubagro.ru/2014/06/pdf/07.pdf
Для ответа на вопросы о достаточности достоверности моделей обратимся к таблице 7:
Таблица 7 - Информация о достоверности модели 1ЫБ1 (частный критерий - семантическая мера количества информации по А.Харкевичу, интегральный критерий - сумма знаний) (фрагмент)
Год Количество статей,всего Верно идентифицированных Ошибочно неидентифицированных Эффективность модели
2003 37 37 0 52,0
2004 115 88 27 13,1
2005 134 124 10 13,4
2006 255 145 110 4,6
2007 189 131 58 7,3
2008 149 77 72 7,0
2009 123 80 43 10,4
2010 280 141 139 3,8
2011 484 337 147 3,0
2012 771 517 254 1,9
2013 830 390 440 1,5
2014 466 106 360 1,4
В среднем 3833 2173 1660 10
Таблица 7 создана на основе баз данных, формируемых системой «Эйдос» в режиме 4.1.3.8 по данным режима 3.5. Из этой таблицы мы видим, что вероятность правильного отнесения и правильного не отнесения статей к годам с помощью модели 1ЫБ1 с интегральным критерием «Сумма знаний» [33] примерно в 10 раз выше, чем если делать это случайным образом. Для наших целей этого достаточно.
4. Решение задач идентификации, прогнозирования и принятия решений
Результаты идентификации выдаются системой «Эйдос» в различных формах (см. рисунки 13, 14):
Рисунок 13. Режим вывода результатов идентификации
4.1.3.1, Визуализация результатов распознавания в отношении: "Объеет-классы", Текущая модель: "1Г\1Р1"
1 1
Распознаваемые объекты Интегральный критерий сходства: "Семантический резонанс знаний"
^в!Ш Наим, объекта :. | Код I Наименование класса Сходство Ш Сходство
і 0010301001 1 58,67... V
2 0010301002 ... 12 Г0Д-_2014 ... 37,86... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ
3 0010301004 11 Г0Д-.2013 ... 17,25..: шиши
4 0010301005 9 Г0Д-_2010 9,631... пип
5 0010301006 : 2 Г0Д-_2004 ... -0,717...
Є 0010301007 ... 9 Г0Д-_2011 ... •2,007... її
7 0010301008 :.. 3 Г0Д-_2005 ... 4,020... пн
8 0010301009 ... 10 Г0Д-.2012 ... •8,839... ІІІІІІ
Э 0010301010 :... 9 Г0Д-_2008 ... •13,22... ІІІІІІІІІІІІІ
10 0010301011 ... <1 • Г
11 0010301012 Интегральный критерий сходства: "Сумма знаний"
12 0010301013 ... Код Наименование класса Скодство Я Скодство
13 001.0301.014 ... 1 Г0Д-_2003 ... 15,03... V ІІІІІІІІІІІІІІІ
14 0010301015 ... 12 Г0Д-_2014 ... 2,723... II
15 0010301018 :і.. 8 ГО Д-_2010 ... 2,324..: II
1Є 0010301017 11 Г0Д-_2013 ... 1,480... !
17 0010301018 ... 2 Г0Д-_2004 ... 1,382... |
18 0010301019 ... 9 Г0Д-_2011 ... ■0,138...
19 0020302001 :.. 10 Г0Д-_2012 ... •0,703..:
20 0020302002 ... 3 Г0Д-_2005 ... •0,786...
21 0020302003 :... Б Г0Д-_2008 ... •2,299... II
И : ► I «I I Ч г
.
| п™ — —“ “ — _ ВЫК"— Г—
Рисунок 14. Определение года публикации статьи по направлению науки,
которому она посвящена
5. Исследование предметной области
Распределение статей по годам и направлениям науки видно из таблицы 3. Но ответ на вопрос о том, чем отличаются по направлениям науки номера Научного журнала КубГАУ, изданные в одном году от изданных в другом году, дает не она, а таблицы 5 и 6. Повторим таблицу 5 ниже для удобства (таблица 8):
Таблица 8 - Матрица информативностей модели 1ЫБ1 (частный критерий - семантическая мера количества информации
___________по А.Харкевичу в миллибитах) (фрагмент)___________
Код Направление науки 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
1 00_00_00_Раздел,_посв._90_летию_КубГАУ 1218
2 01_00_00_Физико_математические_науки 884 140 -93 -1943 -881 -312 -336 223 -16 -83 147 255
3 02_00_00_Химические_науки 646 518 138 -376 412 -260 348
4 03_00_00_Биологические_науки 367 381 -149 -756 -1409 -211 -746 61 21 280 -101
5 04_00_00_Геолого_минералогические_науки 765 349 -4 466
6 05_00_00_Технические_науки 107 -162 264 -71 -114 -51 -96 -194 41 135 -68 -15
7 06_00_00_Сельскохозяйственные_науки -2349 -490] 23 -117 438 429 77 48 46 -79
8 07_00_00_Исторические_науки 637 -170 566 369 15 -260 -129
9 08_00_00_Экономические_науки 275 519 350 170 248 270 36 -8 -192 -196 -123 -5
10 09_00_00_Философские_науки -344 645 247 41 76 20 378
11 10_00_00_Филологические_науки 545 157 119 283 58 118 37 -630
12 11_00_00_Географические_науки 1144 537 239 -531 466
13 12_00_00_Юридические_науки 798 -282 -1233 -142 -16 -261 -641 264 -204 -117 -60 476
14 13_00_00_Педагогические_науки -1023 493 77 -51 6 -246 270 343
15 14_00_00_Медицинские_науки 1698 765 -531 466
16 16_00_00_Ветеринарные_науки -913 676 1075 167 837 -392 -587 -536
17 17_00_00_Искусствоведение 211 692 328
18 18_00_00_Архитектура 2467
19 19_00_00_Психологические_науки 1065 899 893 134 7 -999 -54 -189 -3 -859
20 20_00_00_Военные_науки 636 1074
21 22_00_00_Социологические_науки 171 1233 1106 1251 -316 -143 -725
22 23_00_00_Политические_науки 698 1045 384
23 24_00_00_Культурология -250 619 -133 614
24 25_00_00_Науки_о_Земле 1601
Из этой таблицы сразу видно, что количество направлений науки, которым посвящены статьи Научного журнала КубГАУ, закономерно увеличивается с годами (рисунок 15):
Зависимость количества направлений науки, которым посвящены статьи, опубликованные в Научного журнале КубГАУ, от года выпуска журнала
Годы выпуска
Рисунок 15. Зависимость количества направлений науки от года выпуска
Научного журнала КубГАУ
2014 год на рисунке 15 не учитывается, чтобы не искажать картину, т.к. на момент написания статьи он еще не закончился и данные по нему неполные.
Из таблицы 4 видно, что за весь период с 2013 по 2014 годы 82% статей опубликованы всего по 5 направлениям науки из 24:
08_00_00_Экономические_науки 26,35%
05_00_00_Технические_науки 25,83%
06_00_00_Сельскохозяйственные_науки 16,44%
03_00_00_Биологические_науки 8,58%
01_00_00_Физико_математические_науки 5,06%
Сумма: 82,26%
Рассмотрим, для каких годов эти направления науки характерны и не
характерны и в какой степени (см. рисунки 16):
Рисунок 16. Степень характерности в миллибитах для разных лет выхода Научного журнала КубГ АУ по различным направлениям науки в модели ЮТ! (семантическая мера информации А.Харкевича)
В данной модели характерность рассчитывается как нормированное относительное превышение количества публикаций по данному направлению науки к суммарному числу публикаций по всем направлениям за год (таблица 2).
Для каждого года может быть составлен список направлений науки в порядке убывания их характерности для данного года. Такой список в АСК-анализе называется информационным портретом года. Ниже приведены информационные портреты всех 10 лет выхода Научного журнала КубГАУ (таблица 9). Таким образом, информационные портреты лет показывают, что наиболее особенное, специфическое есть в статьях, изданных в этом году, чем этот год сильнее всего отличается от остальных. Негативные информационные портеры, наоборот, показывают наиболее нехарактерное для каждого года.
Таблица 9 - Информационные портреты различных лет выхода Научного журнала КубГАУ в модели 1ЫБ1 (семантическая мера информа-________________________ции А.Харкевича)_____________
Код Направление науки Кол-во инф. (миллибит)
2003
19 19 00 00 Психологические науки 1,06483
2 01 00 00 Физико математические науки 0,88449
13 12 00 00 Юридические науки 0,79763
9 08 00 00 Экономические науки 0,27486
6 05 00 00 Технические науки 0,10686
2004
19 19 00 00 Психологические науки 0,89945
9 08 00 00 Экономические науки 0,51890
4 03 00 00 Биологические науки 0,36690
2 01 00 00 Физико математические науки 0,14017
6 05 00 00 Технические науки -0,16193
13 12 00 00 Юридические науки -0,28231
2005
4 03 00 00 Биологические науки 0,38128
9 08 00 00 Экономические науки 0,35034
6 05 00 00 Технические науки 0,26410
2 01 00 00 Физико математические науки -0,09308
10 09 00 00 Философские науки -0,34418
14 13 00 00 Педагогические науки -1,02314
13 12 00 00 Юридические науки -1,23298
7 06_00_00_ Сельскохозяйственные_науки -2,34885
2006
12 11 00 00 Географические науки 1,14411
19 19 00 00 Психологические науки 0,89347
22 23 00 00 Политические науки 0,69762
10 09 00 00 Философские науки 0,64521
8 07 00 00 Исторические науки 0,63681
11 10 00 00 Филологические науки 0,54518
14 13 00 00 Педагогические науки 0,49277
21 22 00 00 Социологические науки 0,17109
9 08 00 00 Экономические науки 0,16958
6 05 00 00 Технические науки -0,07081
13 12 00 00 Юридические науки -0,14216
4 03 00 00 Биологические науки -0,14854
7 06 00 00 Сельскохозяйственные науки -0,48960
16 16 00 00 Ветеринарные науки -0,91297
2 01 00 00 Физико математические науки -1,94288
2007
21 22 00 00 Социологические науки 1,23313
16 16 00 00 Ветеринарные науки 0,67560
3 02 00 00 Химические науки 0,64580
12 11 00 00 Географические науки 0,53710
9 08 00 00 Экономические науки 0,24768
11 10 00 00 Филологические науки 0,15671
19 19 00 00 Психологические науки 0,13403
14 13 00 00 Педагогические науки 0,07667
7 06 00 00 Сельскохозяйственные науки 0,02254
13 12 00 00 Юридические науки -0,01608
6 05 00 00 Технические науки -0,11423
4 03 00 00 Биологические науки -0,75555
2 01 00 00 Физико математические науки -0,88084
2008
18 18 00 00 Архитектура 2,46682
21 22 00 00 Социологические науки 1,10577
16 16 00 00 Ветеринарные науки 1,07476
3 02 00 00 Химические науки 0,51844
9 08 00 00 Экономические науки 0,26974
11 10 00 00 Филологические науки 0,11881
19 19 00 00 Психологические науки 0,00667
6 05 00 00 Технические науки -0,05069
14 13 00 00 Педагогические науки -0,05069
7 06 00 00 Сельскохозяйственные науки -0,11678
13 12 00 00 Юридические науки -0,26053
2 01 00 00 Физико математические науки -0,31217
4 03 00 00 Биологические науки -1,40943
2009
15 14 00 00 Медицинские науки 1,69793
21 22 00 00 Социологические науки 1,25144
7 06 00 00 Сельскохозяйственные науки 0,43831
10 09 00 00 Философские науки 0,24741
16 16 00 00 Ветеринарные науки 0,16738
3 02 00 00 Химические науки 0,13758
9 08 00 00 Экономические науки 0,03637
6 05 00 00 Технические науки -0,09593
8 07 00 00 Исторические науки -0,17041
4 03 00 00 Биологические науки -0,21072
2 01 00 00 Физико математические науки -0,33601
13 12_00_00_ Юридические_науки -0,64139
JP<I-Z.0/JP<I/90/l71 ОЦыо&щщ fo//: йщ
/80£S‘0- имАвн-0И)іониЬиЬ’0|/\|-оо-ОО-Н si.
/80£S‘0- M»ABH_0M>IO0hM0BdjO0J_OO_OO_|.V ZV
8£26£‘0- H»ABH_8i4HdBHHd8i8g_00_00_9V 91
9Z9PZ‘0~ H>lABH_8H>IO8hHJOJBb,81J_00_00_£ V PV
6ZS6L‘0- и»Лвн-эи»ээьи1/\1оно»0-оо-ОО-8О 6
6888 Ґ0- и»Лвн_8и>іо8ьшоиохиои_00_00_6V 61-
*8Zn‘0r и»Лвн_эи>1оэьшоиоиИоо_00_00_22 VZ
60lll‘0- H»ABH_8H>iO8hnb,ndoj_00_00_2V ZV
P9Z20‘0~ ияЛвн-эи»ээьи±в1Л1э±в1/\1—ояиєиф-00_00_ Ю Z
sewjo'o- и»Лвн_0i/i>i30hHJOLrBd0Hm/\i—ojouo0j—00_00_frO S
8817 1,00 H»ABH_0H>io0hndoioH_OO_OO_/O 8
£9020‘0 H»ABH_0H>io0hnjoLrong_oo_OO_£O P
908M‘0 и»Лвн-0іянн0аюивєохо»ояи0о-оо-ОО-9О L
69S/0‘0 и»Лвн_0и>іофоооииф_оо_ОО_6О 01-
991VҐ0 H>lABH_0H>IO0hHJOLrOLrH0_OO_OO_O V VV
2W£l.‘0 и»Лвн_0и>іо0ьинх0і_оо_ОО_5О 9
89£8£‘0 и»Лвн-0и»э0ьи1ииои-С)О-ОО-£2 ZZ
зєгіУо и»Лвн_0и>іо0ьиіліих_ОО_ОО_2О Z
8361-90 KHJOLrodAiquA>j_00_00_t'2 ZZ
891-690 0ин0Ь'0аоаіооЛ>іои_ОО_ОО_/V IV
IZQIZ‘1 AVJ9^>l_o)Hi0U_O6_'9OOU_‘U0b,eBd_OO_OO_OO V
ZIOZ
6fr9/£‘0- ияЛвн 0и>іо0ьиіліих 00 00 20 £
69Sl-e‘0- и»Лвн-0и»о0ьи_іоиоиИс>о-оо-ОО-22 VZ
6S6^2‘0- KHJOLrodAiquA>j_00_00_t'2 ZZ
S8£02‘0- H»ABH_0H>iO0hnb,ndoj_oO_OO_2V ZV
єегєґо- и»Лвн-0и»э0ьи1/\1оно»0-оо-ОО-8О 6
fr/£S0‘0- и»Лвн_0и>іо0ьшоиохиои_оо_ОО_6V 61-
9ssm‘o- ияЛв н-0и»э0 ьиїв ілі0ів ілі—ом иєи ф_00_00_ V0 Z
00900‘0 H>iABH_0H>iO0hHJOJBb,0ij_oO_OO_£ V PV
eei.M‘0 и»Лвн-0и»эфоэоииф-оо-ОО-6О OV
ее Wo и»Лвн_0и>іо0ьинх0і_оо_ОО_5О 9
1-WSO‘O H>lABH_0H>IO0hHJOLrOLrH0_OO_OO_O V VV
L/090‘0 H»ABH_0H>io0hnjoLrong_oo_OO_£O P
Z99Z0‘0 и»Лвн-0іянн0аюивєохо»ояи0о-оо-ОО-9О L
P20VZ‘0 0ин0Ь'0аоаіооЛ>іои_ОО_ОО_/V IV
ЄЄбЮ‘0 H»ABH_0H>IO0hnJOLrBd0Hni/\l_OJOLrO0J_OO_OO_W S
9589Є‘0 H»ABH_0H>io0hndoioH_OO_OO_/O 8
689Є8‘0 H»ABH_0HHdBHHd0i0g_oo_OO_9V 9V
9£SM‘ V и»Лвн_0и>іо0ьиіииои_оо_ОО_£2 ZZ
vvoz
90666‘0- ияЛвн 0и»о0ьи_іоиохиои 00 00 61- 6V
U9W0- H»ABH_0H>io0hnjoLrong_oo_OO_£O P
9ZP6 Ґ0- и»Лвн-0и»э0ьинх01-оо-ОО-5О 9
80800‘0- и»Лвн_0и>іо0ьиіліоно>і0_оо_ОО_8О 6
VlZZZ‘0 ияЛвн_0и»о0ьиївілі0івілі—ом иєиф_00_00_ V0 Z
P9QZZ‘0 и»Лвн-0и»о0ьифвгі_ю0_|-оО-ОО-1V ZV
62t?92‘0 H»ABH_0H>iO0hnb,ndoj_oO_OO_2V ZV
^ге8г‘о и»Лвн-0и»э0ьи_юиоииф-оо-ОО-О V VV
PP6ZP‘0 и»Лвн_0іянн0аюивєохо>іояи0о_оо_ОО_9О L
ZZS9S‘0 H»ABH_0H>io0hndoioH_OO_OO_/O 8
Z0S9Z‘0 имАвн-0И)іониЬиЬ’0|/\|-оо-ОО-Н SI-
Z0S9Z‘0 и>іЛвн-0и»о0ьи_іоивгі0ниілі-о_іоио0_|-оО-ОО-Ю S
OIOZ
etfoj pioz 490)00 [ «NT ‘ЛУЛЭ^Л іген(Шк инньХвн
2013
20 20 00 00 Военные науки 0,63567
5 04 00 00 Геолого минералогические науки 0,46617
12 11 00 00 Географические науки 0,46617
15 14 00 00 Медицинские науки 0,46617
17 17 00 00 Искусствоведение 0,32767
4 03 00 00 Биологические науки 0,28003
14 13 00 00 Педагогические науки 0,27031
2 01 00 00 Физико математические науки 0,14732
7 06 00 00 Сельскохозяйственные науки 0,04633
11 10 00 00 Филологические науки 0,03674
10 09 00 00 Философские науки 0,01967
19 19 00 00 Психологические науки -0,00300
13 12 00 00 Юридические науки -0,06036
6 05 00 00 Технические науки -0,06807
9 08 00 00 Экономические науки -0,12304
23 24 00 00 Культурология -0,13276
8 07 00 00 Исторические науки -0,25966
3 02 00 00 Химические науки -0,25966
16 16 00 00 Ветеринарные науки -0,58688
21 22 00 00 Социологические науки -0,72538
2014
24 25 00 00 Науки о Земле 1,60068
20 20 00 00 Военные науки 1,07415
23 24 00 00 Культурология 0,61372
13 12 00 00 Юридические науки 0,47627
10 09 00 00 Философские науки 0,37812
3 02 00 00 Химические науки 0,34833
14 13 00 00 Педагогические науки 0,34278
2 01 00 00 Физико математические науки 0,25513
9 08 00 00 Экономические науки -0,00491
6 05 00 00 Технические науки -0,01504
7 06 00 00 Сельскохозяйственные науки -0,07930
4 03 00 00 Биологические науки -0,10140
8 07 00 00 Исторические науки -0,12917
16 16 00 00 Ветеринарные науки -0,53644
11 10 00 00 Филологические науки -0,63023
19 19_00_00_ Психологические_науки -0,85948
По сути, информационные портреты классов - лет, показывают, то новое в проблематике Научного журнала КубГАУ, что появилось и всерьез заявило о себе количеством публикаций в этом году.
В режиме 4.3.1. можно получить информационные портреты признаков, которые показывают для каких номеров журнала или лет его выхода наиболее характерны статьи по тому или иному направлению науки. Например, как видно из рисунка 17, «наиболее экономическими» являются 2004, 2005, 2003, 2008 и 2007 годы, а «не экономическими» - 2012, 2011 и 2013.
Кроме того, информация о взаимосвязи направлений науки с годами выхода и номерами журнала в компактной наглядной форме приведена в когнитивных функциях (рисунки 18, 19) [21].
Є 4.3.1. Информационные портреты признаков
, і a
Инф.портрет признака: 9 "НАПРАВЛЕНИЕ_НАУКИ-08_00_00_Экономические_науки" в модели: 4 "INF1"
Код [Наименование признака
1 НАП РАБ Л Е Н И Е_НАУ КИ 00_00_00_Раздел,_по...
2 НАП РАВ Л Е Н И Е_НАУ КИ -01 _00_00_Ф изи<о_ма...
3 НАП РАВ Л Е Н И Е_НАУ КИ -02_00_00_Химически...
4 НАП РАВ Л Е Н И Е_НАУ КИ 03_00_00_Б иологичес...
5 НАП РАВ Л Е Н И Е_НАУ КИ 04_00_00_Геолого_ми..
Є НАП РАВ Л Е Н И Е_НАУ КИ -05_00_00_Т ехнически...
7 НАП РАВ Л Е Н И Е_НАУ КИ 06_00_00_Сельскохоз...
8 НАП РАВ Л Е Н И Е_НАУ КИ -07_00_00_Историческ...
9 НАПРАВЛЕНИЕ_НАУКИ 08_00_00_Экономиче...
10 НАП РАВЛЕНИ Е_НАУ КИ -09_00_00_Ф и лософск...
11 НАП РАВ Л Е Н И Е_НАУ КИ -10_00_00_Ф илологич...
12 НАП РАВ Л Е Н И Е_НАУ КИ -11 _00_00_ГеограФиче...
13 НАП РАВ Л Е Н И Е_НАУ КИ -12_00_00_Юридическ...
14 НАП РАВ Л Е Н И Е_НАУ КИ -13_00_00_Педагогиче...
15 НАП РАВ Л Е Н И Е_НАУ КИ -14_00_00_Медицинск..
16 НАП РАВ Л Е Н И Е_НАУ КИ -16_00_00_В етеринарн...
17 НАП РАВ Л Е Н И Е_НАУ КИ -17_00_00_Искусствов...
18 НАП РАВ Л Е Н И Е_НАУ КИ -18_00_00_Архитектур...
19 НАПРАВ ЛЕ Н И Е_НАУ КИ -19_00_00_Психологич...
20 НАПРАВЛЕНИЕ_НАУКИ-20_00_00 Военньїе н..
21 НАП РАВ Л Е Н И Е_НАУ КИ -22_00_00_Социологич...
22 НАП РАВ Л Е Н И Е_НАУ КИ -23_00_00_Политическ...
23 Щ НАПРАВПРНИР НАУКИ-24 ПЛ ПП Кипктипплп І ►
Код | Наименование класса І Значимость І
2
3 ГОД-_2005 0.350
1 Г0д_2003 0.275
Є ГОД-_2008 0.270
5 ГОД-_2007 0.246
4 ГОД-_2006 0.170
7 Г0д_2009 0.Q36
12 ГО Д-_2014 -0.005
8 ГО Д-_2010 -0.008
11 ГО Д_2013 -0.123
9 ГО Д-_2011 -0.192
10 ГОД-_2012 -0.196
- >
Помощь
Abs Prc1 Prc2 Inf1 Inf2 j Inf3 Inf4 Inf5 Inf6 Inf7 MS Excel В К/1. Фильтр по кл. шкале \ ВЫ КЛ. фильтр по кл. шкале Вписать в окно Показать ВСЕ
с) 4.3.1. Информационные портреты признак
Инф.портрет признака: 9 "НАПРАВЛЕНИЕ_НАУКИ-08_00_00_Экоиомические_науки" в модели: 4"INF1"
Код І Наименование признака
1 НАП РАВ Л Е Н ИЕ_НАУ КИ -00_00_00_Раздел ._по...
2 НАП РАВ Л Е Н ИЕ_НАУ КИ -01 _00_00_Ф изико_ма
3 НАПРАВЛЕНИЕ_НАУКИ-02_00_00_Химически
4 НАП РАВ Л Е Н ИЕ_НАУ КИ -03_00_00_Б иологичес...
5 НАП РАВ Л Е Н ИЕ_НАУ КИ -04_00_00_Геолого_ми..
Є НАП РАВ Л Е Н ИЕ_НАУ КИ -05_00_00_Т едаически...
7 НАП РАВ Л Е Н ИЕ_НАУ КИ -06_00_00_Сельскохоз..
8 НАП РАВ Л Е Н ИЕ_НАУ КИ -07_00_00_И сторическ ..
9 НАП РАВ Л Е Н ИЕ_НАУ КИ 08_00_00_3 кономиче...
10 НАП РАВ Л Е Н ИЕ_НАУ КИ -09_00_00_Ф и лософск...
11 НАПРАВЛЕНИЕ_НАУКИ-10_00_00_Ф илологич..
12 НАП РАВ Л Е Н ИЕ_НАУ КИ -11 _00_00_Гесг рафиче..
13 НАП РАВ Л Е Н ИЕ_НАУ КИ -12_00_00_Ю ридическ...
14 НАП РАВ Л Е Н ИЕ_НАУ КИ -13_00_00_П едагогиче...
15 НАПРАВ ЛЕНИЕ_НАУ КИ-14_00_00_Медицинск.
16 НАП РАВ Л Е Н ИЕ_НАУ КИ-16_00_00_В етеринарн..
17 НАП РАВ Л Е Н ИЕ_НАУ КИ-17_00_00_И скусствов.
18 НАПРАВЛЕНИЕ_НАУКИ-18_00_00_Архитектур..
19 НАП РАВ Л Е Н ИЕ_НАУ КИ -19_00_00_П сихологич...
20 НАП РАВ Л Е Н ИЕ_НАУ КИ -20_00_00_В оенные_н.
21 НАП РАВ Л Е Н ИЕ_НАУ КИ -22_00_00_Социологич...
22 НАП РАВ Л Е Н ИЕ_НАУ КИ -23_00_00_П олитическ..
<І 23 НАПРАВЛЕНИЕ Н^УКИ-24 00 00 Кч/ьтчооло...
Код [ЇЇ аименование класса | Значимость I
1 20 № -_008 0 890
41 N -_029 0 705
58 N* -_044 0 705
45 N* -_033 0 £56
48 N- -_03G 0 656
28 N 0014 0 649
18 N* -_004 0 588
24 N* -_012 0 588
28 N* -_018 0 576
49 N -_037 0 536
2 Г0Д-_2004 0 519
42 N: -_030 0 487
51 N: -_039 0 487
59 N: -_047 0 487
35 N- -_023 0 462
18 N: -_006 0 456
80 N: -_068 -0 566
97 N* -_085 -0 597
90 № -_078 -0 647
80 N* -_048 -0 656
50 N* -_038 -0 736
85 N* -_053 -0 736
74 N- !r 082 -1 335.
Помощь
Abs Prc1 Prc2 Inf1 Inf2 Inf3 Inf4 hf5 Inf6 J Inf7 MS Excel В КЛ. Фильтр по кл. шкале В ЫКЛ. Фильтр по кл. шкале Вписать в окне і Показать ВСЕ
Рисунок 17. Экранные формы режима 4.3.1 системы «Эйдос» с отображением информационных портретов признака: «НАПРАВЛЕНИЕ_НАУКИ-08_00_00_Экономические_науки»
Infl - шш Л 1 Г4 0 С ГЧ 4 (С 5 { ч и IA с if с;
11 2013 N \ / 1 ШШШ 1“' ЙТ п’п?
102012 \| Л / Hgjg;£^5g;sass°„-.o. siss Or сутст ву от е™ *•'х «улей! ЦветоаваяТзмивка спектр от син
9-2"11 /\ / г ssss: г""“-
8 2010 1 А 1 /
ё ^ 1 /\ A Л 1 V
1- 1 ■ 1 \ n , / V 1
5 _2007 1 1 м \ У г \
4 -*ООв \ 1 1
3 _2005 1 » / / j 1 \ 1
2-2°°4 1 V 1 i 1
- V V и 2“гел"°
I 1 1 Si ° Si 8 S ill 8( 8 8 Щ s, s S 8 5 1 i ! i I s s s s s i? © 1 1 s S' s 1 s s( g 1 1 s s 1 1 i st st s 1ДЫКИ(Б№ 1 s' s я 1ЫХ cbVM^CU *0**1 n” I I gj 8 я я «й^:СТеМ тент РФ 2 1 I 3 8( 53 3 01161205 1 1 s' 8 3 !3 1 I 3 3 S3 а 1 3 S( сз S3 11 § s g 8 “ 2 53 а ' 1 , I S 8( Я S 1 1 8 э я 1 1 3 3 § 1 S 8 Я я I
Рисунок 18. Взаимосвязь направлений науки с годами выхода научного журнала КубГАУ http://ej.kubagro.ru/2014/06/pdf/07.pdf
Рисунок 19. Взаимосвязь направлений науки с номерами научного журнала КубГАУ
http://ej.kubagro.ru/2014/06/pdf/07.pdf
Выводы
Таким образом, в данной статье, написанной по случаю выхода юбилейного 100-го номера Научного журнала КубГАУ, исследована динамика проблематики научных исследований, опубликованных в журнале. В качестве инструментов данного исследования применены автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий - Универсальная когнитивная аналитическая система «Эй-дос-Х++»
Научный журнал КубГАУ сыграл большую роль в обеспечении доступа научной общественности к работам авторов [1-33] и другим5.
g
Литература
1. Луценко Е.В. Современное состояние и перспективы развития Политематиче-ского сетевого электронного научного журнала Кубанского государственного аграрного университета / Е.В. Луценко, В.И. Лойко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №06(100). - IDA [article ID]: 1001406008. - Режим доступа: http://ej.kubagro.ru/2014/06/pdf/08.pdf, 0,000 у. п. л.
2. 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.
3. 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. - 280с..
4. Луценко Е.В. Системно-когнитивный анализ как развитие концепции смысла Шенка - Абельсона / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №03(005). С. 44 - 65. -IDA [article ID]: 0050403004. - Режим доступа: http://ej.kubagro.ru/2004/03/pdf/04.pdf,
1,375 у.п.л.
5 http://ej .kubagro.ru/a/viewaut.asp?id=11 http://ej.kubagro.ru/a/viewaut.asp?id=10
6 Многие из этих работ размещены на сайте: http ://lc. kub agro.ru/
5. Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. Монография (научное издание). - Краснодар: ТУ КубГТУ, 1999. - 318с.
6. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). - Краснодар: КубГАУ. 2005. - 480 с.
7. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности 351400 "Прикладная информатика (по отраслям)". -Краснодар: КубГАУ. 2004. - 633 с.
8. 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 КубГТУ, 2001. - 258с.
9. Луценко Е.В. Количественные меры возрастания эмерджентности в процессе эволюции систем (в рамках системной теории информации) / Е.В. Луценко // Полите-матический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2006. - №05(021). С. 355 - 374. - Шифр Информрегистра: 0420600012\0089, IDA [article ID]: 0210605031. - Режим доступа: http://ej.kubagro.ru/2006/05/pdf/31.pdf, 1,25 у.п.л.
10. Луценко Е.В. Типовая методика и инструментарий когнитивной структуризации и формализации задач в СК-анализе / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2004. -№01(003). С. 388 - 414. - IDA [article ID]: 0030401016. - Режим доступа: http://ej.kubagro.ru/2004/01/pdf/16.pdf, 1,688 у.п.л.
11. Ткачев А.Н. Качество жизни населения, как интегральный критерий оценки эффективности деятельности региональной администрации / А.Н. Ткачев, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №02(004). С. 171 - 185. - IDA [article ID]: 0040402014. - Режим доступа: http://ej.kubagro.ru/2004/02/pdf/14.pdf, 0,938 у.п.л.
12. Луценко Е.В. Системная теория информации и нелокальные интерпретируемые нейронные сети прямого счета / Е. В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2003. -№01(001). С. 79 - 91. - IDA [article ID]: 0010301011. - Режим доступа: http://ej.kubagro.ru/2003/01/pdf/11.pdf, 0,812 у.п.л.
13. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.- Краснодар: КубГАУ, 2006. -615 с.
14. Луценко Е.В. АСК-анализ как метод выявления когнитивных функциональных зависимостей в многомерных зашумленных фрагментированных данных / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. -Краснодар: КубГАУ, 2005. - №03(011). С. 181 - 199. - IDA [article ID]: 0110503019. -Режим доступа: http://ej.kubagro.ru/2005/03/pdf/19.pdf, 1,188 у.п.л.
15. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1).-Краснодар: КЮИ МВД РФ, 1995.- 76с.
16. 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.
17. Трунев А.П., Луценко Е.В. Астросоциотипология: Монография (научное издание). - Краснодар: КубГАУ, 2008. - 264 с.
18. Луценко Е.В. Метод визуализации когнитивных функций - новый инструмент исследования эмпирических данных большой размерности / Е.В. Луценко, А.П. Трунев, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №03(067). С. 240 - 282. - Шифр Информрегистра: 0421100012\0077, IDA [article ID]: 0671103018. - Режим доступа: http://ej.kubagro.ru/2011/03/pdf/18.pdf, 2,688 у.п.л.
19. Луценко Е.В. Методологические аспекты выявления, представления и исполь-
зования знаний в АСК-анализе и интеллектуальной системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №06(070). С. 233 - 280. - Шифр Информрегистра: 0421100012\0197, IDA [article ID]: 0701106018. - Режим доступа:
http://ej.kubagro.ru/2011/06/pdf/18.pdf, 3 у.п.л.
20. Луценко Е.В. Интенсивные технологии возделывания плодовых культур / Егоров Е.А., Фисенко А.Н., Шадрина Ж.А., Хвостова И.В., Драгавцева И.А., Кехаев В.К., Теренько Г.Н., Мироненко Н.Я., Попова В.П., Луговской А.П., Алехина Е.М., Артюх С.Н., Можар Н.В., Говорущенко С. А., Ефимова И. Л., Кравцов С.Ю., Дорошенко Т.Н., Шафоростова Н.К., Щеглов С.Н., Причко Т.Г. и др. // Монография (научное издание). -Краснодар, 2004.
21. Луценко Е.В. Когнитивные функции как адекватный инструмент для формального представления причинно-следственных зависимостей / Е. В. Луценко // Поли-тематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №09(063). С. 1 - 23. - Шифр Информрегистра: 0421000012\0233, IDA [article ID]: 0631009001. - Режим доступа: http://ej.kubagro.ru/2010/09/pdf/01.pdf, 1,438 у. п. л.
22. Луценко Е.В. Метод когнитивной кластеризации или кластеризация на основе знаний (кластеризация в системно-когнитивном анализе и интеллектуальной системе «Эйдос») / Е. В. Луценко, В. Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №07(071). С. 528 -576. - Шифр Информрегистра: 0421100012\0253, IDA [article ID]: 0711107040. - Режим доступа: http://ej.kubagro.ru/2011/07/pdf/40.pdf, 3,062 у.п.л.
23. Луценко Е.В. Применение автоматизированного системного анализа для прогнозирования успешности выращивания сельскохозяйственных культур (на примере плодовых) Драгавцева И.А., Лопатина Л.М., Луценко Е.В., Луценко Н.Е. В сборнике: Формы и методы повышения эффективности координации исследований для ускорения процесса передачи реальному сектору экономики завершенных разработок теория и практика. 2002. С. 62-67.
24. Наприев И.Л., Луценко Е.В., Чистилин А.Н. Образ-Я и стилевые особенности деятельности сотрудников органов внутренних дел в экстремальных условиях. Монография (научное издание). - Краснодар: КубГАУ. 2008. - 262 с.
25. Луценко Е.В. Математическая сущность системной теории информации (СТИ) (Системное обобщение формулы Больцмана-Найквиста-Хартли, синтез семантической
теории информации Харкевича и теории информации Шеннона) / Е.В. Луценко // По-литематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №08(042). С. 76 - 103. - Шифр Информрегистра: 0420800012\0114, IDA [article ID]: 0420808004. - Режим доступа:
http://ej.kubagro.ru/2008/08/pdf/04.pdf, 1,75 у.п.л.
26. Луценко Е.В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд.,перераб. и доп.
- Краснодар: КубГАУ, 2006. - 318с.
27. 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(041). С. 194 -214. - Шифр Информрегистра: 0420800012\0095, IDA [article ID]: 0410807011. - Режим доступа: http://ej.kubagro.ru/2008/07/pdf/11.pdf, 1,312 у.п.л.
28. Трунев А.П. Семантические информационные модели глобальной сейсмиче-
ской активности при смещении географического и магнитного полюса / А.П. Трунев, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №02(056). С. 195 - 223. - Шифр Информрегистра: 0421000012\0023, IDA [article ID]: 0561002015. - Режим доступа:
http://ej.kubagro.ru/2010/02/pdf/15.pdf, 1,812 у.п.л.
29. Луценко Е.В. Автоматизированные технологии управления знаниями в агропромышленном холдинге / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Политемати-ческий сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №08(052). С. 98 - 109. - Шифр Информрегистра: 0420900012\0088, IDA [article ID]: 0520908007. - Режим доступа: http://ej.kubagro.ru/2009/08/pdf/07.pdf, 0,75 у.п.л.
30. 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(042). С. 35 - 75. - Шифр Информрегистра: 0420800012\0118, IDA [article ID]: 0420808003. - Режим доступа:
http://ej.kubagro.ru/2008/08/pdf/03.pdf, 2,562 у.п. л.
31. 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(042). С. 16 - 34. - Шифр Информрегистра: 0420800012\0119, IDA [article ID]: 0420808002. - Режим доступа: http://ej.kubagro.ru/2008/08/pdf/02.pdf, 1,188 у.п.л.
32. 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 Кубанско-
го государственного аграрного университета (Научный журнал КубГ АУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №07(041). С. 215 - 246. - Шифр Информреги-стра: 0420800012\0094, IDA [article ID]: 0410807012. - Режим доступа:
http://ej.kubagro.ru/2008/07/pdf/12.pdf, 2 у.п. л.
33. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системнокогнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. -№08(092). С. 859 - 883. - IDA [article ID]: 0921308058. - Режим доступа: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 у.п.л
Literatura
1. Lucenko E.V. Sovremennoe sostojanie i perspektivy razvitija Politematicheskogo
setevogo jelektronnogo nauchnogo zhurnala Kubanskogo gosudarstvennogo agrarnogo uni-versiteta / E.V. Lucenko, V.I. Lojko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2014. - №06(100). - IDA [article ID]:
1001406008. - Rezhim dostupa: http://ej.kubagro.ru/2014/06/pdf/08.pdf, 0,000 u.p.l.
2. Lucenko E.V. Avtomatizirovannyj sistemno-kognitivnyj analiz v upravlenii ak-tivnymi ob#ektami (sistemnaja teorija informacii i ee primenenie v issledovanii jekonomich-eskih, social'no-psihologicheskih, tehnologicheskih i organizacionno-tehnicheskih sistem): Monografija (nauchnoe izdanie). - Krasnodar: KubGAU. 2002. - 605 s.
3. Lucenko E.V. Teoreticheskie osnovy i tehnologija adaptivnogo semanticheskogo analiza v podderzhke prinjatija reshenij (na primere universal'noj avtomatizirovannoj sistemy raspoznavanija obrazov "JeJDOS-5.1"). - Krasnodar: KJuI MVD RF, 1996. - 280s..
4. Lucenko E.V. Sistemno-kognitivnyj analiz kak razvitie koncepcii smysla Shenka -Abel'sona / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2004. - №03(005). S. 44 - 65. - IDA [article ID]: 0050403004. - Rezhim dostupa: http://ej.kubagro.ru/2004/03/pdf/04.pdf, 1,375 u.p.l.
5. Simankov V.S., Lucenko E.V. Adaptivnoe upravlenie slozhnymi sistemami na os-nove teorii raspoznavanija obrazov. Monografija (nauchnoe izdanie). - Krasnodar: TU KubGTU, 1999. - 318s.
6. Lucenko E.V., Lojko V.I., Semanticheskie informacionnye modeli upravlenija ag-ropromyshlennym kompleksom. Monografija (nauchnoe izdanie). - Krasnodar: KubGAU. 2005. - 480 s.
7. Lucenko E.V. Intellektual'nye informacionnye sistemy: Uchebnoe posobie dlja stu-dentov special'nosti 351400 "Prikladnaja informatika (po otrasljam)". - Krasnodar: KubGAU. 2004. - 633 s.
8. Simankov V.S., Lucenko E.V., Laptev V.N. Sistemnyj analiz v adaptivnom upravlenii: Monografija (nauchnoe izdanie). /Pod nauch. red. V.S.Simankova. - Krasnodar: ISTJeK KubGTU, 2001. - 258s.
9. Lucenko E.V. Kolichestvennye mery vozrastanija jemerdzhentnosti v processe jev-oljucii sistem (v ramkah sistemnoj teorii informacii) / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2006. -№05(021). S. 355 - 374. - Shifr Informregistra: 0420600012\0089, IDA [article ID]: 0210605031. - Rezhim dostupa: http://ej.kubagro.ru/2006/05/pdf/31.pdf, 1,25 u.p.l.
10. Lucenko E.V. Tipovaja metodika i instrumentarij kognitivnoj strukturizacii i formal-izacii zadach v SK-analize / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2004. - №01(003). S. 388 - 414. - IDA [article ID]: 0030401016. - Rezhim dostupa: http://ej.kubagro.ru/2004/01/pdf/16.pdf, 1,688 u.p.l.
11. Tkachev A.N. Kachestvo zhizni naselenija, kak integral'nyj kriterij ocenki jeffek-tivnosti dejatel'nosti regional'noj administracii / A.N. Tkachev, E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU,
2004. - №02(004). S. 171 - 185. - IDA [article ID]: 0040402014. - Rezhim dostupa: http://ej.kubagro.ru/2004/02/pdf/14.pdf, 0,938 u.p.l.
12. Lucenko E.V. Sistemnaja teorija informacii i nelokal'nye interpretiruemye nejronnye seti prjamogo scheta / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2003. - №01(001). S. 79 - 91. - IDA [article ID]: 0010301011. - Rezhim dostupa: http://ej.kubagro.ru/2003/01/pdf/11.pdf, 0,812 u.p.l.
13. Lucenko E.V. Intellektual'nye informacionnye sistemy: Uchebnoe posobie dlja stu-dentov special'nosti "Prikladnaja informatika (po oblastjam)" i drugim jekonomicheskim spe-cial'nostjam. 2-e izd., pererab. i dop.- Krasnodar: KubGAU, 2006. - 615 s.
14. Lucenko E.V. ASK-analiz kak metod vyjavlenija kognitivnyh funkcional'nyh zavi-simostej v mnogomernyh zashumlennyh fragmentirovannyh dannyh / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU,
2005. - №03(011). S. 181 - 199. - IDA [article ID]: 0110503019. - Rezhim dostupa: http://ej.kubagro.ru/2005/03/pdf/19.pdf, 1,188 u.p.l.
15. Lucenko E.V. Universal'naja avtomatizirovannaja sistema raspoznavanija obrazov "Jejdos" (versija 4.1).-Krasnodar: KJuI MVD RF, 1995.- 76s.
16. Lucenko E. V., Lojko V.I., Velikanova L.O. Prognozirovanie i prinjatie reshenij v rastenievodstve s primeneniem tehnologij iskusstvennogo intellekta: Monografija (nauchnoe izdanie). - Krasnodar: KubGAU, 2008. - 257 s.
17. Trunev A.P., Lucenko E.V. Astrosociotipologija: Monografija (nauchnoe izdanie). -Krasnodar: KubGAU, 2008. - 264 s.
18. Lucenko E.V. Metod vizualizacii kognitivnyh funkcij - novyj instrument issledo-vanija jempiricheskih dannyh bol'shoj razmernosti / E.V. Lucenko, A.P. Trunev, D.K. Ban-dyk // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2011. - №03(067). S. 240 - 282. - Shifr Informregistra:" 0421100012\0077, IDA [article ID]: 0671103018. - Rezhim dostupa: http://ej.kubagro.ru/2011/03/pdf/18.pdf, 2,688
u.p.l.
19. Lucenko E.V. Metodologicheskie aspekty vyjavlenija, predstavlenija i ispol'zovanija znanij v ASK-analize i intellektual'noj sisteme «Jejdos» / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2011. -№06(070). S. 233 - 280. - Shifr Informregistra: 0421100012\0197, IDA [article ID]: 0701106018. - Rezhim dostupa: http://ej.kubagro.ru/2011/06/pdf/18.pdf, 3 u.p.l.
20. Lucenko E.V. Intensivnye tehnologii vozdelyvanija plodovyh kul'tur / Egorov E.A., Fisenko A.N., Shadrina Zh.A., Hvostova I.V., Dragavceva I.A., Kehaev V.K., Teren'ko G.N., Mironenko N.Ja., Popova V.P., Lugovskoj A.P., Alehina E.M., Artjuh S.N., Mozhar N.V., Govorushhenko S.A., Efimova I.L., Kravcov S.Ju., Doroshenko T.N., Shaforostova N.K., Shheglov S.N., Prichko T.G. i dr. // Monografija (nauchnoe izdanie). -Krasnodar, 2004.
21. Lucenko E.V. Kognitivnye funkcii kak adekvatnyj instrument dlja formal'nogo pred-stavlenija prichinno-sledstvennyh zavisimostej / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauch-nyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2010. - №09(063). S. 1
- 23. - Shifr Informregistra: 0421000012\0233, IDA [article ID]: 0631009001. - Rezhim dostupa: http://ej.kubagro.ru/2010/09/pdf/01.pdf, 1,438 u.p.l.
22. Lucenko E.V. Metod kognitivnoj klasterizacii ili klasterizacija na osnove znanij
(klasterizacija v sistemno-kognitivnom analize i intellektual'noj sisteme «Jejdos») / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2011. - №07(071). S. 528 - 576. - Shifr Informregistra: 0421100012\0253, IDA [article ID]: 0711107040. - Rezhim dostupa:
http://ej.kubagro.ru/2011/07/pdf/40.pdf, 3,062 u.p.l.
23. Lucenko E.V. Primenenie avtomatizirovannogo sistemnogo analiza dlja prognoziro-vanija uspeshnosti vyrashhivanija sel'skohozjajstvennyh kul'tur (na primere plodovyh) Draga-vceva I.A., Lopatina L.M., Lucenko E.V., Lucenko N.E. V sbornike: Formy i metody pov-yshenija jeffektivnosti koordinacii issledovanij dlja uskorenija processa peredachi real'nomu sektoru jekonomiki zavershennyh razrabotok teorija i praktika. 2002. S. 62-67.
24. Napriev I.L., Lucenko E.V., Chistilin A.N. Obraz-Ja i stilevye osobennosti deja-tel'nosti sotrudnikov organov vnutrennih del v jekstremal'nyh uslovijah. Monografija (nauch-noe izdanie). - Krasnodar: KubGAU. 2008. - 262 s.
25. Lucenko E.V. Matematicheskaja sushhnost' sistemnoj teorii informacii (STI) (Sis-temnoe obobshhenie formuly Bol'cmana-Najkvista-Hartli, sintez semanticheskoj teorii informacii Harkevicha i teorii informacii Shennona) / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2008. - №08(042). S. 76
- 103. - Shifr Informregistra: 0420800012\0114, IDA [article ID]: 0420808004. - Rezhim dostupa: http://ej.kubagro.ru/2008/08/pdf/04.pdf, 1,75 u.p.l.
26. Lucenko E.V. Laboratornyj praktikum po intellektual'nym informacionnym siste-mam: Uchebnoe posobie dlja studentov special'nosti "Prikladnaja informatika (po oblastjam)" i drugim jekonomicheskim special'nostjam. 2-e izd.,pererab. i dop. - Krasnodar: KubGAU,
2006. - 318s.
27. Lucenko E.V. Sistemno-kognitivnyj podhod k postroeniju mnogourovnevoj seman-
ticheskoj informacionnoj modeli upravlenija agropromyshlennym holdingom / E.V. Lucenko, V.I. Lojko, O.A. Makarevich // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2008. - №07(041). S. 194 - 214. - Shifr Informregistra: 0420800012\0095, IDA [article ID]: 0410807011. - Rezhim dostupa:
http://ej.kubagro.ru/2008/07/pdf/11.pdf, 1,312 u.p.l.
28. Trunev A.P. Semanticheskie informacionnye modeli global'noj sejsmicheskoj ak-tivnosti pri smeshhenii geograficheskogo i magnitnogo poljusa / A.P. Trunev, E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2010. - №02(056). S. 195 - 223. - Shifr Informregistra: 0421000012\0023, IDA [article ID]: 0561002015. - Rezhim dostupa: http://ej.kubagro.ru/2010/02/pdf/15.pdf, 1,812
u.p.l.
29. Lucenko E.V. Avtomatizirovannye tehnologii upravlenija znanijami v agropromysh-lennom holdinge / E.V. Lucenko, V.I. Lojko, O.A. Makarevich // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2009. - №08(052). S. 98
- 109. - Shifr Informregistra: 0420900012\0088, IDA [article ID]: 0520908007. - Rezhim dostupa: http://ej.kubagro.ru/2009/08/pdf/07.pdf, 0,75 u.p.l.
30. Lucenko E.V. Issledovanie dvuhurovnevoj semanticheskoj informacionnoj modeli agropromyshlennogo holdinga / E.V. Lucenko, V.I. Lojko, O.A. Makarevich // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo univer-siteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2008. -№08(042). S. 35 - 75. - Shifr Informregistra: 0420800012\0118, IDA [article ID]: 0420808003. - Rezhim dostupa: http://ej.kubagro.ru/2008/08/pdf/03.pdf, 2,562 u.p.l.
31. Lucenko E.V. Reshenie zadach prognozirovanija i podderzhki prinjatija reshenij (upravlenija) dlja agropromyshlennogo holdinga na osnove ego dvuhurovnevoj semanticheskoj informacionnoj modeli / E.V. Lucenko, V.I. Lojko, O.A. Makarevich // Poli-tematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2008. - №08(042). S. 16 - 34. - Shifr Informregistra: 0420800012\0119, IDA [article ID]: 0420808002. - Rezhim dostupa: http://ej.kubagro.ru/2008/08/pdf/02.pdf, 1,188 u.p.l.
32. Lucenko E.V. Issledovanie harakteristik ishodnyh dannyh po agropromyshlennomu holdingu i razrabotka programmnogo interfejsa ih ob#edinenija i standartizacii (formalizacija predmetnoj oblasti) / E.V. Lucenko, V.I. Lojko, O.A. Makarevich // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2008. - №07(041). S. 215 - 246. - Shifr Informregistra: 0420800012\0094, IDA [article ID]: 0410807012. -Rezhim dostupa: http://ej.kubagro.ru/2008/07/pdf/12.pdf, 2 u.p.l.
33. Lucenko E.V. Metrizacija izmeritel'nyh shkal razlichnyh tipov i sovmestnaja sopostavimaja kolichestvennaja obrabotka raznorodnyh faktorov v sistemno-kognitivnom an-alize i sisteme «Jejdos» / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №08(092). S. 859 - 883. - IDA [article ID]: 0921308058. - Rezhim dostupa: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 u.p.l
