Синтез системно-когнитивных моделей влияния экологических факторов на качество жизни населения региона Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.8

05.00.00 Технические науки

СИНТЕЗ СИСТЕМНО-КОГНИТИВНЫХ МОДЕЛЕЙ ВЛИЯНИЯ ЭКОЛОГИЧЕСКИХ ФАКТОРОВ НА КАЧЕСТВО ЖИЗНИ НАСЕЛЕНИЯ РЕГИОНА

Луценко Евгений Вениаминович д.э.н., к.т.н., профессор Scopus Author ID: 57191193316 РИНЦ SPIN-код: 9523-7101 prof.lutsenko@gmail.com http://lc.kubagro.ru

Барановская Татьяна Петровна д.э.н., профессор

Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13

В статье описаны синтез и верификация статистических и системно-когнитивных моделей влияния экологических факторов на качество жизни населения региона. Этот этап АСК-анализа выполняется в системе «Эйдос». В результате создаются и проверяются на достоверность (верифицируются) все заданные системно -когнитивные модели. Ожидается, что достоверность моделей знаний будет достаточно высока для данной предметной области, на основе чего можно будет говорить об обнаружении определенной зависимости продолжительности жизни и причин смерти от экологической обстановки. Обычно модели знаний имеют примерно на 20% более высокую достоверность, чем статистические модели, которые работают по принципу положительного псевдопрогноза. На основе модели Abs (матрица абсолютных частот) принимать решения не целесообразно из-за разного количества примеров по классам (обобщенным категориям) и зависимости решений от этого количества. В модели Prc2 (условные и безусловные процентные распределения) зависимость представленных в модели значений от числа примеров по классам снята, но достоверность у нее обычно такая же низкая, как у Abs. Кроме того, для принятия решений на основе этой модели, необходимо вручную сравнивать значения условных и безусловных вероятностей, что трудоемко, и едва ли возможно при больших размерностях моделей. Модель знаний Inf3, основанная на мере, сходной с хи-квадрат, получается в результате автоматизированного сравнения значения условных и безусловных вероятностей, представленных в модели Prc1, сходной с Prc2, и обычно имеет довольно высокую достоверность, особенно если учесть высокую сложность предметной области, которую мы моделируем. Поэтому, в соответствии с

UDC 004.8 Engineering

THE SYNTHESIS OF SYSTEMIC-COGNITIVE MODELS OF THE INFLUENCE OF ENVIRONMENTAL FACTORS ON THE QUALITY OF LIFE OF THE REGION

Lutsenko Eugeny Veniaminovich

Dr.Sci.Econ., Cand.Tech.Sci., professor

Scopus Author ID: 57191193316

RSCI SPIN-code: 9523-7101

prof. lutsenko @gmail.com http: //lc.kubagro.ru

Baranovskaya Tatiana Petrovna Dr.Sci.Econ., professor

Kuban State Agrarian University, Krasnodar, Russia

The article describes the synthesis and verification of statistical and system-cognitive models of the influence of environmental factors on the quality of life of the population of the region. This stage of the ASC-analysis is performed in the system called "Eidos". As a result, we have created and validated (verification stage) all the specified systemic cognitive models. It is expected that reliability for the models of knowledge is sufficiently high for a given subject area, that is why we can state the discovery of a dependence of life expectancy and causes of death from environmental conditions. Typically, knowledge models are approximately 20% higher in accuracy than statistical models, which operate on the principle of positive pseudo-prediction. Making decisions based on the model of Abs (matrix of absolute frequencies) is not appropriate because of the different number of instances of classes (generalized categories) and dependence of the solutions of this amount. In the model called Prc2 (conditional and unconditional percentage distribution) the dependence of the model values of the number of examples in classes has been removed, but the accuracy of it is usually same low as in the Abs. In addition, for decision-making based on this model, one has to compare the values of conditional and unconditional probabilities manually, which is laborious and hardly possible for large dimensional models. The knowledge model called Inf3, based on a measure similar to the Chi-square, is the result of the automated comparison of values of conditional and unconditional probabilities presented in the model of Prc1, which is similar to Prc2, and usually has a fairly high accuracy, especially considering the high complexity of the subject area, which we simulated. Therefore, in accordance with the technology of the ASC-analysis data conversion into information, and afterwards - into knowledge, it is the model of Inf3 which is planned to be used for the solution of problems of identification, forecasting,

технологией АСК-анализа преобразования данных decision-making and exploring the modeled subject

в информацию, а ее - в знания, именно модель Inf3 area, through the study of its models

планируется использовать для решения задач

идентификации, прогнозирования, принятия

решений и исследования моделируемой

предметной области, путем исследования ее

модели

Целью проекта является разработка инновационной интеллектуальной технологии исследования влияния экологических факторов на различные аспекты качества жизни населения региона.

Для достижения сформулированной цели необходимо решить ряд задач, которые получены в результате декомпозиции цели и являются этапами достижения цели.

Задачи исследования:

1) обоснование актуальности достижения поставленной цели;

2) исследование характеристик исходных данных и обоснование требований к методу достижения цели;

3) выбор метода по обоснованным критериям;

4) разработка этапов достижения цели с применением выбранного метода;

5) когнитивно-целевая структуризация предметной области;

6) формализация предметной области (разработка классификационных и описательных шкал и градаций и обучающей выборки);

7) синтез и верификация статистических и системно-когнитивных моделей влияния экологических факторов на качество жизни населения региона;

8) Решение задач идентификации, прогнозирования, принятия решений и исследования предметной области путем исследования наиболее достоверной из созданных моделей.

Ключевые слова: КАЧЕСТВО ЖИЗНИ НАСЕЛЕНИЯ РЕГИОНА, АВТОМАТИЗИРОВАННЫЙ СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА «ЭЙДОС», ЭКОЛОГИЧЕСКИЕ ФАКТОРЫ

Keywords: QUALITY OF LIFE OF THE POPULATION OF THE REGION, AUTOMATED SYSTEM-COGNITIVE ANALYSIS, "EIDOS" INTELLECTUAL SYSTEM, ENVIRONMENTAL FACTORS

Doi: 10.21515/1990-4665-134-001

Работа поддержана грантом РФФИ: 16-06-00114а

Ранее нами были решены задачи с 1-й по 6-ю.

Данная работа посвящена описанию решения 7-й задачи: Синтез и верификация модели.

Решению 8-й задачи будут посвящены будущие работы.

Этот этап АСК-анализа, обеспечивающий синтез и верфикацию моделей, выполняется в режиме 3.5 системы «Эйдос» при следующих параметрах (рисунок 1):

Рисунок 1. Экранная форма параметров синтеза и верификации модели На рисунке 2 показана итоговая форма этого режима:

Рисунок 2. Итоговая экранная форма отображения стадии исполнения этапа синтеза и верификации модели

Видно, что этот процесс занял 1 минуту 38 секунд.

Из формы, представленной на рисунке 3, видно, что достоверность системно-когнитивных моделей (моделей знаний) достаточно высока для данной предметной области, на основе чего можно обоснованно говорить об определенной степени зависимости продолжительности жизни и причин смерти от экологической обстановки:

Ь.Ррр.ЛЯЦИЛабс.Ч.СТОТСОбр.... щ 436.262 9.355 1304.445 0.276 1.000 0:432 0.544 0:390 9.1

1. ABS - частный критерий: количество встреч сочетаний: "клас... Сумма абс частот по признак.. 0.341 407.574 631.821 0.392 i.ООО' 0,564 0.447 9.181

2. PRC1 ■ частный критерий: усл. вероятность i-го признака сред... Корреляций уСЛ.ОТн. частот со... 0.353 496.262 9.355 1394.445 0.276 i.ООО С'.4.'.2 0.5.44 9.390 9,9

2. PRC1 - частный критерий: усл. вероятность ¡-го признака сред... Сумма yen отн.частот по приз 0.344 534.478 1311.882 0.231 3.099 С.2Л5 0.-432 9.376

3. PRC2 - частный.критерий: условная вероятность i-го признака... Корреляция усл.отн. частот со.. 0.353 496.237 9.355 1394.391 0.276 1.ÜOO 0.432 0.544 9.390 9.0

3. PRC2 - частный критерий: условная вероятность i-го признака... Сумма узлотн.частст по приз 0.344 375.563 1244.200 0.232 Х.Г.Я аш 9.357

4. INF1 - частный критерий: количество знаний по АХаркевичу; в... Семаотическии резонанс зна..; 0.506 141.423 590.404 155.100 47.543 0.477 0.748 0.5E3 Q.Í3Í 0.15 В а .1.73 о -:

4. INF1 - частный критерий: количество знаний гта АХаркевичу; в... Сумма знании 0,SM ¡ffli.Wt 187.319 248.870 16.486 0.290 0.861 ге-т 0,155 О.065 9.131 9.1

5. INF2 - частный критерий: количество знаний по АХаркевичу; в... □емэттнческ.ии резонанезна... В:В1 га&жв 598.550 153.294 46.557 0.474 0.743 а-звв ¡7 ГЦР - 0.173

5. INF2 ■ частный критерий количество знаний по АХаркевичу; в... .Сумма знании о.звэ 100.07S 201.295 246.790 15.775 0-289 0.964 0:433 0.159 О'. 064 9.134 9.1

G. INF3 - частный критерий: Хи-квадрат. разности мезду Фактич... Семаотическии резонанс зна..; 0.467 242.312 5Í1.417 309.317 39.035 0.439 0.859 о-501 0.357 9.235 9.2

6.1NF3 • частный критерий Хи-г.мврвт, разности между Фаетич... Сумма знаний 0.40 226.691 3S6.MÍ 214.121 44.522 0.514 0.036 «SS1 о.я» о.т 9.112

7. INF4 - частный притер* ROI (Fleluin 0n Investment); веротно... Семаотнческнн резонанз зна... 0:509 j 116.655 583.382 119.751 64.437 0.493 0.644 0-559 0.-231 0.158 9.211 9.2

7. INF4 ■ частный критерий ROI (Retuin Qn Investment);-вероятно... .Сумма знании 0.3TJS 43.659 23.741 121.502 2.569 0.286 0.959 «449 0.069 9.057 ■п.в

3. INF'5 - частный критерий: ROI (Fletuin 0n Investment); вероятно... Семаотнческнн резонанз зна... 0-.5Ó7 1А5.-194 584.610 118.738 63.534 0.492 0.645 Ct.229 9.155 9.298 9.1

8. INF5 ■ частный кртерий ROI (Ret™ On Investment); вероетно... Сумма знаний 0.391 49.412 31.675 125.630 2.525 0.202 0.951 0.43.5 0.069 0,0-13 9.061 9.0

Э. INF6 - частный критерий: разн.усл.и Йезусл. вероятностей; вер... Семаотнческнн резонанз зна... 0.454 212.034 479.775 274.416 49.275 0.436 0:811 «SB 0.339 0.113 9.215 9.2

Э. INFE - частный критерий: разкусяи безуся.вероятностей; вер... Сумма знании 0-37И т.т 82.431 245.480 6.039 0.2Д4 0-921 .0.134 0.026 9.118 a-Q

10.INF7 - частный критерий: рази.усл.и Йезусл.вероятностей; ве... Семаотнческнн резонанс зна... 226.606 517.976 292.289 46.738 0.437 0.829 0.572 Ö.3S9 0.176 9.234 9.2

10.INF7 - частный кр^ерий: рази.уся.и ¿езуся. вероятностей; ве... Сумма знании 64.1В4 87.674 227-027 4-994 H.Z29 0-929 0L356 0.091 О.024 97113 9.0

I

Рисунок 3. Экранная форма с оценкой достоверности моделей с разными частными и интегральными критериями на основе предложенной автором метрики, сходной с F-критерием, но не предполагающей нормальность распределения, а лишь интегрально учитывающей верные и ошибочные результаты идентификации и не идентификации

Из экранной формы на рисунке 3 видно наилучшей моделью по критерию L2 [37] является модель ЮТ3 с интегральным критерием «сумма знаний» (рисунок 4):

Рисунок 4. Экранная форма с описанием видов прогнозов с точки зрения

оценки их достоверности на основе предложенной авторами метрики, сходной с F-критерием, но не предполагающей нормальность распределения, а лишь интегрально учитывающей верные и ошибочные результаты идентификации и не идентификации

Ниже приведены фрагменты моделей Abs, Prc2 и Inf3 (рисунок 5):

tÖ 5.5, Модель: "1. ABS

критерий: количество встреч i

i: "Класс-признак" у объестов обуч.вы&ор

Коа Наименование описательной '1. продолж.... жизни (ОБА пола). 1/5 {61.8. 65.2} -2; ПРОДОЛЖ... Жизни [ОБА ПОЛА] 2/5 {65.2. 3. ПРОДОЛЖ... ЖИЗНИ (ОБА ПОЛА) 3/5 {68.6, 72.0} 4. ПРОДОЛЖ... ЖИЗНИ (ОБА ПОЛА) 4/5 {72.0. 75.4} ПРОДОЛЖ... жизни (ОБА ПОЛА) 5/5 {75.4; 78.8) 6. ПРОДОЛЖ... жизни (МУЖЧИНЫ) Т >5 .{56.4, 60.3) т. ПРОДОЛЖ,.,. жизни (МУЖЧИНЫ) 2/5 (603. 64.2} 3;- ПРОДОЛЖ... жизни (МУЖЧИНЫ) 3/5 (64.2, 68.1} 3. ПРОДОЛЖ... жи'зни (МУЖЧИНЫ) 4/5 '{68,1.. 72,1}' 10. ПРОДОЛЖ, жизни (МУЖЧИНЫ) 5/5 {72.1. 76.0) 11. ПРОДОЛЖ... жизни (женщины) 1/5 {66.4; 63.4) 12. ПРОДОЛЖ.,. ЖИЗНИ (ЖЕНЩИНЫ) 2/5 (63.4, 72.4} п1 Pi (7 7е.

в в ы бр0 сы в at м. загр. веш. -в сего -1 /5-{24.80000... 3 15 41 8 2 4 30 28 5 2 2 1

выбросы в atm.загр.вещ.-всего-2/5-{664.8800... 1 6 1 1 5 3 1

3 в ы бр0 сы в at м. загр. веш. -в сего -3/5-{1304.360... 1 1 2 —:

4 в ы бро сы в at м. загр. веш. -в сего-4/5-с1945.040... 1 1

5 выбросы в atm.загр.вещ.-всего-5/5-{2585.120... 2 1 1

6 выбросы в atm.загр.веш.от стац.источ.%-1/., 5 4 3 4 3

7 выбросы в atm.загр.вещ.от стац.и сто 4.2-2/... 4' 16 3 10 12 1

8 выбросы в atm.загр.вещ.от стац.и сто 4.2-3/... 1 е 11 2 1 13 s 1

э выбросы в atm.загр.вещ.от стац.источ.2-4/... 1 3 11 1 11 3

10 выбросы в atm.загр.вещ.от стдц.источ.й-5/... 1 2 '7 1 2 4 5

11 выбросы в atm,загр.вещ.от передв.источ.... ш 2 7 1 2 4 5

12 выбросы в atm.загр.веш.от передв.источ.... 1 3 11 1 11 3 1

13 выбросы в atm.загр.вещ.от передв.источ.... 1 8 11 2 % 13 а 1

14 выбросы в atm.загр.веш.от передв.источ.... 4 16 3 10 12 1

15 выбросы в atm.загр.вещ.от передв.источ.... 5 4 3 5 4 3

16 чи сло в 0 дн. ист 04 ни ко в -в сего -1 /5-(1.000000... 3 i5 41 7 4 32 27 3 3 2 1

17 чи сло в 0 ДН. ист 04 НИ ко в -в сего -2/5-12476. ооо... б 1 2 5

18 чи сло в 0 ДН. ист 04 НИ ко в -в сего -3/5 (4951. ооо... 1 2 3

13 чи сло в 0 ДН. ист 04 НИ ко в -в сего -4/5-17426. ооо...

'1 ш >1

Рисунок 5. Фрагменты моделей Abs, Prc2 и Inf3

На основе модели Abs (матрица абсолютных частот) принимать решения не целесообразно из-за (рисунок 5) и разного количества примеров по классам (обобщенным категориям).

В модели Prc2 (условные и безусловные процентные распределения) зависимость представленных в модели значений от числа примеров по классам снята, но для принятия решений на основе той модели необходимо вручную сравнивать значения условных и безусловных вероятностей, что трудоемко и едва ли возможно при больших размерностях моделей.

Модель знаний Inf3, основанная на мере аналогичной хи-квадрат, получена в результате автоматизированного сравнения значения условных и безусловных вероятностей, представленных в модели Prc1, сходной с Prc2, и имеет довольно высокую достоверность1.

Поэтому в соответствии с технологией АСК-анализа преобразования данных в информацию, а ее в знания именно модель Inf3 в дальнейшем будем использовать для решения задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области, путем исследования ее модели.

Рассмотрим частотные распределения уровней сходства наблюдений с классами для истинных и ложных, положительных и отрицательных решений (рисунки 6, 7 и 8):

1 особенно если учесть высокую сложность предметной области, которую мы моделируем

4-L3.lL Част.распр.уровн.сход.ТР/П^РР^М решений при разных моделях и имт.критериях. Текущая мол*1"*? "ТИР!" ^^^ 1 1=1 \ @

•

II Наименование частного и интегрального критерия -100 -99 II -98 ||-97 -96 -95 II -94 |-93 I -92 -91 II -30 ||-89 I -88 -87 1-86

Част.распр. Уровней Сходства ложно-положительных решений (ЕР)

Част.распр.Уровней Сходства ложно-отрицательнык решений (ЕМ]

6.1МРЗ - ЧАСТНЫЙ КРИТЕРИЙ: ХИ-КВАДРАТ, РАЗНОСТИ МЕЖДУ ФАКТИЧЕСКИМИ И 0ЖИД...

Интегральный критерий: СЕМАНТИЧЕСКИЙ РЕЗОНАНС ЗНАНИЙ

Уровни сходства (Ур.Сх:] [%]: -100 -99 -93 -97 -96 -95 -94 -93 -92 -91 -90 -89 -88 -87 -84

Част.распр.Уровней Сходства истинных решений (ТР+Т№)

Част.распр.Уровней Сходства ложных решений [РР+РМ)

Част.распр.Уровней Сходства истинно-положительных решений (ТР)

Част.распр.Уровней Сходства истинно-отрицательных решений (ТЫ)

Част.распр.Уровней Сходства ложно-положительных решений (ЕР)

Част.распр.Уровней Сходства ложно-отрицательным решений (ЕЫ]

Интегральный критерий: СУММА ЗНАНИЙ

-99 -98 -97 -96 -95 -94 -93 -92 -91 -90 -89 -88 -87

Част.распр.Уровней Сходства истинных решений (ТР+Т№) 2 1 3 1 1

Част.распр.Уровней Сходства ложных решений [РР+РМ) 1

Част.распр.Уровней Сходства истинно-положительных решений (ТР)

Част.распр.Уровней Сходства истинно-отрицательных решений (ТЫ) 2 1 3 1 1

Част.распр.Уровней Сходства ложно-положительных решений (ЕР)

Част.распр.Уровней Сходства ложно-отрицательным решений (ЕЫ] 1

7. 1^4 - ЧАСТНЫЙ КРИТЕРИЙ: И01 (ИЕТШЫ ОМ ШЕБТМЕМТ]; ВЕРОЯТНОСТИ ИЗ РИС1

Интегральный критерий: СЕМАНТИЧЕСКИЙ РЕЗОНАНС ЗНАНИЙ

Уровни сходства (Ур.Сх.) [%): -100 -99 -98 -97 -96 -95 -94 -93 -92 -91 -90 -39 -88 -87 -8(

Част.р^спП:Уровней Сходства истинных оешений ГГР+ТЫ1_

< ■ >

Помощь по графикам | ТРДЫ/РЛМ. резонанс | ТРДЫ/РЖ сумма | (ТР-РР), (ТЫ-РЫ]. резонанс | (ТР-РР), (ТЫ-РЫ], сумма (Т-Р)/(Т+Р)"100, резонанс (Т-ЕИТ+РГ100, сумма |

II-II

Рисунок 6. Экранная форма, которая используется для задания системно-

когнитивной модели и вида интегрального критерия для отображения частотных распределений уровней сходства наблюдений с классами для истинных и ложных, положительных и отрицательных решений

На рисунке 6 приведена экранная форма, которая используется для задания системно-когнитивной модели и вида интегрального критерия для отображения частотных распределений уровней сходства наблюдений с классами для истинных и ложных, положительных и отрицательных решений.

Задание модели осуществляется путем указания ее текстовым курсором, а вид частотного распределения и интегрального критерия задается путем нажатия мышкой на кнопках внизу экранной формы.

ф 4.и. 11. Част.рйспр.ур.с::. ТР'.ТМ.РР.ьМ реш.в модели: 6. ШРЗ инт.крит.-сумма знаний

Част.распр.ур.сх.решений в модели: 6.1ЫГЗ инт.крит.-сумма знаний Приложение: "АСК-анализ влияния экологических факторов на качество жизни."

Ч аст. распр. ур. ск. ложнс-положигельнык решений: [РЙ) - Ч аст. распр. ур: си. исгинно-положительнык решений: 1'Г Р]

Част.pacrip.yp.cn.ложнс-сгтрицагельнык решений: |ТМ | - Част.распр.ур:ск.исгинно-сггрицагельны:: решений: (ТМ]

Рисунок 7. Частотные распределения уровней сходства наблюдений с классами для истинных и ложных, положительных и отрицательных решений в самой достоверной системно-когнитивной модели ЮТ3

На рисунке 7 приведены частотные распределения уровней сходства наблюдений с классами для истинных и ложных, положительных и отрицательных решений в самой достоверной системно-когнитивной модели ЮТ3.

В правой части рисунка показаны положительные решения (т.е. решения о принадлежности наблюдений к классам), а слева -отрицательные (т.е. решения о не принадлежности наблюдений к классам).

Красным и коричневым цветом показаны истинные решения, а синим и голубым - ложные.

Из рисунка 7 мы видим, что показанные на нем частотные распределения уровней сходства образуют как бы два нормальных распределения, сдвинутых относительно друг друга по уровню сходства и разных по числу примеров (амплитуде):

1-е, большее по числу примеров, состоит из частотных распределений истинно-отрицательных и ложно-положительных решений;

2-е, меньшее по числу примеров, состоит из частотных распределений ложно-отрицательных и истинно-положительных решений.

Из этих частотных распределений мы видим, что:

- практически при всех уровнях различия истинно-отрицательных решений значительно больше, чем ложно отрицательных;

- для положительных решений можно выделить три диапазона уровней сходства, отличающихся соотношением количества истинных и ложных решений:

1-й диапазон с уровнями сходства от 0% до примерно 25%: ложных решений больше, чем истинных;

2-й диапазон с уровнями сходства примерно от 25% до 77%: характеризуется тем, что в нем истинных и ложных решений примерно поровну, но в начале этого диапазона больше ложных, а в конце истинных;

3-й диапазон с уровнями сходства примерно от 77% до 100%: истинных решений больше, чем ложных.

Более наглядно, чем на рисунке 7, мы это видим на рисунках 8, на которых приведены графики разности числа истинных и ложных решений в абсолютном (а)) и относительном (б) выражении (относительно числа всех решений):

Рисунок 8. Частотные распределения уровней сходства наблюдений с классами для истинных и ложных, положительных и отрицательных решений

Из рисунка 8б мы видим, что с повышением величины уровня сходства доля истинных решений закономерно возрастает, что вполне разумно и вполне согласуется с интуитивными ожиданиями и смыслом величины уровня сходства наблюдения с классом.

Проще говоря ошибочные идентификации с помощью модели случаются, но чем выше уровень сходства, тем они реже, а истинные чаще. Это означает, что уровень сходства наблюдения с классом вполне может служить количественной мерой степени надежности идентификации, который содержится в самой модели и является своеобразной самооценкой достоверности принимаемых с ее помощью решений.

Применение АСК-анализа для исследования влияния экологических факторов на различные аспекты качества жизни обеспечивает синтез моделей большой размерности на основе неполных и зашумленных эмпирических данных, обеспечивающих сопоставившую обработку факторов различной природы, измеряемых в различных типах шкал (номинальных, порядковых и числовых) и в различных единицах измерения) [5].

Полученные решения могут быть адаптированы и локализованы для применения в разных регионах. Этому способствует то, что на базе АСК-анализа и системы «Эйдос авторами создана открытая масштабируемая интерактивная интеллектуальная on-line среда для обучения и научных исследований» с применением технологий искусственного интеллекта [6]. Сама система «Эйдос» находится в полном открытом бесплатном доступе, причем с актуальными исходными текстами, на сайте автора по адресу: http://lc.kubagro.ru/aidos/ Aidos-X.htm.

Литература:

1. Трубилин А.И., Барановская Т.П., Лойко В.И., Луценко Е.В. Модели и методы управления экономикой АПК региона. Монография (научное издание). -Краснодар: КубГАУ. 2012. - 528 с. ISBN 978-5-94672-584-2. http://elibrary.ru/item.asp?id=21683702

2. 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.

3. Луценко Е.В. АСК-анализ влияния экологических факторов на качество жизни населения региона / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2015. - №06(110). С. 1 - 37. - IDA [article ID]: 1101506001. - Режим доступа: http://ej.kubagro.ru/2015/06/pdf/01 .pdf, 2,312 у.п.л.

4. Луценко Е.В. Автоматизация Функционально-стоимостного анализа и метода "Директ-костинг" на основе АСК-анализа и системы "Эйдос" (автоматизация управления натуральной и финансовой эффективностью затрат без содержательных технологических и финансово-экономических расчетов на основе информационных и когнитивных технологий и теории управления) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - №07(131). С. 1 - 18. - IDA [article ID]: 1311707001. - Режим доступа: http://ej .kubagro.ru/2017/07/pdf/01.pdf, 1,125 у.п.л.

5. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном 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.

6. Луценко Е.В. Открытая масштабируемая интерактивная интеллектуальная on-line среда для обучения и научных исследований на базе АСК-анализа и системы «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - №06(130). С. 1 - 55. - IDA [article ID]: 1301706001. - Режим доступа: http://ej.kubagro.ru/2017/06/pdf/01.pdf, 3,438 у.п.л.

References

1. Trubilin A.I., Baranovskaja T.P., Lojko V.I., Lucenko E.V. Modeli i metody upravlenija jekonomikoj APK regiona. Monografija (nauchnoe izdanie). - Krasnodar: KubGAU. 2012. - 528 s. ISBN 978-5-94672-584-2. http://elibrary.ru/item.asp?id=21683702

2. Tkachev A.N. Kachestvo zhizni naselenija, kak integral'nyj kriterij ocenki jeffektivnosti 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.

3. Lucenko E.V. ASK-analiz vlijanija jekologicheskih faktorov na kachestvo zhizni naselenija regiona / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2015. - №06(110). S. 1 - 37. - IDA [article ID]: 1101506001. - Rezhim dostupa: http://ej.kubagro.ru/2015/06/pdf/01.pdf, 2,312 u.p.l.

4. Lucenko E.V. Avtomatizacija Funkcional'no-stoimostnogo analiza i metoda "Direkt-kosting" na osnove ASK-analiza i sistemy "Jejdos" (avtomatizacija upravlenija natural'noj i finansovoj jeffektivnost'ju zatrat bez soderzhatel'nyh tehnologicheskih i finansovo-jekonomicheskih raschetov na osnove informacionnyh i kognitivnyh tehnologij i teorii upravlenija) / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2017. - №07(131). S. 1 - 18. - IDA [article ID]: 1311707001. - Rezhim dostupa: http://ej.kubagro.ru/2017/07/pdf/01.pdf, 1,125 u.p.l.

5. Lucenko E.V. Metrizacija izmeritel'nyh shkal razlichnyh tipov i sovmestnaja sopostavimaja kolichestvennaja obrabotka raznorodnyh faktorov v sistemno-kognitivnom analize 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.

7. Lucenko E.V. Otkrytaja masshtabiruemaja interaktivnaja intellektual'naja on-line sreda dlja obuchenija i nauchnyh issledovanij na baze ASK-analiza i sistemy «Jejdos» / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2017. - №06(130). S. 1 - 55. - IDA [article ID]: 1301706001. -Rezhim dostupa: http://ej.kubagro.ru/2017/06/pdf/01.pdf, 3,438 u.p.l.