Интеллектуальное управление качеством систем путем решения обобщенной задачи о назначениях с применением АСК-анализа и системы «Эйдос-Х++»1 Текст научной статьи по специальности «Компьютерные и информационные науки»

Научный журнал КубГАУ, №109(05), 2015 года

1

УДК 303.732.4

01.00.00 Физико-математические науки

ИНТЕЛЛЕКТУАЛЬНОЕ УПРАВЛЕНИЕ КАЧЕСТВОМ СИСТЕМ ПУТЕМ РЕШЕНИЯ ОБОБЩЕННОЙ ЗАДАЧИ О НАЗНАЧЕНИЯХ С ПРИМЕНЕНИЕМ АСК-АНАЛИЗА И СИСТЕМЫ «ЭЙДОС-Х++»1

Луценко Евгений Вениаминович д.э.н., к.т.н., профессор РИНЦ SPIN-код: 9523-7101 prof.lutsenko@gmail. com

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

Качество системы рассматривается, как эмерд-жентное свойство систем, обусловленное их составом и структурой и отражающее их функциональность, надежность и стоимость. Поэтому, при управлении качеством, целью управления является формирование у объекта управления заранее заданных системных свойств. Чем ярче у объекта управления выражены системные свойства, тем сильнее у него проявляется нелинейность: и в зависимости самих управляющих факторов друг от друга, и в зависимости результатов действия одних факторов, от действия других. Поэтому проблема управления качеством состоит в том, что в процессе управления сам объект управления изменяется качественно, т.е. изменяются его уровень системности, степень детерминированности и сама передаточная функция. Эта проблема распадается на несколько задач: 1-я состоит в системной идентификации состояния объекта управления, 2-я - в принятии решений об управляющем воздействии так изменяющем состав объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это. Для решения 2-й задачи предлагается применить выбор компонентов объекта управления по их функциональному назначению с учетом ресурсов, выделенных на реализацию различных функций, затрат, связанных с выбором тех или иных компонентов и степени соответствия различных компонентов их функциональному назначению. Фактически, предлагается формулировка и решение нового обобщения варианта задачи о назначениях: «Мультипликативный рюкзак», отличающееся от известного тем, что назначения производится не только с учетом ресурсов и затрат, но и с учетом степени соответствия компонентов их функциональному назначению. Математическая модель, обеспечивающая решение 1-й задачи и отражающая степень соответствия компонентов их функциональному назначению, а также весь процесс приятия решений по назначениям, т.е. 2-я задача, реализованы в АСК-анализе и системе «Эйдос-Х++». Приводится упрошенный численный пример предлагаемого подхода, связанный с назначением персонала

UDC 303.732.4

Physical-Mathematical sciences

INTELLIGENT MANAGEMENT OF THE QUALITY OF SYSTEMS BY SOLVING A GENERALIZED ASSIGNMENT PROBLEM WITH THE USE OF ASC-ANALYSIS AND "EIDOS-X++" SYSTEM

Lutsenko Eugeny Veniaminovich Dr.Sci.Econ., Cand.Tech.Sci., professor SPIN-code: 9523-7101 prof.lutsenko@gmail.com

Kuban State Agrarian University, Krasnodar, Russia

The quality of a system is seen as an emergent property of systems, due to their composition and structure, and it reflects their functionality, reliability and cost. Therefore, when we speak about quality management, the purpose of management is the formation of predefined system properties of the object of management. The stronger the object of the control expresses its system properties, the stronger the nonlinearity manifests of the object: both the dependence of the management factors from each other, and the dependence of the results of the action of some factors from the actions of others. Therefore, the problem of quality management is that in the management process the management object itself changes qualitatively, i.e. it changes its level of consistency, the degree of determinism and the transfer function itself. This problem can be viewed as several tasks: First is the system identification of the condition of the object of management, 2nd - making decisions about controlling influence that changes the composition of the control object in a way its quality maximally increases at minimum costs. To solve the 2nd problem we have proposed an application of the component selection of the object by functions based on the resources allocated for the implementation of different functions; costs associated with the choice of the components and the degree of compliance of various components to their functional purpose. In fact, we have proposed a formulation and a solution of the new generalization of a variant of the assignment problem: "multi backpack", which differs from the known with the fact that the selection has been based not only on the resources and costs, but also with taking into account the degree of compliance of the components to their functional purpose. A mathematical model, which provides a solution to the 1st problem, and reflecting the degree of compliance of the components to their functionality, as well as the entire decision-making process for selections, i.e. 2nd task, has been implemented in the ASC-analysis and in the system called "Eidos" X++". The article also provides a simplified numerical example of the proposed approach with the selection of staff members

1 Работа выполнена при финансовой поддержке РГНФ (проект РГНФ №13-02-00440а) и РФФИ (проект РФФИ №15-06-02569 А).

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

2

Ключевые слова: АВТОМАТИЗИРОВАННЫЙ СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, АСК-АНАЛИЗ, СИСТЕМНАЯ ТЕОРИЯ ИНФОРМАЦИИ, ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА «ЭЙДОС», ИНФОРМАЦИОННОИЗМЕРИТЕЛЬНАЯ СИСТЕМА, МНОГОПАРАМЕТРИЧЕСКАЯ ТИПИЗАЦИЯ, СИСТЕМНАЯ ИДЕНТИФИКАЦИЯ, ПОВЫШЕНИЕ УРОВНЯ СИСТЕМНОСТИ, КОЭФФИЦИЕНТЫ ЭМЕРДЖЕНТНОСТИ

Keywords: AUTOMATED SYSTEM-COGNITIVE ANALYSIS, ASC-ANALYSIS, SYSTEMIC INFORMATION THEORY, "EIDOS" INTELLIGENT SYSTEM, INFORMATION-MEASURING SYSTEM, MULTIPARAMETER TYPING, SYSTEM IDENTIFICATION, INCREASING THE LEVEL OF SYSTEM, FACTORS OF EMERGENCE

СОДЕРЖАНИЕ

1. ФОРМУЛИРОВКА РЕШАЕМЫХ ПРОБЛЕМ...............................................2

2. ТРЕБОВАНИЯ К МЕТОДУ РЕШЕНИЯ ПРОБЛЕМ........................................................6

3. ТРАДИЦИОННЫЕ ПУТИ РЕШЕНИЯ ПРОБЛЕМ И ИХ НЕДОСТАТКИ..........................................7

4. ПРЕДЛАГАЕМОЕ РЕШЕНИЕ ПРОБЛЕМ................................................8

4.1. Автоматизированный системно-когнитивный анализ и интеллектуальная система

«ЭЙДОС» КАК ИНСТРУМЕНТАРИЙ РЕШЕНИЯ ПРОБЛЕМ................................................. 8

4.1.1 Частные критерии и виды моделей системы «Эйдос»....................................13

4.1.2. Ценность описательных шкал и градаций для решения задач...........................15

4.2. Решение 1 -Й задачи - многопараметрической типизации и системной идентификации

СОСТОЯНИЙ ОБЪЕКТОВ, ОПИСАННЫХ В РАЗНОРОДНЫХ ШКАЛАХ: КОЛИЧЕСТВЕННЫХ И КАЧЕСТВЕННЫХ, ИЗМЕРЯЕМЫХ В РАЗЛИЧНЫХ ЕДИНИЦАХ ИЗМЕРЕНИЯ.............................. 16

4.2.1. Численный пример решения 1-й задачи...............................................16

4.2.2. Метризация шкал - решение проблемы сопоставимости при системной идентификации .. 26

4.3. Решение 2-й задачи - принятия решений об управляющем воздействии так изменяющем

СОСТАВ ОБЪЕКТА УПРАВЛЕНИЯ, ЧТОБЫ ЕГО КАЧЕСТВО МАКСИМАЛЬНО ПОВЫШАЛОСЬ ПРИ МИНИМАЛЬНЫХ ЗАТРАТАХ НА ЭТО.........................................................28

4.3.1. Интегральные критерии системы «Эйдос».............................29

4.3.2. Алгоритм решения 2-й задачи.......................................31

4.3.3. Численный пример решения 2-й задачи...............................32

4.3.4. Различие в подходах психолога и руководителя к назначению и перемещению персонала.37

4.4. Исследование предметной области путем исследования ее модели..........37

4.4.1. Отображение профессиограмм в форме нелокальных нейронов...........38

4.4.2. Взаимозаменяемость сотрудников и ротация по должностям. Кластерно-конструктивный анализ классов и факторов и отображение его результатов в форме когнитивных диаграмм 38

4.4.3. Содержательное сравнение классов по требованиям, предъявляемым ими к сотрудникам.. 40

4.4.4. Автоматизированный SWOT- и PEST-анализ, отображение результатов в форме SWOT-

диаграмм.................................................................41

5. ВЫВОДЫ.....................................................................43

ЛИТЕРАТУРА....................................................................44

«Кадры решают почти все».

1. Формулировка решаемых проблем

Качество системы рассматривается автором, как эмерджентное свойство систем, обусловленное их составом и структурой [1, 2] и отражающее их функциональность, надежность, а также стоимость обеспечения функциональности и надежности.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

3

Соответственно для управления качеством систем необходимо уметь решать задачи идентификации состояний систем и на основе этого принятия решений (выработки управляющих воздействий) по такому изменению их состава и структуры, которые максимально повышают функциональность и надежность при минимальном необходимом для этого повышении стоимости. Поэтому в работе [1] предлагается рассматривать две цели управления объектом:

- связанные с использованием уже имеющихся качеств объекта управления путем его количественных изменений, т.е. перевода в заранее заданные целевые состояния без изменения качества;

- связанные с изменением самого качества и уровня системности объекта управления с целью формирования у него заранее заданных желательных (целевых) новых эмерджентных свойств (для их последующего использования).

Соответственно, в работе [1] предлагается различать и управляющие воздействия, направленные на достижение этих двух целей.

Если в первом случае управляющие факторы можно оценивать по силе и направлению их влияния на объект управления, то во втором случае - по величине и направлению изменения уровня системности и степени детерминированности, которые можно количественно измерять с помощью предложенных автором2 выражений системной теории информации для коэффициентов эмерджентности Хартли и Харкевича, названных так в работе [3] в честь этих выдающихся ученых.

Чем выше уровень системности объекта управления, тем сильнее проявляются его нелинейные свойства, тем менее применимы параметрические методы, основанные на предположения о независимости управляющих факторов друг от друга и о независимости их действия на объект управления, тем сложнее идентифицировать состояние объекта управления и выработать управляющее воздействие на него.

Поэтому возникает 1-я проблема управления качеством состоит в том, что сам объект управления непосредственно в процессе управления изменяется качественно, т.е. изменяются его уровень системности, степень детерминированности и сама передаточная функция. Это в такой степени усложняет математическое моделирование объекта управления, что фактически делает его невозможным. Причина как в отсутствии математических методов адекватных этой задаче, так и реализующего эти методы программного инструментария.

Эта проблема распадается на несколько задач:

2 Идеи о коэффициентах эмерджентности оказались лакомым кусочком для довольно многочисленной и активной стаи плагиаторов, о чем можно почитать в статье: Вяткин В.Б. Групповой плагиат: от студента до министра. - Троицкий вариант — Наука - http://trv-science.ru - [Электронный ресурс]. Адрес доступа: http://trv-science.ru/2011/11/08/gruppovojj-plagiat-ot-studenta-do-ministra/

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

4

1- я задача состоит в создании и применении математической модели для многопараметрической типизации и системной идентификации состояния объекта управления;

2- я задача - в принятии решений об управляющем воздействии так изменяющем состав объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это;

3- я задача - в принятии решений об управляющем воздействии так изменяющем структуру объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это (эта задача в данной работе не рассматривается).

Традиционно в системах управления рассматривается только первая цель, хотя очевидно, что в сельском хозяйстве, медицине, науке и образовании (в частности педагогике и психологии) фактически идет речь о формировании объектов с новыми свойствами, т.е. о второй цели. Но делается это как-то не очень осознанно, т.к. не сопоставляется с традиционным подходом, принятым в системах управления техническими объектами, которая является наиболее развитой и математизированной. Отметим, что осознанно такое сравнение проведено автором в работе [3], в которой также предлагается понятийный и математический аппарат и реализующий их программный инструментарий для интеллектуального управления объектами, качественно изменяющимися в процессе управления, т.е. такими, у которых сама передаточная функция [4, 5], отражающая взаимосвязь управляющих факторов и выходных параметров объекта управления, является нелинейной и зависящей от времени и вообще сама может рассматриваться как объект управления.

Допустим, есть производство сложного технического изделия, компьютера, автомобиля или космического аппарата. Это изделие состоит из десятков тысяч комплектующих, у каждого из которых есть цена и качество. Обычно они связаны прямо пропорционально, но не всегда, т.к. качество, как истина - всегда конкретно, т.е. обусловлено еще и тем, в какой степени подходит или не подходит данное комплектующее именно данному изделию.

Например, при комплектации автомобиля «Лада 4х4» «600-

мерседесовская» коробка передач не может рассматриваться как более качественная, чем отечественная просто по той причине, что она вообще не подходит к этому автомобилю, т.е. ее качество в данном случае должно считаться равным нулю (при гораздо более высокой стоимости).

Поэтому хотя и понятно, что качество комплектующих как-то влияет на качество изделия в целом, но как именно (конкретно) влияет, это еще надо специально выяснить.

Так если при комплектации автомобиля «Лада 4х4» речь идет о покрышках, фильтрах, сальниках и т.п., влияние их поставщика и определяемого им качества на надежность автомобиля в целом может быть предме-

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

5

том отдельного исследования. Для проведения подобного исследования нужны исходные данные, обладающие вариабельностью по всем этим параметрам с одной стороны, и статистика ДТП и обращений в страховые компании и автосервис по этим автомобилям с другой стороны. На основе подобных исходных данных можно попытаться выявить причинноследственные зависимости между составом изделия и его качеством и надежностью. Правда при этом возникает 2-я проблема, которая состоит в том, что для проведения подобного исследования необходим адекватный этой задаче математический аппарат и доступная реализующая его программная система. В качестве примеров работ, где применялись сходные технологии, можно привести работы автора [6, 7, 8, 9].

Однако, кроме качества компонент (комплектующих), на качество изделия в целом, естественно, влияет еще и технология, с помощью которой осуществляется сборка изделия, и персонал, реализующий эту технологию. Анализ качества технологий также возможен [9, 10]. При исследовании этого влияния мы также сталкиваемся с 1-й и 2-й проблемами.

Ясно, что персонал тоже бывает квалифицированный и не очень, дорогой в Европе и США и относительно дешевый в Китае и Сингапуре. Причем один и тот же человек может быть квалифицированным для выполнения одних функций, и не очень для выполнения других, т.е. квалификация, по сути, есть качество реализации вполне определенных функций и так же конкретна, как и качество. Возможны все сочетания этих особенностей персонала, т.е. для выполнения некоторых конкретных функций существует как дорогой квалифицированный и не квалифицированный персонал, так и дешевый квалифицированный и не квалифицированный персонал. Естественно, работодателю хотелось бы нанять дешевый квалифицированный персонал на все должности в своей фирме (естественно, кроме своей собственной), т.к. он прекрасно понимает, что от этого самым существенным образом зависит эффективность работы фирмы и затраты на обеспечение этой эффективности. Практически это та же самая задача о качественной и дешевой комплектации изделия, т.к. персонал фирмы может рассматриваться как комплектация, а фирма, как изделие.

Но как это сделать? Для этого необходимо уметь оценивать степень соответствия личностных и профессиональных качеств реальных и потенциальных сотрудников требованиям различных должностей, которые есть в фирме. Если речь идет о кандидатах, то мы имеем дело с задачей подбора персонала, если об уже работающих сотрудниках, то о задаче расстановки персонала. Но как определить эти требования (профессиограммы) и как их использовать для решения этих задач? Здесь мы также сталкиваемся с уже сформулированными выше двумя проблемами. Есть примеры решения подобных задач в ряде работ автора, см., например, работы [10-14].

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

6

С подобной задачей мы имеем дело и в случае, когда дети всем классом организованно пошли в небольшой магазин игрушек и родители дали им различные суммы денег на их приобретение. Каждый ребенок выбирает те игрушки, которые лично ему особенно понравились, и тратит на их приобретение имеющиеся у него финансовые ресурсы, причем количество игрушек ограничено и их на всех не хватает, т.е. дети сметают с полок практически все, пока на них не останутся только бракованные и поломанные,

3

но при этом очень дорогие игрушки .

Цель данной работы - это поиск ответа на вопрос о том, как обеспечить максимальное возможное качество изделия путем управления его составом и структурой, понеся при этом минимальные необходимые и достаточные для достижения этого качества затраты.

В дальнейшем изложении мы будем основываться на упрощенном примере с подбором и расстановкой персонала имея при этом в виду, что математическая суть этой задачи очень универсальная и позволяет применять в самых различных предметных областях.

2. Требования к методу решения проблем

Из изложенного выше вытекают определенные требования к методу решения поставленных проблем и задач. Этот метод должен обеспечивать:

1. Построение (синтез) модели, отражающей силу и направление влияния личностных и профессиональных качеств сотрудников на их соответствие требованиям, предъявляемым на различных должностях в фирме, т.е. метод должен обеспечивать синтез профессиограмм.

2. Построение модели, позволяющей применять профессиограммы на практике для количественной сопоставимой оценки степени соответствия конкретного респондента (действующего сотрудника или кандидата), обладающего конкретным вполне определенным набором личностных и профессиональных качеств, требованиям различных должностей.

3. Установление того факта, что респондент обладает теми или иными личностными и профессиональными качествами, может осуществляться с помощью соответствующих локализованных, адаптированных и предназначенных для этих целей психологических измерительных инструментов (тестов и опросников, шкал и т.п.) [8, 15, 16].

4. Назначение объектов на классы с учетом ресурсов классов, затрат на объекты и степени соответствия объектов классам таким образом, чтобы как обеспечить максимальное возможное суммарное соответствие объектов классам при минимальных необходимых и достаточных для этого затратах. 3

3 Вместо детей с таким же успехом взять взрослых: от этого в математической сути задачи ничего не меняется.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

7

5. В случае изменения закономерностей в предметной области (нарушении принципа относительности [16]) из-за изменения места или времени применения данного метода, быть возможность его локализации и адаптации.

3. Традиционные пути решения проблем и их недостатки

С математической точки зрения, сформулированные проблемы и задачи относятся к каким-то вариантам и модификациям задачи о рюкзаке (ранце), коммивояжере и больше всего напоминают задачу о назначениях в варианте «Мультипликативный рюкзак». Эти задачи хорошо исследованы,

4

предложено много вариантов их решения и здесь нет смысла все это описывать.

Однако, по сравнению с вариантом: «Мультипликативный рюкзак» в сформулированных выше проблемах и задачах есть и несколько, на взгляд автора, довольно существенных отличий, наличие которых позволяет обоснованно говорить об обобщенном варианте этой задачи:

1. В классической постановке у предметов (объектов) есть только вес и ценность, причем ценность не зависит от рюкзака (класса), а в нашей постановке зависит, т.е. каждый объект в различной степени подходит или не подходит (соответствует или не соответствует) к различным классам.

2. Раз в классической постановке ценность объекта не зависит от класса, то, соответственно, не ставится и не решается вопрос о том, как ее определить. В классической постановке подобные параметры классов и объектов считаются заранее заданными (известными), но нам необходимо их определить на основе исходных данных.

3. Для сравнения объектов с классами необходимо предварительно сформировать обобщенные образы этих классов, т.е. провести многопараметрическую типизацию описаний (образом) конкретных объектов в исходных данных, о которых из опыта известно к каким классам они относятся.

4. В специальной литературе, за исключением работы [17], практически отсутствует описание методов сопоставимого количественного сравнения объектов друг с другом и обобщенными образами (системная идентификация), описанных в разнородных шкалах: количественных и качественных, измеряемых в различных единицах измерения и безразмерных (проблема метризации шкал). В этом, кстати, состоит одна из нерешенных проблем кластерного анализа, решение которой предлагается в работе [18]. 4

4

ЬДр://уапёех.щ/5еагсЬ/?1ех1=задача%20о%20рюкзаке%20(ранце)%20коммивояжере%20назначениях%20

Мультипликативный%20рюкзак&1г=35

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

8

5. Для решения всех этих проблем на практике, как уже указывалось выше, необходим как адекватный математический аппарат, так и реализующая его программная система, а также и методика ее применения.

Из-за перечисленных отличий классический вариант задачи «Мультипликативный рюкзак» и ее классическое решение в нашем случае не применимы. Между тем решение предлагаемой обобщенной задачи о Мультипликативном рюкзаке чрезвычайно востребовано на практике, т.к. область его применения очень широка. Поэтому описание такого решения является весьма актуальным, что и является предметом рассмотрения данной статьи.

4. Предлагаемое решение проблем

Рассмотрим, в чем состоит предлагаемое решение 1-й и 2-й проблем и входящих в них задач:

1-я проблема управления качеством состоит в том, что сам объект управления непосредственно в процессе управления изменяется качественно, т.е. изменяются его уровень системности, степень детерминированности и сама передаточная функция. Это в такой степени усложняет математическое моделирование объекта управления, что фактически делает его невозможным. Причина как в отсутствии математических методов адекватных этой задаче, так и реализующего эти методы программного инструментария.

Эта проблема распадается на несколько задач:

1- я задача состоит в создании и применении математической модели для многопараметрической типизации и системной идентификации состояния объекта управления;

2- я задача - в принятии решений об управляющем воздействии так изменяющем состав объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это;

2-я проблема, состоит в том, что для проведения подобного исследования необходим адекватный этой задаче математический аппарат и доступная реализующая его программная система.

Кратко рассмотрим предлагаемые решения.

4.1. Автоматизированный системно-когнитивный анализ и интеллектуальная система «Эйдос» как инструментарий решения проблем

АСК-анализ представляет собой один из современных инновационных методов искусственно интеллекта, который предоставляет научно обоснованные ответы на все эти вопросы, но самое существенное, что он

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

9

оснащен широко и успешно апробированным универсальным программным инструментарием, позволяющим решить эти вопросы не только как обычно на теоретическом концептуальном уровне, но и на практике [3, 19]. Модели знаний АСК-анализа основаны на нечеткой декларативной модели представления знаний, предложенной автором в 1979 году и являющейся гибридной моделью, сочетающей в себе преимущества фреймовой, нейросетевой и четкой продукционной моделей и обеспечивающей создание моделей очень больших размерностей до 10 млн. раз превышающих максимальные размерности моделей знаний экспертных систем с четкими продукциями:

- от фреймовой модели модель представления знания системы «Эй-дос» отличается существенно упрощенной программной реализацией и более высоким быстродействием без потери функциональности;

- от нейросетевой тем, что обеспечивает хорошо обоснованную теоретически содержательную интерпретацию весовых коэффициентов на рецепторах и обучение методом прямого счета;

- от четкой продукционной модели - нечеткими продукциями, представленными в декларативной форме, что обеспечивает эффективное использование знаний без их многократной генерации для решения задач идентификации, прогнозирования, принятия решений и исследования моделируемого объекта.

АСК-анализ является непараметрическим методом, устойчивым к шуму в исходных данных, позволяющий корректно обрабатывать неполные (фрагментированные) исходные данные, описывающие воздействие взаимозависимых факторов на нелинейный объект моделирования.

Суть метода АСК-анализа в том, что он позволяет рассчитать на основе исходных данных какое количество информации содержится в значениях факторов, обуславливающих переходы объекта моделирования в различные будущие состояния, причем как в желательные, так и в нежелательные [3]5.

Он состоит в целенаправленном последовательном повышении степени формализации исходных данных до уровня, который позволяет ввести исходные данные в компьютерную систему, а затем преобразовать исходные данные в информацию; информацию преобразовать в знания; использовать знания для решения задач прогнозирования, принятия решений и исследования предметной области.

Рассмотрим подробнее вопросы выявления, представления и использования знаний в АСК-анализе и системе «Эйдос».

Данные - это информация, записанная на каком-либо носителе или находящаяся в каналах связи и представленная на каком-то язы-

5 Вопреки тому, как его поняли некоторые авторы

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

10

ке или в системе кодирования и рассматриваемая безотносительно к ее смысловому содержанию.

Исходные данные об объекте управления обычно представлены в форме баз данных, чаще всего временных рядов, т.е. данных, привязанных ко времени. В соответствии с методологией и технологией автоматизированного системно-когнитивного анализа (АСК-анализ), развиваемой проф. Е.В. Луценко, для управления и принятия решений использовать непосредственно исходные данные не представляется возможным. Точнее сделать это можно, но результат управления при таком подходе оказывается мало чем отличающимся от случайного. Для реального же решения задачи управления необходимо предварительно преобразовать данные в информацию, а ее в знания о том, какие воздействия на корпорацию к каким ее изменениям обычно, как показывает опыт, приводят.

Информация есть осмысленные данные.

Смысл данных, в соответствии с концепцией смысла Шенка-Абельсона, состоит в том, что известны причинно-следственные зависимости между событиями, которые описываются этими данными. Таким образом, данные преобразуются в информацию в результате операции, которая называется «Анализ данных», которая состоит из двух этапов:

1. Выявление событий в данных (разработка классификационных и описательных шкал и градаций и преобразование с их использованием исходных данных в обучающую выборку, т.е. в базу событий - эвентологи-ческую базу).

2. Выявление причинно-следственных зависимостей между событиями.

В случае систем управления событиями в данных являются совпадения определенных значений входных факторов и выходных параметров объекта управления, т.е. по сути, случаи перехода объекта управления в определенные будущие состояния под действием определенных сочетаний значений управляющих факторов. Качественные значения входных факторов и выходных параметров естественно формализовать в форме лингвистических переменных. Если же входные факторы и выходные параметры являются числовыми, то их значения измеряются с некоторой погрешностью и фактически представляют собой интервальные числовые значения, которые также могут быть представлены или формализованы в форме лингвистических переменных (типа: «малые», «средние», «большие» значения экономических показателей).

Какие же математические меры могут быть использованы для количественного измерения силы и направления причинно-следственных зависимостей?

Наиболее очевидным ответом на этот вопрос, который обычно первым всем приходит на ум, является: «Корреляция». Однако, в статистике это хорошо известно, что это совершенно не так. Для преобразования ис-

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

11

ходных данных в информацию необходимо не только выявить события в этих данных, но и найти причинно-следственные связи между этими событиями. В АСК-анализе предлагается 7 количественных мер причинноследственных связей, основной из которых является семантическая мера целесообразности информации по А.Харкевичу.

Знания - это информация, полезная для достижения целей6.

Значит для преобразования информации в знания необходимо:

1. Поставить цель (классифицировать будущие состояния моделируемого объекта на целевые и нежелательные).

2. Оценить полезность информации для достижения этой цели (знак и силу влияния).

Второй пункт, по сути, выполнен при преобразовании данных в информацию. Поэтому остается выполнить только первый пункт, т.к. классифицировать будущие состояния объекта управления как желательные (целевые) и нежелательные.

Знания могут быть представлены в различных формах, характеризующихся различной степенью формализации:

- вообще неформализованные знания, т.е. знания в своей собственной форме, ноу-хау (мышление без вербализации есть медитация);

- знания, формализованные в естественном вербальном языке;

- знания, формализованные в виде различных методик, схем, алгоритмов, планов, таблиц и отношений между ними (базы данных);

- знания в форме технологий, организационных, производственных, социально-экономических и политических структур;

- знания, формализованные в виде математических моделей и методов представления знаний в автоматизированных интеллектуальных системах (логическая, фреймовая, сетевая, продукционная, нейросетевая, нечеткая и другие).

Таким образом, для решения сформулированной проблемы необходимо осознанно и целенаправленно последовательно повышать степень формализации исходных данных до уровня, который позволяет ввести исходные данные в интеллектуальную систему, а затем:

- преобразовать исходные данные в информацию;

- преобразовать информацию в знания;

- использовать знания для решения задач управления, принятия решений и исследования предметной области (рисунки 1 и 2):

Основные публикации автора по вопросам выявления, представления и использования знаний:

- http://www.twirpx.com/file/793311/

- 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. 65 - 86. - IDA [article ID]: 0050403004. - Режим доступа: http://ei.kubagro.ru/2004/03/pdf/04.pdf. 1,375 у.п.л.

- Луценко Е.В. Методологические аспекты выявления. представления и использования знаний в АСК-анализе и интеллектуальной системе «Эй-дос» / 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\0l97. IDA [article ID]: 0701106018. - Режим доступа: http://ei.kubagro.ru/2011/06/pdf/18.pdf. 3 у.п.л.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

12

О соотношении содержания понятий: «Данные», «Информация» и «Знания»

Рисунок 1. Соотношение содержания понятий: «Данные», «Информация», «Знания»

Последовательность обработки данных, информации и знаний в системе «Эйдос-Х++»

с

Когнитивно-целевая структуризация предметной области (неавтоматизированный в системе «Эйдос-Х++» этап АСК-анализа)

D

Формализация предметной области

Средства кодирования исходных данных

lnp_data, lnp_data.xls

Исходные данные

Class_Sc, Gr_CISc

Классификационные шкалы и градации

Opis_Sc, Gr_OpSc

Описательные шкалы и градации

Обучающая выборка, эвентологическая база данных

Решение задач распознавания системной идентификации и прогнозирования

Решение задач управления (поддержки принятия решений)

ч__________________________У

Решение задач исследования предметной области путем исследования ее модели

Рисунок 2. Этапы последовательного повышения степени формализации модели от данных к информации, а от нее к знаниям

http://ej .kubagro.ru/2015/05/pdf/01 .pdf

Научный журнал КубГАУ, №109(05), 2015 года

13

АСК-анализ имеет следующие этапы [3, 19]:

- когнитивно-целевая структуризация предметной области;

- формализация предметной области (формирование классификационных и описательных шкал и градаций и обучающей выборки);

- синтез и верификация статистических и системно-когнитивных моделей;

- решение задач идентификации, прогнозирования, принятия решений и исследования предметной области в наиболее достоверных из созданных моделей.

Единственный неавтоматизированный в системе «Эйдос» этап - это первый, а остальные приведены на рисунке 1.

АСК-анализ имеет ряд особенностей, которые обусловили его выбор в качестве метода решения проблемы:

1. Имеет теоретическое обоснование, основой которого является семантическая мера целесообразности информации А.Харкевича.

2. Обеспечивает корректную сопоставимую количественную обработку разнородных по своей природе факторов, измеряемых в различных единицах измерения, высокую точность и независимость результатов расчетов от единиц измерения исходных данных.

3. Обеспечивает построение многомерных моделей объекта моделирования непосредственно на основе неполных и искаженных эмпирических данных о нем.

4. Имеет развитую и доступную программную реализацию в виде универсальной когнитивной аналитической системы «Эйдос» (открытое программное обеспечение: http://lc.kubagro.ru/aidos/ Aidos-X.htm).

4.1.1 Частные критерии и виды моделей системы «Эйдос»

Частные критерии знаний, используемые в настоящее время в АСК-анализе и системе «Эйдос-Х++», приведены в таблице 1.

Таблица 1 - Частные критерии знаний, используемые в настоящее время в АСК-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 Log2 P NyN Т — Ш у Т ncr lj

I ■■ = YX Log 2 1 NN, l 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. Iij = Yx Log2 p NyN I = y x Tog lj

I li — * * Log 2 1 n7n7 lj

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

14

INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами — N,N, I = N.. J lJ lJ N

INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу h—н II Л (Аз 1 II Л | Л N .N Ij =-jj 1 ij N1Nj

INF5, частный критерий: ROI - Return On Investment, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу h—н II Л (Аэ 1 II Л | Л nln Ij = -JJ— 1 1 n1nj

INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу II 1 Л 1 = Njl _ N J Nl N

INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу II 1 Л II

Обозначения:

i - значение прошлого параметра;

j - значение будущего параметра;

Nij - количество встреч j-го значения будущего параметра при i-м значении прошлого параметра;

M- суммарное число значений всех прошлых параметров;

W - суммарное число значений всех будущих параметров.

Ni - количество встреч i-м значения прошлого параметра по всей выборке;

Nj - количество встреч j-го значения будущего параметра по всей выборке;

N - количество встреч j-го значения будущего параметра при i-м значении прошлого параметра по всей выборке.

Ij - частный критерий знаний: количество знаний в факте наблюдения i-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее j-му значению будущего параметра;

W - нормировочный коэффициент (Е.В.Луценко, 1979, впервые опубликовано в 1993 году [15]), преобразующий количество информации в формуле А.Харкевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р.Хартли;

Pi - безусловная относительная частота встречи i-го значения прошлого параметра в обучающей выборке;

Pij - условная относительная частота встречи i-го значения прошлого параметра при j-м значении будущего параметра.

По сути, частные критерии представляют собой просто формулы для преобразования матрицы абсолютных частот в матрицы условных и безусловных процентных распределений и матрицы знаний (рисунок 2). 7

7 Которая является также матрицей сопряженности или корреляционной матрицей.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

15

4.1.2. Ценность описательных шкал и градаций для решения задач

о

Для любой из моделей системой «Эйдос» рассчитывается ценность градации описательной шкалы, т.е. признака, для идентификации или прогнозирования. Количественной мерой ценности признака в той или иной модели является вариабельность по классам частного критерия для этого признака. Мер вариабельности может быть много, но наиболее известными является среднее модулей отклонения от среднего, дисперсия и среднеквадратичное отклонение. Последняя мера и используется в АСК-анализе и системе «Эйдос».

В системе «Эйдос» ценность признаков нарастающим итогов выводится в графической форме.

При большом объеме обучающей выборки можно без ущерба для достоверности модели удалить из нее малозначимые признаки (Парето-оптимизация). Для этого в системе «Эйдос» также есть соответствующие инструменты.

Поэтому можно выделить три основных этапа разработки и эксплуатации предлагаемой адаптивной методики управления качеством системы:

1. Разработка методики решения задачи:

- создание модели на репрезентативной выборке подробно описанных объектов, о которых известна их принадлежность к классам;

- Парето-оптимизация и верификация модели.

2. Применение разработанной методики на практике.

3. Адаптация и локализация методики (повторение п.1).

Отметим, что для реализации всех этих этапов необходимо иметь соответствующий адекватный инструментарий, в качестве которого может выступать АСК-анализ и система «Эйдос». Отсутствие такого инструментария обрекает пользователей на использование неадаптированных и не локализованных методик, не предназначенных для достижения тех целей, для которых они применяются, т.е. практически обрекают на профанацию обоснованного научного подхода к решению поставленных проблем и задач. 8

8

Эта ценность в АСК-анализе называется также интегральной информативностью, дифференцирующей или дискриминантной способностью и селективной силой, т.е. эти термины являются синонимами.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

16

4.2. Решение 1-й задачи - многопараметрической типизации и системной идентификации состояний объектов, описанных в разнородных шкалах: количественных и качественных, измеряемых в различных единицах измерения

4.2.1. Численный пример решения 1-й задачи

Решение 1 -й задачи является стандартным для системы «Эйдос», т.е. она предназначена для решения подобных задач и соответствующие применения описаны в работах автора [1-27]9 10.

В соответствии с этапами АСК-анализа и порядком преобразования данных в информацию, а ее в знания (рисунок 2), рассмотрим Excel-таблицу исходных данных (таблица 2):

Таблица 2 - Исходные данные для синтеза системно-когнитивной модели управления качеством системы путем управления ее составом10

Объект обучающей выборки Пол Откуда родом Успеваемость Длина волос Цвет волос Цвет глаз Наличие украшений Одежда Макияж Собственность Посещаемость занятий

Бабенко ПИ-51 мужской районный_центр менее_25% Короткие Русые Голубые Нет ДЖИНСЫ Отсутствует телефон Средняя

Воробьева ПИ-51 женский поселок менее_25% Длинные Крашеные Зеленые Цепочка джинсы Отсутствует автомобиль, компьютер, телефон Хорошая

Жеребятьев ПИ51 мужской поселок от_5 0%_д о_7 5 % Средние Очень_светлые Голубые Нет ДЖИНСЫ Незаметный телефон Плохая

Заяц ПИ-51 женский районный_центр менее_25% Длинные Каштановые Зеленые Серьги джинсы Незаметный компьютер, телефон Средняя

Иванова ПИ-51 женский краевойцентр более_75% Средние Русые Зеленые Цепочка, Перстень, Серьги джинсы Незаметный компьютер Хорошая

Котенко ПИ-51 женский районный_центр более_75% Короткие Каштановые Карие Цепочка, Серьги джинсы Незаметный компьютер, телефон Хорошая

Кузина 0. ПИ-51 женский краевой_центр от_50%_до_75% Короткие Крашеные Карие Перстень джинсы Заметный компьютер, телефон Хорошая

Кузина Я. ПИ-51 женский краевой_центр от_50%_до_75% Короткие Крашеные Перстень Пиджак Заметный Хорошая

Лях ПИ-51 мужской краевой_центр от_5 0%_д о_7 5 % Короткие Русые Серые Цепочка Пиджак, джинсы Отсутствует квартира, компьютер, телефон Средняя

Мясников ПИ-51 мужской краевой_центр от_25°/о_до_50% Короткие Русые Голубые Цепочка, Браслет джинсы Отсутствует квартира, телефон Хорошая

Нагапетян ПИ-51 мужской районный_центр от_25%_до_50% Короткие Каштановые Карие Серьги джинсы Незаметный квартира, компьютер, телефон Плохая

Черкашина ПИ-51 женский районный_центр менее_25% Длинные Каштановые Карие Цепочка джинсы Незаметный квартира, компьютер, телефон Плохая

Шульгин ПИ-51 мужской поселок от_5 0%_д о_7 5 % Короткие Русые Серые Нет Пиджак Отсутствует компьютер Плохая

Веревкина ПИ-52 женский краевой_центр от_25%_до_50% Короткие Очень_светлые Серые Серьги ДЖИНСЫ Незаметный Ничего_нет Очень_хорошая

Григорьева ПИ52 женский районный_центр от_50%_до_75% Средние Русые Серые Цепочка джинсы Заметный Ничего_нет Очень_хорошая

Еременко ПИ-52 женский районный_центр от_50%_до_75% Средние Русые Зеленые, Серые Цепочка, Серьги джинсы Незаметный компьютер, телефон Средняя

Иванова ПИ-52 женский краевой_центр от_25%_до_50% Средние Очень_темные Голубые Перстень, Серьги Пиджак, джинсы Отсутствует Ничего_нет Очень_хорошая

Крейс ПИ-52 женский районный_центр от_50%_до_75% Короткие Русые Серые Серьги Юбка Незаметный Ничего_нет Хорошая

Куркина ПИ-52 женский краевой_центр от_50%_до_75% Длинные Каштановые Карие Цепочка, Серьги джинсы, Юбка Заметный компьютер, телефон Хорошая

Люлик ПИ-52 женский поселок от_5 0%_д о_7 5 % Средние Крашеные Зеленые Серьги джинсы Заметный квартира, компьютер Хорошая

Мануйлов ПИ-52 мужской краевой_центр более_75% Короткие Русые Серые Перстень джинсы Отсутствует квартира, автомобиль, компьютер, телефон Плохая

Нарижний ПИ-52 мужской краевой_центр более_75% Короткие Русые Серые Перстень джинсы Отсутствует квартира, автомобиль, компьютер, телефон Средняя

Паршакова ПИ-52 женский село от_50%_до_75% Средние Каштановые Карие Цепочка Юбка Заметный компьютер Хорошая

Силенко ПИ-52 мужской краевой_центр более_75% Короткие Каштановые Зеленые Цепочка джинсы Отсутствует Ничего_нет Хорошая

Соколова ПИ-52 женский районный_центр от_5 0%_д о_7 5 % Короткие Русые Зеленые Нет Пиджак, джинсы Заметный квартира, компьютер, телефон Хорошая

Цисарь ПИ-52 женский поселок от_25%_до_50% Средние Крашеные Карие Цепочка джинсы Заметный телефон Очень_хорошая

9 Для удобства читателей ссылки на эти и другие работы даны с сайта автора: http://lc.kubagro.ru/

10 Для численной иллюстрации излагаемых подходов в статье используется чрезвычайно упрощенный условный пример малой размерности, связанный с управлением персоналом фирмы.

http://ej .kubagro.ru/2015/05/pdf/01 .pdf

Научный журнал КубГАУ, №109(05), 2015 года

17

В режиме 2.3.2.2 системы «Эйдос» (рисунки 3, 4, 5 и 6) осуществляется нормализация базы исходных данных (таблица 2) путем автоматической разработки классификационных и описательных шкал и градаций (таблицы 3 и 4) и кодирования с их использованием исходных данных и представления их в форме эвентологической базы данных (обучающей выборки) (таблица 5):

Рисунок 3. Главная экранная форма для задания параметров импорта данных в систему «Эйдос» из внешней базы данных, представленной в таблице 2

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

18

Рисунок 4. Отображение стадии процесса импорта данных

Г с) 2.3,22. Зада ние размерности модели системы

ИНФОРМАЦИЯ 0 РАЗМЕРНОСТИ МОДЕЛИ

Суммарное количество градаций классификационных и описательных шкал: [10 х 44]

Тип шкалы Количество Количество Среднее " количество Количество Среднее

классифи- градаций 'количества описательных градаций количество

кационных классифр-. градаций шкал описательных градаций

шкал кационных на класс.шкалу шкал на опис.'шкалу

Числовые 0 0,00 0 0 0,00

Текстовые 1 3| 10 3.33 S 44 5,50

ВСЕГО: 1 3 I ю| 3,33 3 44 5.50

—глодай! i с inL-ли kin i сусалив и радаци^ о

Пересчитать шкалы и градации L_ Выйти на создание модели

—

Рисунок 5. Внутренний калькулятор программного интерфейса

Рисунок 6. HELP универсального программного интерфейса

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

19

Т аблица 3 - Классификационные шкалы и градации

KOD_CLS NAME_CLS

1 ПОЛ-женский

2 ПОЛ-мужской

3 ОТКУДА РОДОМ-краевой_центр

4 ОТКУДА РОДОМ-поселок

5 ОТКУДА РОДОМ-районный центр

6 ОТКУДА РОДОМ-село

7 УСПЕВАЕМОСТЬ-более 75%

8 УСПЕВАЕМОСТЬ-менее_25%

9 УСПЕВАЕМОСТЬ-от 25% до 50%

10 УСПЕВАЕМОСТЬ-от 50% до 75%

Таблица 4 - Описательные шкалы и градации

KOD_ATR NAME_ATR

1 ДЛИНА ВОЛОС-Длинные

2 ДЛИНА ВОЛОС-Короткие

3 ДЛИНА ВОЛОС-Средние

4 ЦВЕТ ВОЛОС-Каштановые

5 ЦВЕТ ВОЛОС-Очень_светлые

6 ЦВЕТ ВОЛОС-Очень_темные

7 ЦВЕТ ВОЛОС-Крашеные

8 ЦВЕТ ВОЛОС-Русые

9 ЦВЕТ ГЛАЗ-Карие

10 ЦВЕТ ГЛАЗ-Голубые

11 ЦВЕТ ГЛАЗ-Зеленые

12 ЦВЕТ ГЛАЗ-Серые

13 НАЛИЧИЕ УКРАШЕНИЙ-Браслет

14 НАЛИЧИЕ УКРАШЕНИЙ-Нет

15 НАЛИЧИЕ УКРАШЕНИЙ-Перстень

16 НАЛИЧИЕ УКРАШЕНИЙ-Серьги

17 НАЛИЧИЕ УКРАШЕНИЙ-Цепочка

18 ОДЕЖДА-Джинсы

19 ОДЕЖДА-Пиджак

20 ОДЕЖДА-Юбка

21 МАКИЯЖ-Незаметный

22 МАКИЯЖ-Заметный

23 МАКИЯЖ-Отсутствует

24 СОБСТВЕННОСТЬ-автомобиль

25 СОБСТВЕННОСТЬ-ничего_нет

26 СОБСТВЕННОСТЬ-квартира

27 СОБСТВЕННОСТЬ-компьютер

28 СОБСТВЕННОСТЬ-телефон

29 ПОСЕЩАЕМОСТЬ ЗАНЯТИЙ-Очень_хорошая

30 ПОСЕЩАЕМОСТЬ ЗАНЯТИЙ-Плохая

31 ПОСЕЩАЕМОСТЬ ЗАНЯТИЙ-Средняя

32 ПОСЕЩАЕМОСТЬ ЗАНЯТИЙ-Хорошая

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

20

Таблица 5 - Эвентологическая база данных (обучающая выборк а)

NAME_OBJ N2 N3 N4 N5 N6 N7 N8 N9 N10 N11 N12

Бабенко ПИ-51 2 5 8 2 8 10 14 18 23 28 31

Воробьева ПИ-51 1 4 8 1 7 11 17 18 23 28 32

Жеребятьев ПИ51 2 4 10 3 5 10 14 18 21 28 30

Заяц ПИ-51 1 5 8 1 4 11 16 18 21 28 31

Иванова ПИ-51 1 3 7 3 8 11 16 18 21 27 32

Котенко ПИ-51 1 5 7 2 4 9 16 18 21 28 32

Кузина О. ПИ-51 1 3 10 2 7 9 15 18 22 28 32

Кузина Я. ПИ-51 1 3 10 2 7 15 19 22 32

Лях ПИ-51 2 3 10 2 8 12 17 18 23 28 31

Мясников ПИ-51 2 3 9 2 8 10 13 18 23 28 32

Нагапетян ПИ-51 2 5 9 2 4 9 16 18 21 28 30

Черкашина ПИ-51 1 5 8 1 4 9 17 18 21 28 30

Шульгин ПИ-51 2 4 10 2 8 12 14 19 23 27 30

Веревкина ПИ-52 1 3 9 2 5 12 16 18 21 25 29

Григорьева ПИ52 1 5 10 3 8 12 17 18 22 25 29

Еременко ПИ-52 1 5 10 3 8 12 16 18 21 28 31

Иванова ПИ-52 1 3 9 3 6 10 16 18 23 25 29

Крейс ПИ-52 1 5 10 2 8 12 16 20 21 25 32

Куркина ПИ-52 1 3 10 1 4 9 16 20 22 28 32

Люлик ПИ-52 1 4 10 3 7 11 16 18 22 27 32

Мануйлов ПИ-52 2 3 7 2 8 12 15 18 23 28 30

Нарижний ПИ-52 2 3 7 2 8 12 15 18 23 28 31

Паршакова ПИ-52 1 6 10 3 4 9 17 20 22 27 32

Силенко ПИ-52 2 3 7 2 4 11 17 18 23 25 32

Соколова ПИ-52 1 5 10 2 8 11 14 18 22 28 32

Цисарь ПИ-52 1 4 9 3 7 9 17 18 22 28 29

Отметим, что в приведенном упрощенном численном примере:

- классы, представленные в таблице 3 не являются профессиональными категориями с указанием степени успешности (например: МЕНЕДЖЕР ТОРГОВОГО ЗАЛА - хорошо подходит);

- признаки респондентов, приведенные в таблице 4, не являются их личностными свойствами (например: ФАКТОР А: «ЗАМКНУТОСТЬ -ОБЩИТЕЛЬНОСТЬ» - 8 баллов).

Поэтому от читателя требуется некоторая фантазия, чтобы представить себе, что это так. Но суть примера от этого не меняется, и он позволяет нам проиллюстрировать излагаемые идеи.

Затем в соответствии с этапами АСК-анализа и порядком преобразования данных в информацию, а ее в знания (рисунок 2), в режиме 3.5 системы «Эйдос» выполним синтез и верификацию статистических моделей и моделей знаний (рисунки 7 и 8):

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

21

Рисунок 7. Экранная форма задания параметров синтеза и верификации моделей (параметры по умолчанию)

Рисунок 8. Экранная форма с отображением этапов синтеза и верификации моделей

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

22

В результате работы режима получены статистические модели и модели знаний и проведена их верификация. Результаты верификации моделей приведены на рисунке 9, а модель знаний INF1 на рисунке 10:

4.1.В.6. Обобщ.формз по^стов.моделей при разн.икг.крит.. Текущая модель: TNFl11

I Ш\

Наименование модели и частного критерия Интегральный критерий Вероятность правильной иденгифка... Вероятность правильной не иденгиф... Средняя вероятно... правильн... результата Дата- получения результата Время получения результ..

Корреляция абс.частот с обр.... 100.000 14,523 57,264 29.04.2015 07:36:07

1. ABS • частный критерий: количество встреч сочетаний: "клас... Сумма абс.частот по признак... 100.000 0.103 50 ,051 29.04.2015 07:36:07

2. PRC1 • частный критерий: уел. вероятность i-ro признака сред... Корреляция уел.отн.частот с о... 100,000 14,523 57,264 29.04,2015 07:36:08

2. PRC1 • частный критерий: уел. вероятность i-ro признака сред... Сумма уел.отн.частот по приз... 100.000 0.103 50,051 29.04,2015 07:36:08

3. PRC2 • частный критерий: условная вероятность i-ro признака... Корреляция уел.отн.частот с о... 100.000 14,523 57,264 29.04.2015 07:36:12

3. PRC2 • частный критерий: условная вероятность i-ro признака... Сумма уел.отн.частот по приз... 100.000 0.103 50,051 29.04.2015 07:36:12

4. INF1 • частный критерий: количество знаний по А.Харкевичу; в... Семантический резонанс зна... S2.051 35.739 83,395 29.04,2015 07:36:13

4. INF1 • частный критерий: количество знаний по А.Харкевичу; в... Сумма знаний 32.051 78.713 80,382 29.04,2015 07:36:13

5. INF2 • частный критерий: количество знаний по А.Харкевичу; в... Семантический резонанс зна... 32.051 35.739 83,895 29.04.2015 07:36:14

5. INF2 • частный критерий: количество знаний по А.Харкевичу; в... Сумма знаний 30.769 79.386 80,077 29.04.2015 07:36:14

6. INF3 • частный критерий: Хи-квадрат, разности между Фактич... Семантический резонанс зна..+ 91.026 31.559 86,292 29.04.2015 07:36:17

6. INF3 - частный критерий: Хи-квадрат, разности между Фактич... Сумма знаний 91.026 31.559 86.292 29.04.2015 07:36:17

7. INF4 - частный критерий: R0I (Return On Investment); вероятно... Семантический резонанс зна... 78,205 91,193 84,701 29.04.2015 07:36:18

7. INF4 - частный критерий: R0I (Return On Investment); вероятно... Сумма знаний 94,372 64.009 79.441 29.04.2015 07:36:18

8. INF5 - частный критерий: ROI (Return On Investment); вероятно... Семантический резонанс зна... 73,205 91.249 84,727 29.04,2015 07:36:19

8. INF5 - частный критерий: ROI (Return On Investment); вероятно... Сумма знаний 91.026 61.383 76,455 29.04,2015 07:36:19

8. INFG - частный критерий: разн.усл.и безусл.вероятностей; вер... Семантический резонанс зна... 84.615 84,475 84,545 29.04.2015 07:36:19

8. INFG - частный критерий: разн.усл.и безусл.вероятностей; вер... Сумма знаний 91.026 63.082 79.554 29.04.2015 07:36:19

10.INF7 - частный критерий: разн.усл.и безусл.вероягностей; ве... Семантический резонанс зна... 33.333 83.254 83.294 29.04,2015 07:36:23

10.INF7 - частный критерий: разн.усли безусл.вероягностей; ве... Сумма знаний 38.462 65.084 76,773 29.04,2015 07:36:23

Рисунок 9. Результаты верификации моделей

Рисунок 10. Модель знаний INF1 (фрагмент)

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

23

Созданные модели, наименования которых приведены на рисунке 7, отличающиеся частными критериями, приведенными в таблице 1, и представляют собой результат многопараметрической типизации состояний объектов обучающей выборки, описанных в исходных данных. Это и есть решение 1-й части задачи 1. По сути, это и есть профессиограммы или ключи теста на профессиональную пригодность, созданного в инновационной интеллектуальной технологии «Эйдос»

Решение 2-й части задачи 1 состоит в системной идентификации состояний объектов, т.е. в сравнении конкретных образов объектов с обобщенными образами классов, сформированными на предыдущем этапе.

Перед тем, как привести выходные формы, отражающие результаты системной идентификации, сделаем текущей модель INF1 и проведем в ней эту системную идентификацию (рисунки 11 и 12):

Рисунок 11. Выбор модели и присвоение ей статуса текущей

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

24

Рисунок 12. Отображения процесса системной идентификации

На рисунках 13 и 14 приведены примеры экранных форм с результатами системной идентификации. Рисунок 13 дает информацию для работодателя, проводящего исследование конкретного кандидата на работу, а 14 - проводящего массовое обследование кандидатов:

Рисунок 13. Результаты системной идентификации конкретного респондента с классами

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

25

4.1.3.2. Визуализация результатов распознавания а отношении: "Класс-объекты". Текущая модель: TNF1" г

Классы J И .нт е гр а л ^ ь 1 й ^ ер и й с ход ст в а: ''Семантический резонан^знаниРГ.

1 1 Наим, класса 3 HI Код Наименование объекта Сходство Ф... Сходство

1 ПО Л-женский .... ■ 3 Жеребягьев ПИ51 40.87... V IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII .

2 ПОЛ-мужской ... 2 Воробьева ПИ-51 ... 23.9G... V IIIIIIIIIIIIIIIIIIIIIII ...

3 ОТКУДА PDДОМ-краевой_центр ... 2Б Цисарь ПИ-52 ... 22.82... V IIIIIIIIIIIIIIIIIIIIII .

4 ОТКУДА РОДОМ-поселок ... 20 Люлик ПИ-52 ... 10.87... V IIIIIIIIII .

5 ОТКУДА Р0Д0М-районный_ценгр ... 17 Иванова ПИ-52 ... -0,924...

6 ОТКУДА Р0Д0М-село ... 8 Кузина Я. ПИ-51 ... -1,264... I ...

7 УСПЕВАЕМОСТЬ-более_75% ... 23 Паршакова ПИ-52 ... -3,714... Ill ...

8 УСПЕВАЕМОСТЬ меиее_25% ... 7 Кузина 0. ПИ-51 ... -10,30... IIIIIIIIII ...

Э У СП ЕВ АЕ МОСТ Ь-от_25%_до_50% .... 15 Григорьева ПИ52 ... -10.68... IIIIIIIIII ...

10 УСПЕВАЕМОСТЬ от 50% до 75% ... ^1 1 1 Г

Интегральный критерий сходства: "Сумма знаний"

HI Код Наименование объекта Сходство Ф... Сходство

Жеребягьев ПИ51 34.22... V llllllllllllllllllllllllllllllllll ...

2 Воробьева ПИ-51 ... 27.50... V IIIIIIIIIIIIIIIIIIIIIII ...

2Б Цисарь ПИ-52 ... 23.2Б... V IIIIIIIIIIIIIIIIIIIIIII ...

20 Люлик ПИ-52 ... 17.67... V Illllllllllllllll ..

17 Иванова ПИ-52 ... 11.50... Illllllllll ...

23 Паршакова ПИ-52 ... 7,448... Ill ...

8 Кузина Я. ПИ-51 ... 6,575... min ...

7 Кузина 0. ПИ-51 ... 4,465... Illl ..

А 15 Григорьева ПИ52 ... 3,264...

Л 1 л Г <1 г ► г

Помощь| Поиск объекта В начаЛОБД | БконеиБД Предыдущая Следующая | Э записей | Все записи ПечатьХЦЗ Печать TXT | Печать ALL

L

Рисунок 14. Результаты системной идентификации конкретного класса с респондентами

При этом достоверность системной идентификации с применением различных моделей в моделей в системе «Эйдос» оценивается с помощью

предложенной автором метрики, по смыслу сходной с F-критерием (рису-

нок 15):

Помощь по режиму: 4.1.3.6: Виды прогнозов л принцип опрделения доставеноспп моделей в системе ’Эмдос-Х-и-' |ltafc=£.'l ®

Режим: Помощь по режиму: 4.1.3.б: виды прогнозов и принцип опрделения достовености моделей в системе 1Гэйдос-х-н-1Г. 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 (и 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 6, а что-то из этого естественно выпало, конечно, модель дает ошибку в 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, Д, 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 Еерно не относить объекты к тем классам, к которым они не относятся, ясно, что этот критерий очень сходен по смыслу с известным F-критерием и сходные оценки качества моделей.

Рисунок 15. Принцип оценки достоверности системной идентификации

с применением той или иной модели в системе «Эйдос»

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

26

4.2.2. Метризация шкал - решение проблемы сопоставимости при системной идентификации

Как показано выше, в АСК-анализе проводится последовательное повышение степени формализации исходных данных до уровня, обеспечивающего их обработку на компьютере в программной системе. После выполнения когнитивной структуризации и формализации предметной области осуществляется синтез статистических моделей и моделей знаний, в которых все шкалы, в которых описаны исходные данные, преобразуются к одному типу: числовому, и к одним единицам измерения: единицам измерения информации, т.е. проводится метризация шкал. В настоящее время в системе «Эйдос» применяется 7 способов метризации шкал (таблица 1).

В работе [17] сформулированы требования к форме представления данных, информации и знаний, позволяющие оценить степень их пригодности для решения задач системной идентификации, прогнозирования и принятия решений, а также исследования предметной области (например, кластерного анализа).

Прежде всего, результаты решения вышеперечисленных задач должны быть инвариантны относительно:

- единиц измерения градаций факторов (признаков);

- типов шкал, используемых для формализации классов и факторов (номинальные, порядковые и числовые);

- различных статистических характеристик исходной выборки: частотных распределений объектов по классам (обобщенным категориям), частотных распределений градаций факторов, различий в количестве признаков в описаниях объектов исследуемой выборки, различий в суммарном количестве признаков по классам.

Кроме того, форма представления должна обеспечивать решение вышеперечисленных задач с минимальными дополнительными затратами ручного труда, а это значит, что вся предварительная обработка должна быть максимально автоматизирована.

Эти требования можно рассматривать и как критерии выбора наиболее подходящей для решения вышеперечисленных задач формы представления данных, информации и знаний.

Рассмотрим влияние единиц измерения в исходной выборке на результаты решения задач прогнозирования и принятия решений, а также исследования предметной области (например, кластерного анализа).

Если в исходных данных какие-то значения выражены в больших единицах измерения, то их числовые значения будут малыми, и наоборот, если единицы измерения мелкие, то числовые значения - большие. Большие значения оказывают большее влияние на результаты математической обработки, чем малые, и это приводит к возникновению зависимости результатов решения задач системной идентификации, прогнозирования и

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

27

принятия решений, а также кластерного анализа, от выбранных размерностей исходных данных, что, на взгляд автора, совершенно неприемлемо и указывает на то, что такое решение нельзя признать корректным и даже вообще решением. По этой же причине некорректно совместно обрабатывать сами исходные данные, представленные в различных единицах измерения (натуральных или ценовых), например, складывать расстояния, представленные в километрах и в метрах, а затем прибавлять к ним тонны и килограммы, а затем еще и безразмерные величины. Вроде это очевидно, но, как это ни удивительно, но как показывает опыт на практике это довольно часто делается, а потом еще на основе подобного «анализа» делаются и выводы. Очень странно, что обычно на это не обращают никакого внимания при использовании исходных данных, представленных в различных единицах измерения. Например, даже в таких популярных (причем, совершенно заслуженно) системах, как SPSS и Статистика, в подсистеме кластерного анализа приводятся примеры кластерного анализа над исходными данными, представленными в различных единицах измерения.

В АСК-анализе факторы формально описываются шкалами, а значения факторов - градациями шкал. Существует три основных группы факторов: физические, социально-экономические и психологические (субъективные) и в каждой из этих групп есть много различных видов факторов, т.е. есть много различных физических факторов, много социальноэкономических и много психологических, но в АСК-анализе все они рассматриваются с одной единственной точки зрения: сколько информации содержится в их значениях о переходе объекта, на который они действуют, в определенное состояние, и при этом сила и направление влияния всех значений факторов на объект измеряется в одних общих для всех факторов единицах измерения: единицах количества информации. Именно по этой причине вполне корректно складывать (в аддитивных интегральных критериях) силу и направление влияния всех действующих на объект значений факторов, независимо от их природы, и определять результат совместного влияния на объект системы значений факторов. При этом в общем случае объект является нелинейным и факторы внутри него взаимодействуют друг с другом, т.е. для них не выполняется принцип суперпозиции [5].

На рисунке 16 приведен пример метризованной номинальной шкалы в модели INF1. По сути это и есть профессиограмма, сформированная в среде инновационной интеллектуальной технологии «Эйдос»:

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

28

Рисунок 16. Пример метризованной номинальной шкалы (профессиограммы) в модели INF1

4.3. Решение 2-й задачи - принятия решений об управляющем воздействии так изменяющем состав объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это

Для решения 2-й задачи предлагается применить выбор компонент объекта управления по их функциональному назначению с учетом ресурсов, выделенных на реализацию различных функций, затрат, связанных с выбором тех или иных компонентов и степени соответствия различных компонент их функциональному назначению. Фактически предлагается формулировка и решение нового обобщенного варианта задачи о назначениях: «Мультипликативный рюкзак», отличающегося от известного тем, что назначения производится не только с учетом ресурсов и затрат, но и с учетом степени соответствия компонент их функциональному назначению, которое предварительно определяется в самой задаче.

Математическая модель, обеспечивающая решение 1-й задачи и отражающая степень соответствия компонент их функциональному назначению, а также весь процесс приятия решений по назначениям, т.е. 2-я задача, реализованы в АСК-анализе и системе «Эйдос-Х++».

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

29

4.3.1. Интегральные критерии системы «Эйдос»

В результате проведения в метризации шкал, т.е. их преобразования независимо от исходного типа к одному типу: числовому, и независимо от исходных единиц измерения к одним единицам измерения: количеству информации, становится возможным корректно совместно обрабатывать результаты формализации описаний исходных данных в этих шкалах и использовать при этом все арифметические операции, в т.ч. сложение [17].

Это позволяет использовать аддитивные интегральные критерии и обоснованно ответить на следующий вопрос. Если нам известно, что объект обладает не одним, а несколькими признаками, то как посчитать их общий вклад в сходство с теми или иными классами?

Для этого в системе «Эйдос» используется 2 аддитивных11 интегральных критерия: «Сумма знаний» и «Семантический резонанс знаний».

Интегральный критерий «Семантический резонанс знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний:

I=(I,,L).

В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:

м

I = £ ЛЛ,,

i=1

где: M - количество градаций описательных шкал (признаков);

Ту = {Ту } - вектор состояния j-го класса;

Li = {Li} - вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:

1, если i — й фактор действует;

Li =

п, где : п > 0, если i — й фактор действует с истинностью п;

0, если i — й фактор не действует.

11 ГГ,

Т.е. являющихся суммами частных критериев, в отличие от мультипликативных интегральных критериев, которые являются произведениями частных критериев. На самом деле различие аддитивных и мультипликативных интегральных критериев не так велико, как может показаться на первый взгляд, т.к. они аддитивный интегральный критерий по сути является логарифмом мультипликативного. Иначе говоря это один и тот же критерий, нов разных шкалах: линейной и логарифмической.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

30

В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).

Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний имеет вид:

L =

1

sIaLM^Ti

M .

Е (k -I )(l - L (

где:

M - количество градаций описательных шкал (признаков);

Ij - средняя информативность по вектору класса;

L - среднее по вектору объекта;

sI - среднеквадратичное отклонение частных критериев знаний

вектора класса;

sL - среднеквадратичное отклонение по вектору распознаваемого объекта.

Ilj = {Ilj} - вектор состояния j-го класса;

Li = {Li} - вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:

1, если i - й фактор действует;

Li =

n, где: n > 0, если i - й фактор действует с истинностью п;

0, если i - й фактор не действует.

В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).

Приведенное выражение для интегрального критерия «Семантический резонанс знаний» получается непосредственно из выражения для критерия «Сумма знаний» после замены координат перемножаемых векторов их стандартизированными значениями:

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

31

I -1

L - L

L ------

s

j ''i

Свое наименование интегральный критерий сходства «Семантический резонанс знаний» получил потому, что по своей математической форме является корреляцией двух векторов: состояния j-го класса и состояния распознаваемого объекта.

4.3.2. Алгоритм решения 2-й задачи

Алгоритм назначения объектов на наиболее подходящие классы с учетом ресурсов классов, затрат на объекты и степени соответствия объектов классам состоит в том, что назначаем текущий объект на тот класс, удельное сходство с которым максимально, при условии, что у данного класса есть для этого ресурсы, и делать это до тех пор, пока есть классы с ресурсами и назначены не все объекты. Каждый объект назначать только один раз (рисунок 17):

Рисунок 17. Алгоритм назначения объектов на наиболее подходящие классы с учетом ресурсов классов, затрат на объекты и степени соответствия объектов классам (опции: «Назначать не более 1 объекта на класс» и «Назначать только ранее не назначенные

объекты» отключены)

Рассмотрим численный пример применения данного алгоритма.

http://ej .kubagro.ru/2015/05/pdf/01 .pdf

Научный журнал КубГАУ, №109(05), 2015 года

32

4.3.3. Численный пример решения 2-й задачи

Запустим режим 4.1.6 системы «Эйдос»: «Рациональное назначение объектов на классы (задача о ранце)» (Управление персоналом на основе АСК-анализа и функционально-стоимостного анализа (задача о назначениях)) (рисунок 18):

Рисунок 18. Главная экранная форма режима: 4.1.6. Рациональное назначение объектов на классы (задача о ранце)

В верхнем левом окне пользователь может пересоздать базу ресурсов классов, а также корректировать ресурсы классов. Это возможно либо вручную, либо автоматически. В первом случае ресурсам присваивается значение по умолчанию. Во втором случае есть несколько вариантов присвоения значений ресурсов классов, которые приведены на рисунке 19:

Рисунок 19. Варианты присвоения значений ресурсов классов

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

33

В верхнем правом окне пользователь может пересоздать базу затрат на назначение объектов, а также корректировать затраты объектов. Это возможно либо вручную, либо автоматически. В первом случае затратам присваивается значение по умолчанию. Во втором случае есть несколько вариантов присвоения значений затрат на назначение объектов, которые приведены на рисунке 20:

Рисунок 20. Варианты присвоения значений затратам

на назначение объектов

Окна помощи для левого и правого окон приведены на рисунке 21:

&

Помощь по режиму: "4.1.6. Задача о'назьачениях Задание затрат по объектам''

ПЬ='||'Ва1

t.1.6. РАЦИОНАЛЬНОЕ НАЗНАЧЕНИЕ ОБЪЕКТОВ НА КЛАССЫ (ЗАДАЧА О РАНЦЕ). ЗАДАНИЕ ЗАТРАТ ГО ОБЪЕКТАМ1'.

значения затрат по каждому объекту можно корректировать вручную, а можно сформировать расчетным путем по всем объектам во втором случае необходимо выбрать один из вариантов и задать его параметры:

1. значение затрат объектов вычисляется методом линейной интерполяции значений затрат начального и конечного объектов.

2. объекты имеют одинаковые затраты, вычисляемые как сумма затрат по всем объектам, деленная на число объектов.

3. объекты имеют одинаковые затраты, значение которых просто задается непосредственно в диалоге.

4. Объекты имеют случайные значения затрат, подчиняющиеся равномерному распределению с заданным средним значением.

При автоматическо ссылки на работы

* задании затрат сбрасывается приз! ! этой области:

■ объект был ранее назначен.

Луценко е.в. Решение обобщенной задачи о назначениях в системно-когнитивном анализе / е.б. луценко, б.е. Коржаков // голитематический сетевой электронный научный журнал кубанского государственного аграрного университета (научный журнаг кубгду) [электронный ресурс]. - Краснодар: кубгду, 2009. - №07(051). с. 83 - 108. - шифр информрегистра: 04209000220070, ida [article id]: 0510907004. - режим доступа: http://ej.kubagro.ru/2009/07ypdf/04.pdf, 1,625 у.п.л.

Луценко Е.В., Коржаков В.Е., Ермоленко В.В. Интеллектуальные системы в Под науч. ред. д.з.н., проф. Е.В.Луценко. Монография (научное издание).

- Режим доступа; http;//lc.kubagro.ru/aidos/aidosll_LKE/inde*. Iron

луценко Е.в. Автоматизированный системно-когнитивный анализ как метод комплексного решения проблемы управления персоналом с применением функционально-стоимостного анализа / Е.в. луценко, в.Е. Коржаков // голитематический сетевой электронный научный журнал кубанского государственного аграрного университета (научный журнал кубгду) [электронный ресурс]. - Краснодар: кубгду, 2014.

- №02(096). с. 1 - 16. - ida [article id]: 0961402001. - Режим доступа: http://ej.kubagro.ru/2014/02/pdf/01.pdf, 1 у.п.л.

Луценко Е.В. Управление персоналом с применением функционально-стоимостного и системно-когнитивного анализа / Е.Б. Луценко,

В.Е. Коржаков // Голитематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №04(098). С. 1009 - 1041. - IDA [article ID]: 0981404075.

- Режим доступа; http://ej.kubagro.ru/2014/04/pdf/75.pdf, 2,062 у.п.л.

луценко Е.в. интеллектуальное управление качеством систем путем решения обобщенной задачи о назначениях с применением АСК-анализ; и системы ойдос-х++> / луценко Е.в. // политематический сетевой электронный научный журнал кубанского государственного аграрного университета (научный журнал КубГАУ) [электронный ресурс]. - Краснодар: кубгду, 2015. - №05(109). - ida [article id]: 1091505001.

- Режим доступа: http://ej.kubagro.ru/2015/05/pdf/02.pdf, 3,063 у.п.л.

Рисунок 21. Окна помощи для левого и правого окон

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

34

При нажатии кнопки «Назначить объекты на классы» появляется окно, позволяющее задать параметры и цель назначения (рисунок 22):

Рисунок 22. Экранная форма задания параметров и цели назначений объектов на классы

Опцию: "Назначать не более 1 объекта на класс", имеет смысл использовать при разумной комплектации какого-либо сложного изделия, например автомобиля, когда каждый элемент комплектации (объект, деталь) назначается на каждую позицию (класс) 1 раз, например 1 инжектор, 1 левая фара, и т.д. С аналогичной ситуацией мы сталкиваемся при назначении кандидатов на такие должности, например, в спортивной команде, на каждой из которых может быть только один человек.

Опция: «Допускается ли назначать ранее назначенные объекты» позволяет подать на назначение не все объекты, а только не назначенные на классы при предыдущих назначениях. Например, если объектов задано значительно больше, чем классов и была задана опция: «Назначать не более 1 объекта на класс», то при каждом последующем назначении будут получаться автомобили со все более высокой себестоимостью и все более низкого качества, собранные из деталей, отбракованных при сборке предыдущих автомобилей. То же самое можно сказать об основном и дополнительном составе сборной: во 2-ю сборную входят игроки, не вошедшие в 1-ю, в 3-ю сборную - не вошедшие в 1-ю и 2-ю, и вообще в N-ю - не вошедшие в 1-ю, 2-ю,..., (№1)-ю.

Если данная опция не установлена, то все объекты считаются ранее не назначенными. Признак, что объект был ранее назначен, сбрасывается, при пересоздании базы затрат и при автоматическом задании затрат. При назначении объектов на классы этот признак устанавливается для назначенных объектов независимо от того, установлена ли опция: "Назначать

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

35

только ранее не назначенные объекты". Но учитывается этот признак при назначении объектов только в случае, если эта опция установлена.

Опция "Задайте цель управления качеством системы:" позволяет выбрать одну из четырех целей работы LC-алгоритма:

1. Повышение уровня системности.

2. Понижение уровня системности.

3. Минимизация средних затрат на назначения объектов.

4. Максимизация средних затрат на назначения объектов.

Повышение уровня системности обеспечивает максимальное повышение качества системы с минимальными затратами на это.

Понижение уровня системности обеспечивает максимальное понижение качества системы с максимальными затратами на это, что практически означает уничтожение системы (антисистема). Обычно целью управления качеством является повышение уровня системности. Однако точно также, т.е. внедряя в определенные систему элементы, можно не повышать, а понижать ее уровень системности, т.е. по сути, разрушать, уничтожать данную систему (так и определяется понятие антисистемы ). Например, 3 грамма спермы повышает уровень системности женского организма за 9 месяцев в 2 раза, а иногда и более, а 3 грамма свинца, движущихся со скоростью звука - за это же время понижают уровень системности того же прекрасного организма практически до уровня окружающей среды (земли). По сути, здесь идет речь об информационном оружии, которое так и может быть определено: информационное оружие - это такое информационное воздействие на систему, которое понижает ее уровень системности, в т.ч. до уровня окружающей среды, т.е. фактически до полного уничтожения системы и превращения ее в множество исходных элементов [3133, 34-41].12 13

Минимизация средних затрат на назначения объектов приводит к назначению максимального количества сотрудников без учета степени их соответствия требованиям должностей с минимальной средней оплатой (всеобщая занятость населения и высокая скрытая безработица). Что-то вроде этого получается при сильной социальной политике.

Максимизация средних затрат на назначения объектов приводит к назначению минимального количества сотрудников без учета степени их

12 «Антисистемой называется система с отрицательным уровнем системности, т.е. это такое объедение некоторого множества элементов за счет их взаимодействия в целое, которое препятствует достижению целей» [30].

13 Здесь сразу вспоминается «застойный» анекдот про военный парад, на котором после колонн всех родов войск, десантников, танков, ракет и т.п., и т.д., бодро маршируют не в ногу три толстеньких лысых человека в очках и пиджаках с потертыми на локтях рукавами с толстыми папками бумаг под мышками. Генсек на трибуне Мавзолея грозно спрашивает министра обороны: «А это кто такие???!!!» Министр обороны отвечает: «А это наше самое страшное и самое секретное оружие. Они работают в Госплане. Если их внедрить в Госдеп США, то через год-два у них само все развалится».

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

36

соответствия требованиям должностей с максимальной средней оплатой (низкая занятость населения и высокая реальная безработица). Аналогичный подход используется руководством при назначении "своих" людей.

На практике приходится применять все четыре подхода в различных комбинациях в зависимости от обстоятельств. Например, чтобы коллектив выполнял свою функцию, т.е. вообще работал, сначала используется 1-я цель. Но так производятся назначения не на все должности, а в основном на исполнительские. После этого для назначения на престижные руководящие и хорошо оплачиваемые должности "своих" людей используется 4-я цель. 2-я цель используется военными и в конкурентной борьбе, а 3-я для того, чтобы не возникло социального бунта при повышении уровня реальной безработицы.

В нижнем окне мы видим результаты назначения объектов на наиболее подходящие классы с учетом ресурсов классов, затрат на объекты и степени соответствия объектов классам, в соответствии с LC-алгоритмом (слева), предложенным автором в работе [15], и классическим для задачи о Мультипликативном рюкзаке RND-алгоритмом (справа), в котором ресурсы классов и затраты на объекты учитываются, а степень соответствия объектов классам не учитывается, т.е. ценность объектов считается независимой от класса и фактически равна затратам на его назначение. По нажатию клавиши выводится более подробная информация о сравнения результатах эффективности LC-алгоритма и RND-алгоритма (рисунок 23):

Рисунок 23. Сравнение эффективности LC-алгоритма и RND-алгоритма

Из рисунка 23 видно, что при использовании LC-алгоритма при экономии ресурсов 25% среднее сходство объектов с классами возрастает примерно на 50%, если за базу сравнения брать RND-алгоритм. При других исходных данных и параметрах назначения эффективность LC-алгоритма может меняться, но всегда остается значительно более высокой.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

37

Чем RND-алгоритма. В этом и состоит актуальность постановки задачи и ее решения, предложенных в данной статье.

4.3.4. Различие в подходах психолога и руководителя к назначению и перемещению персонала

Психологи обычно рекомендуют назначать сотрудников на должности, которым они больше всего соответствуют по свои личностным и профессиональным качествам.

Руководители же кроме этого еще учитывают и затраты своих ресурсов на эти назначения, т.е. то, сколько они готовы платить сотруднику за выполнение функциональных обязанностей на этой должности. Фактически руководитель применяет профессиограммы с учетом функционально-стоимостного анализа и метода «Директ-костинг».

Поэтому предлагаемый в работе подход соответствует требованиям руководителя.

Вместе с тем, психологов (специалистов по персоналу) не интересуют финансовые аспекты назначения персонала, то они могут задать на классы практически неограниченные ресурсы, а затраты на назначение для всех респондентов сделать малыми и одинаковыми (например, равными 1). Тогда система просто назначит сотрудников на должности, которым они больше всего соответствуют без учета затрат на это.

Отметим также, что все многочисленные выходные формы записываются в виде файлов Excel- и txt-файлов.

4.4. Исследование предметной области путем исследования ее модели

Если модель предметной области адекватна, то ее исследование корректно считать исследованием самой предметной области. В этом случае результаты такого исследования можно считать знаниями не о модели, а о самой предметной области, т.е. можно обоснованно и корректно придать модели онтологический статус.

В АСК-анализе и системе «Эйдос» реализованы многочисленные возможности исследования предметной области путем исследования ее модели. В этом состоит одно из существенных преимуществ инновационной интеллектуальной технологии «Эйдос» от других технологий.

Кратко рассмотрим некоторые из этих возможностей.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

38

4.4.1. Отображение профессиограмм в форме нелокальных нейронов

Профессиограммы, могут отображаться не только в форме информационных портретов, пример которого представлен на рисунке 16, но и в форме нелокальных нейронов [28] (рисунок 24):

Рисунок 24. Профессиограмма в форме нелокального нейрона

4.4.2. Взаимозаменяемость сотрудников и ротация по должностям. Кластерно-конструктивный анализ классов и факторов и отображение его результатов в форме когнитивных диаграмм

Некоторые должности предъявляют сходные требования к сотрудникам, а другие сильно различающиеся. Между сходными по требованиям должностями сотрудников можно без особых проблем перемещать, т.е. они являются взаимозаменяемыми по этим должностям. Это может пригодиться при выработке рекомендаций руководству и принятии решений о перемещении сотрудников (ротации). Причем эти должности не обязательно находятся на одном иерархическом уровне и имеют одинаковую оплату.

Получить информацию об этом можно путем проведения кластерноконструктивного анализа, результаты которого выводятся во многих формах, из которых мы здесь приведем только когнитивную диаграмму, отражающую сходство и различие должностей по требованиям к сотрудникам (рисунок 25).

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

39

Рисунок 25. Когнитивная диаграмма, отражающая сходство и различие должностей по требованиям к сотрудникам

Некоторые личностные и профессиональные свойства сотрудников сходно влияют на успешность и не успешность и работы по должностям, отражаемым в модели, а другие различно (информация об этом приведена на рисунках 26 и 27):

свойств сотрудников по их влиянию на успешность/не успешность работы

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

40

л 1 1 Ин^1ПрЫЯ111ГЛНН1,1(* ппртррты пр|*нн;ч4тлп ,,т ш ■ — ' 1 |'^'|ИЁЭв1

| Инф.портрет признака: 1 "ДЛИНА ВОЛОС-Длннные" в модели: 6 "INF3"

1 ь» Наименование признака ■ Код Наименование класса Значимость 1-

1 ДЛИНА ВОЛОС-Длинные ... 1 ° УСПЕВАЕМОСТЬ-менее_25% 2*386

2 ДЛИНА ВОЛОС-Корсггкие ... 1 ПОЛ-женский 1.411

3 ДЛИНА БОЛОС-Средние ... 5 ОТКУДА РОДОМ-районный_центр G.5E9

4 ЦВЕТ ВОЛОС-Кашгановые ... 4 ОТКУДА РОДОМ-поселок С.286

5 ЦВЕТ В0Л0С-0чень_светлые ... 6 ОТКУДА РОДОМ-село -0.133

6 ЦВЕТ В0Л0С-0чень_темные ... 3 ОТКУДА РОДОМ-краевой_иентр -0,743

7 ЦВЕТ ВОЛОС-Крашеные ... Э УСПЕВАЕМОСТЬ-от_25%_до_50% -0.763

8 ЦВЕТ ВОЛОС-Русые ... 10 УСПЕВАЕМОСТЬ-от_50%_до_75% -Q.7S3

Э ЦВЕТ ГЛАЗ-Карие 7 УСПЕВАЕМОСТЬ-более_75% -0.S30

10 ЦВЕТ ГЛАЗ-Голубые ... Г" 2 ПОЛ-мужской -1.411

11 ЦВЕТ ГЛАЗ-Зеленые ...

12 ЦВЕТ ГЛАЗ-Серые ...

13 НАЛИЧИЕ УКРАШЕНИЙ-Браслет ...

14 НАЛИЧИЕ УКРАШЕНИЙ-Нет ...

15 НАЛИЧИЕ УКРАШЕНИЙ-Перстень ...

16 НАЛИЧИЕ УКРАШЕНИЙ-Серьги ...

17 НАЛИЧИЕ УКРАШЕНИЙ-Цепочка

18 ОДЕЖДА-Джннсы ...

13 ОДЕЖДА-Пиджак ...

20 ОДЕЖДА-Юбка ...

21 МАКИЯЖ-Незаметный ... Г

22 МАКИЯЖ-Заметный ...

<J * МАКИЯЖ-Птг:1лттвиет 1 ► <1 \>

II Помощь Abs Prcl j Prc21 Infl | Inl2 j |Inl31| Inf4 | Inl5 | Inf6 J Inf7 MS Ексе! ВКЛ.Фильтр по кл.шкале ВЫКЛ.Фильтр по кл.шкале j Вписать в окно Показать ВСЕ |

111

Рисунок 27. Информационный портрет признака, отражающий его влияние на принадлежность/непринадлежность к профессиональным категориям

4.4.3. Содержательное сравнение классов по требованиям, предъявляемым ими к сотрудникам

На рисунке 25 мы видим только само сходство/различие профессиональных категорий, но не видим, чем оно обусловлено. На диаграмме, приведенной на рисунке 28, мы видим, как образуется любая из линий связи, отображенных на рисунке 25:

Рисунок 28. Содержательное сравнение классов по требованиям, предъявляемым ими к сотрудникам

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

41

Это означает, что в системе «Эйдос» реализованы опосредованные правдоподобные рассуждения с расчетной степенью истинности.

4.4.4. Автоматизированный SWOT- и PEST-анализ,

отображение результатов в форме SWOT-диаграмм

АСК-анализ и его программный инструментарий интеллектуальная система «Эйдос» позволяют строить системно-когнитивные модели, отражающие силу и направление влияния на хозяйственные и финансовоэкономические результаты деятельности фирмы различных групп внутренних факторов, а именно:

- психологических факторов, т.е. свойств личности персонала и менеджмента фирмы;

- технологических факторов (АСУ ТП - автоматизированные системы управления технологическим процессами);

- организационные (АСОУ - автоматизированные системы организационного управления);

- социально-экономических факторов;

- финансовых факторов (ФСА - функционально-стоимостной анализ и метод Директ-костинг, т.е. анализ влияния затрат на результаты деятельности).

На основе этих моделей АСК-анализ и система «Эйдос» позволяют выработать научно-обоснованные рекомендации по реинжинирингу бизнес-процессов, т.е. по выбору такой их системы, которая обуславливает переход объекта моделирования и управления в заранее заданные целевые состояния с более высоким уровнем системности, количественно измеряемым с помощью предложенных автором коэффициентов эмерджентности..

Таким образом, автоматизированный системно-когнитивный анализ (АСК-анализ) с его программным инструментарием: интелелкутальной системой «Эйдос», не только имеет более общий характер, чем SWOT- и PEST-анализ, а также функционально-стоимостной анализ (ФСА) и метод Директ-костинг, т.е. включает их возможности, но также и позволяет вырабатывать научно-обоснованные рекомендации по реинжинирингу бизнес-процессов.

В АСК-анализе и системе «Эйдос» реализован автоматизированный SWOT- и PEST-анализ [29], обеспечивающий получение как SWOT-матриц (рисунок 29), так и SWOT-диаграмм (рисунок 30):

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

42

Рисунок 29. SWOT-матрица, автоматически формируемая в системе «Эйдос» непосредственно на основе исходных данных

Рисунок 30. SWOT-диаграмма, автоматически формируемая в системе «Эйдос» непосредственно на основе исходных данных

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

43

5. Выводы

Качество системы рассматривается, как эмерджентное свойство систем, обусловленное их составом и структурой и отражающее их функциональность, надежность и стоимость. Поэтому при управлении качеством, целью управления является формирование у объекта управления заранее заданных системных свойств. Чем ярче у объекта управления выражены системные свойства, тем сильнее у него проявляется нелинейность: и в зависимости самих управляющих факторов друг от друга, и в зависимости результатов действия одних факторов, от действия других. Поэтому проблема управления качеством состоит в том, что в процессе управления сам объект управления изменяется качественно, т.е. изменяются его уровень системности, степень детерминированности и сама передаточная функция. Эта проблема распадается на несколько задач: 1-я состоит в многопараметрической типизации и сопоставимой системной идентификации состояния объекта управления, 2-я - в принятии решений об управляющем воздействии так изменяющем состав объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это. Для решения 2-й задачи предлагается применить выбор компонент объекта управления по их функциональному назначению с учетом ресурсов, выделенных на реализацию различных функций, затрат, связанных с выбором тех или иных компонентов и степени соответствия различных компонент их функциональному назначению. Фактически предлагается формулировка и решение нового обобщения варианта задачи о назначениях: «Мультипликативный рюкзак», отличающееся от известного тем, что назначения производится не только с учетом ресурсов и затрат, но и с учетом степени соответствия компонент их функциональному назначению. Математическая модель, обеспечивающая решение 1-й задачи и отражающая степень соответствия компонент их функциональному назначению, а также весь процесс приятия решений по назначениям, т.е. 2-я задача, реализованы в АСК-анализе и системе «Эйдос-Х++». Приводится упрошенный численный пример предлагаемого подхода, связанный с назначением персонала.

АСК-анализ и система «Эйдос» представляют собой единственную существующую в настоящее время14 инновационную (полностью готовую к внедрению) технологию интеллектуального управления качеством систем путем решения обобщенной задачи о назначениях, которая не только позволяет непосредственно на основе эмпирических данных путем многопараметрической типизации создать модель, количественно отражающую степень соответствия объектов классам, но и применить эту модель для назначения объектов на классы с учетом ресурсов классов, затрат на назначение объектов и степени соответствия объектов классам, определяемой путем системной идентификации.

14 тт

На сколько известно автору

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

44

Материалы данной статьи могут быть использованы при преподавании дисциплин: управление персоналом с применением АСК-анализа, интеллектуальной системы «Эйдос» и функционально-стоимостного анализа (а также метода «Директ-костинг»); интеллектуальные системы; инженерия знаний и интеллектуальные системы; интеллектуальные технологии и представление знаний; представление знаний в интеллектуальных системах; основы интеллектуальных систем; введение в нейроматематику и методы нейронных сетей; основы искусственного интеллекта; интеллектуальные технологии в науке и образовании; управление знаниями; автоматизированный системно-когнитивный анализ и интеллектуальная система «Эйдос»; которые автор ведет в настоящее время15, а также и в других дисциплинах, связанных с преобразованием данных в информацию, а ее в знания и применением этих знаний для решения задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области (а это практически все дисциплины во всех областях науки). Этим и другим применениям должно способствовать и то, что система «Эйдос» находится в полном открытом бесплатном доступе (с открытыми исходными текстами) на сайте автора по адресу:

http://lc.kubagro.ru/aidos/ Aidos-X.htm.

Литература

1. Луценко Е.В. Количественные меры возрастания эмерджентности в процессе эволюции систем (в рамках системной теории информации) / Е.В. Луценко // Политематический 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.

2. Луценко Е.В. Исследование влияния подсистем различных уровней иерархии на эмерджентные свойства системы в целом с применением АСК-анализа и интеллектуальной системы "Эйдос" (микроструктура системы как фактор управления ее макросвойствами) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №01(075). С. 638 - 680. - Шифр Информрегистра: 0421200012\0025, IDA [article ID]: 0751201052. - Режим доступа: http://ej.kubagro.ru/2012/01/pdf/52.pdf, 2,688 у.п.л.

3. 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. - Режим доступа: http://lc.kubagro.ru/aidos/aidos02/index.htm

4. Луценко Е.В. Применение СК-анализа и системы «Эйдос» для синтеза когнитивной матричной передаточной функции сложного объекта управления на основе эмпирических данных / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №01(075). С. 681 - 714. - Шифр Информрегистра: 0421200012\0008, IDA [article ID]: 0751201053. - Режим доступа:

http://ej.kubagro.ru/2012/01/pdf/53.pdf, 2,125 у.п.л.

15 http://lc.kubagro.ru/My training schedule.doc

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

45

5. Луценко Е.В. Моделирование сложных многофакторных нелинейных объектов управления на основе фрагментированных зашумленных эмпирических данных большой размерности в системно-когнитивном анализе и интеллектуальной системе «Эйдос-Х++» / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №07(091). С. 164 - 188. - IDA [article ID]: 0911307012. -Режим доступа: http://ej.kubagro.ru/2013/07/pdf/12.pdf, 1,562 у.п.л.

6. Луценко Е.В. Прогнозирование рисков автострахования КАСКО с применением системно-когнитивного анализа / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №06(040). С. 91 - 104.

- Шифр Информрегистра: 0420800012\0071, IDA [article ID]: 0400806011. - Режим доступа: http://ej.kubagro.ru/2008/06/pdf/11.pdf, 0,875 у.п.л.

7. Луценко Е.В. Прогнозирование рисков ОСАГО (андерайтинг) с применением системно-когнитивного анализа / Е.В. Луценко, Н.А. Подставкин // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - №05(029). С. 90 - 112.

- Шифр Информрегистра: 0420700012\0096, IDA [article ID]: 0290705008. - Режим доступа: http://ej.kubagro.ru/2007/05/pdf/08.pdf, 1,438 у.п.л.

8. Луценко Е.В. Синтез и верификация многокритериальной системно-когнитивной модели университетского рейтинга Гардиан и ее применение для сопоставимой оценки эффективности российских вузов с учетом направления подготовки / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2015. - №03(107). С. 1 - 62. - IDA [article ID]: 1071503001. - Режим доступа: http://ej.kubagro.ru/2015/03/pdf/01.pdf, 3,875 у.п.л.

9. Луценко Е.В. Поддержка принятия решений по выбору номенклатуры и формы оплаты автомобилей с целью максимизации прибыли и рентабельности (на примере автоцентра Reno фирмы ООО "Модус-Краснодар") / Е.В. Луценко, Ю.Ю. Бараненкова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2007. -№05(029). С. 149 - 173. - Шифр Информрегистра: 0420700012\0094, IDA [article ID]: 0290705012. - Режим доступа: http://ej.kubagro.ru/2007/05/pdf/12.pdf, 1,562 у.п.л.

10. Луценко Е.В., Коржаков В.Е., Ермоленко В.В. Интеллектуальные системы в контроллинге и менеджменте средних и малых фирм: Под науч. ред. д.э.н.,

проф. Е.В.Луценко. Монография (научное издание). - Майкоп: АГУ. 2011. - 392 с. - Режим доступа: http://lc.kubagro.ru/aidos/aidos11 LKE/index.htm

11. Луценко Е.В. Решение обобщенной задачи о назначениях в системно-когнитивном

анализе / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(051). С. 83 - 108. - Шифр Информрегистра: 0420900012\0070, IDA [article ID]: 0510907004. - Режим доступа:

http://ej.kubagro.ru/2009/07/pdf/04.pdf, 1,625 у.п.л.

12. Луценко Е.В. Автоматизированный системно-когнитивный анализ как метод комплексного решения проблемы управления персоналом с применением функционально-стоимостного анализа / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №02(096). С. 1 - 16. - IDA [article ID]: 0961402001. - Режим доступа: http://ej.kubagro.ru/2014/02/pdf/01.pdf, 1 у.п.л.

13. Луценко Е.В. Управление персоналом с применением функционально-стоимостного и системно-когнитивного анализа / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №04(098). С. 1009 -1041. - IDA [article ID]: 0981404075. - Режим доступа: http://ej.kubagro.ru/2014/04/pdf/75.pdf, 2,062 у.п.л.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

46

14. Луценко Е.В. Реализация психологических, педагогических и профориентационных тестов и супертестов без программирования в среде интеллектуальной системы «Эйдос-Х++» (На примере теста: «Анализ особенностей индивидуального стиля педагогической деятельности») / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №04(088). С. 1057 - 1085. - IDA [article ID]: 0881304076. - Режим доступа: http://ej.kubagro.ru/2013/04/pdf/76.pdf, 1,812 у.п.л.

15. Луценко Е.В. Хиршамания при оценке результатов научной деятельности, ее негативные последствия и попытка их преодоления с применением многокритериального подхода и теории информации / Луценко Е.В. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2015. - №04(108). - IDA [article ID]: 1081504001. -Режим доступа: http://ej.kubagro.ru/2015/04/pdf/01.pdf, 1,813 у.п.л.

16. Луценко Е.В. Подчиняются ли социально-экономические явления каким-то аналогам или обобщениям принципа относительности Галилея и Эйнштейна и выполняются ли для них теорема Нётер и законы сохранения? / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №07(091). С. 219 - 254. - IDA [article ID]: 0911307014. - Режим доступа: http://ej.kubagro.ru/2013/07/pdf/14.pdf, 2,25 у.п.л.

17. 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.

18. 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.

19. Луценко Е.В. Теоретические основы, технология и инструментарий автоматизированного системно-когнитивного анализа и возможности его применения для сопоставимой оценки эффективности вузов / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №04(088). С. 340 - 359. - IDA [article ID]: 0881304022. - Режим доступа: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 у.п.л.

20. Луценко Е.В. Обобщенный коэффициент эмерджентности Хартли как количественная

мера синергетического эффекта объединения булеанов в системном обобщении теории множеств / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. -Краснодар: КубГАУ, 2011. - №02(066). С. 535 - 545. - Шифр Информрегистра: 0421100012\0031, IDA [article ID]: 0661102045. - Режим доступа:

http://ej.kubagro.ru/2011/02/pdf/45.pdf, 0,688 у.п.л.

21. Луценко Е.В. Количественная оценка уровня системности на основе меры информации К. Шеннона (конструирование коэффициента эмерджентности Шеннона) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ,

2012. - №05(079). С. 249 - 304. - IDA [article ID]: 0791205018. - Режим доступа: http://ej.kubagro.ru/2012/05/pdf/18.pdf, 3,5 у.п.л.

22. Луценко Е.В. Коэффициент эмерджентности классических и квантовых статистических систем / Е.В. Луценко, А.П. Трунев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ)

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

47

[Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №06(090). С. 214 - 235. - IDA [article ID]: 0901306014. - Режим доступа: http://ej.kubagro.ru/2013/06/pdf/14.pdf, 1,375 у.п.л.

23. Луценко Е.В. Системно-когнитивный анализ и система «Эйдос» и их применение для

построения интеллектуальных измерительных систем. Заводская лаборатория. Диагностика материалов. 2014. Т. 80. № 5. С. 64-74. http://elibrary.ru/contents.asp?issueid=1267409

http://elibrary.ru/item.asp?id=21538328

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. - Режим доступа:

http://lc.kubagro.ru/aidos/aidos08 Napriev/index.htm

25. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). - Краснодар, КубГАУ. 2014. - 600 с. ISBN 978-5-94672-757-0. - Режим доступа: http://lc.kubagro.ru/aidos/aidos14 OL/index.htm

26. Луценко Е.В. Универсальная когнитивная аналитическая система «Эй-

дос". Монография (научное издание). - Краснодар, КубГАУ. 2014. - 600 с. ISBN 978-5-94672830-0. - Режим доступа: http://lc.kubagro.ru/aidos/aidos14 L3/index.htm

27. Орлов А.И., Луценко Е.В., Лойко В.И. Перспективные математические и инструментальные методы контроллинга. Под научной ред. проф.С.Г.Фалько. Монография (научное издание). - Краснодар, КубГАУ. 2015. - 600 с. ISBN 978-5-94672-923-9. - Режим доступа: http://lc.kubagro.ru/aidos/aidos15 OLL/index.htm

28. 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.

29. Луценко Е.В. Количественный автоматизированный SWOT- и PEST-анализ средства-

ми АСК-анализа и интеллектуальной системы «Эйдос-Х++» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. -№07(101). С. 1367 - 1409. - IDA [article ID]: 1011407090. - Режим доступа:

http://ej.kubagro.ru/2014/07/pdf/90.pdf, 2,688 у.п.л.

30. Луценко Е.В. АСК-анализ как метод выявления когнитивных функциональных зави-

симостей 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.

31. Луценко Е.В. Тотальная ложь как стратегическое информационное оружие общества периода глобализации и дополненной реальности (применим ли в современном обществе принцип наблюдаемости как критерий реальности) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №07(101). С. 1410 -1427. - IDA [article ID]: 1011407091. - Режим доступа: http://ej.kubagro.ru/2014/07/pdf/91.pdf, 1,125 у.п.л.

32. Луценко Е.В. Обобщенный коэффициент эмерджентности Хартли как количественная

мера синергетического эффекта объединения булеанов в системном обобщении теории множеств / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. -Краснодар: КубГАУ, 2011. - №02(066). С. 535 - 545. - Шифр Информрегистра: 0421100012\0031, IDA [article ID]: 0661102045. - Режим доступа:

http://ej.kubagro.ru/2011/02/pdf/45.pdf, 0,688 у.п.л.

33. Луценко Е.В. Реализация операции объединения систем в системном обобщении теории множеств (объединение булеанов) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №01(065). С. 354 - 391. -

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

48

Шифр Информрегистра: 0421100012\0001, IDA [article ID]: 0651101029. - Режим доступа: http://ej.kubagro.ru/2011/01/pdf/29.pdf, 2,375 у.п.л.

34. Расторгуев С. П. Информационная война. - М. : Радио и связь, 1998.

35. Расторгуев С. П. Философия информационной войны. - Аутопан, 2000.

36. Расторгуев С. П., Драйверов С. Инфицирование как способ защиты жизни. Вирусы: биологические, социальные, психические, компьютерные. СР-сети. - М. : Изд-во агентства" Яхтсмен", 1996.

37. Расторгуев С. П. Основы информационной безопасности //Информатика и образование. - 2007. - №. 8. - С. 13-24.

38. Расторгуев С. П. Информационная война как целенаправленное информационное воздействие информационных систем //Информационное общество. - 1997. - №. 1. - С. 64-66.

39. Расторгуев С. П. Информационная война. Проблемы и модели. Экзистенциальная математика. - М. : Гелиос АРВ, 2006.

40. Расторгуев С. П. Выборы во власть как форма информационной экспансии //М.: Новый век. - 1999.

41. Расторгуев С. П. Введение в формальную теорию информационной войны. - М. : Вузовская кн., 2002.

Literatura

1. Lucenko E.V. Kolichestvennye mery vozrastanija jemerdzhentnosti v processe jevoljucii

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.

2. Lucenko E.V. Issledovanie vlijanija podsistem razlichnyh urovnej ierarhii na jemerdzhentnye svojstva sistemy v celom s primeneniem ASK-analiza i intellektual'noj sistemy "Jejdos" (mikrostruktura sistemy kak faktor upravlenija ee makrosvojstvami) / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2012. -№01(075). S. 638 - 680. - Shifr Informregistra: 0421200012\0025, IDA [article ID]: 0751201052. -Rezhim dostupa: http://ej.kubagro.ru/2012/01/pdf/52.pdf, 2,688 u.p.l.

3. Lucenko E. V. Avtomatizirovannyj sistemno-kognitivnyj analiz v upravlenii aktivnymi

ob#ektami (sistemnaja teorija informacii i ee primenenie v issledovanii jekonomicheskih, social'no-psihologicheskih, tehnologicheskih i organizacionno-tehnicheskih sistem): Monografija (nauchnoe izdanie). - Krasnodar: KubGAU. 2002. - 605 s. - Rezhim dostupa:

http://lc.kubagro.ru/aidos/aidos02/index.htm

4. Lucenko E.V. Primenenie SK-analiza i sistemy «Jejdos» dlja sinteza kognitivnoj matrichnoj peredatochnoj funkcii slozhnogo ob#ekta upravlenija na osnove jempiricheskih dannyh / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. -Krasnodar: KubGAU, 2012. - №01(075). S. 681 - 714. - Shifr Informregistra: 0421200012\0008, IDA [article ID]: 0751201053. - Rezhim dostupa: http://ej.kubagro.ru/2012/01/pdf/53.pdf, 2,125 u.p.l.

5. Lucenko E.V. Modelirovanie slozhnyh mnogofaktornyh nelinejnyh ob#ektov upravlenija na

osnove fragmentirovannyh zashumlennyh jempiricheskih dannyh bol'shoj razmernosti v sistemno-kognitivnom analize i intellektual'noj sisteme «Jejdos-H++» / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2013. -№07(091). S. 164 - 188. - IDA [article ID]: 0911307012. - Rezhim dostupa:

http://ej.kubagro.ru/2013/07/pdf/12.pdf, 1,562 u.p.l.

6. Lucenko E.V. Prognozirovanie riskov avtostrahovanija KASKO s primeneniem sistemno-kognitivnogo analiza / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2008. - №06(040). S. 91 - 104. - Shifr Informregistra:

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

49

0420800012\0071, IDA [article ID]: 0400806011. - Rezhim dostupa:

http://ej.kubagro.ru/2008/06/pdf/11.pdf, 0,875 u.p.l.

7. Lucenko E.V. Prognozirovanie riskov OSAGO (anderajting) s primeneniem sistemno-

kognitivnogo analiza / E.V. Lucenko, N.A. Podstavkin // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2007. - №05(029). S. 90 - 112. - Shifr Informregistra: 0420700012\0096, IDA [article ID]: 0290705008. - Rezhim dostupa:

http://ej.kubagro.ru/2007/05/pdf/08.pdf, 1,438 u.p.l.

8. Lucenko E.V. Sintez i verifikacija mnogokriterial'noj sistemno-kognitivnoj modeli universitetskogo rejtinga Gardian i ee primenenie dlja sopostavimoj ocenki jeffektivnosti rossijskih vuzov s uchetom napravlenija podgotovki / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2015. - №03(107). S. 1 - 62. - IDA [article ID]: 1071503001. - Rezhim dostupa: http://ej.kubagro.ru/2015/03/pdf/01.pdf, 3,875 u.p.l.

9. Lucenko E.V. Podderzhka prinjatija reshenij po vyboru nomenklatury i formy oplaty

avtomobilej s cel'ju maksimizacii pribyli i rentabel'nosti (na primere avtocentra Reno firmy OOO "Modus-Krasnodar") / E.V. Lucenko, Ju.Ju. Baranenkova // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2007. - №05(029). S. 149 - 173. - Shifr Informregistra: 0420700012\0094, IDA [article ID]: 0290705012. - Rezhim dostupa:

http://ej.kubagro.ru/2007/05/pdf/12.pdf, 1,562 u.p.l.

10. Lucenko E.V., Korzhakov V.E., Ermolenko V.V. Intellektual'nye sistemy v kontrollinge i

menedzhmente srednih i malyh firm: Pod nauch. red. d.je.n., prof. E.V.Lucenko. Monografija (nauchnoe izdanie). - Majkop: AGU. 2011. - 392 s. - Rezhim dostupa:

http://lc.kubagro.ru/aidos/aidos 11_LKE/index.htm

11. Lucenko E.V. Reshenie obobshhennoj zadachi o naznachenijah v sistemno-kognitivnom

analize / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2009. - №07(051). S. 83 - 108. - Shifr Informregistra: 0420900012\0070, IDA [article ID]: 0510907004. - Rezhim dostupa:

http://ej.kubagro.ru/2009/07/pdf/04.pdf, 1,625 u.p.l.

12. Lucenko E.V. Avtomatizirovannyj sistemno-kognitivnyj analiz kak metod kompleksnogo reshenija problemy upravlenija personalom s primeneniem funkcional'no-stoimostnogo analiza / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. -Krasnodar: KubGAU, 2014. - №02(096). S. 1 - 16. - IDA [article ID]: 0961402001. - Rezhim dostupa: http://ej.kubagro.ru/2014/02/pdf/01.pdf, 1 u.p.l.

13. Lucenko E.V. Upravlenie personalom s primeneniem funkcional'no-stoimostnogo i sistemno-kognitivnogo analiza / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2014. - №04(098). S. 1009 - 1041. -IDA [article ID]: 0981404075. - Rezhim dostupa: http://ej.kubagro.ru/2014/04/pdf/75.pdf, 2,062 u.p.l.

14. Lucenko E.V. Realizacija psihologicheskih, pedagogicheskih i proforientacionnyh testov i supertestov bez programmirovanija v srede intellektual'noj sistemy «Jejdos-H++» (Na primere testa: «Analiz osobennostej individual'nogo stilja pedagogicheskoj dejatel'nosti») / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU,

2013. - №04(088). S. 1057 - 1085. - IDA [article ID]: 0881304076. - Rezhim dostupa: http://ej.kubagro.ru/2013/04/pdf/76.pdf, 1,812 u.p.l.

15. Lucenko E.V. Hirshamanija pri ocenke rezul'tatov nauchnoj dejatel'nosti, ee negativnye posledstvija i popytka ih preodolenija s primeneniem mnogokriterial'nogo podhoda i teorii informacii / Lucenko E.V. // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. -Krasnodar: KubGAU, 2015. - №04(108). - IDA [article ID]: 1081504001. - Rezhim dostupa: http://ej.kubagro.ru/2015/04/pdf/01.pdf, 1,813 u.p.l.

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

50

16. Lucenko E.V. Podchinjajutsja li social'no-jekonomicheskie javlenija kakim-to analogam ili obobshhenijam principa otnositel'nosti Galileja i Jejnshtejna i vypolnjajutsja li dlja nih teorema Njoter i zakony sohranenija? / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №07(091). S. 219 - 254. - IDA [article ID]: 0911307014. -Rezhim dostupa: http://ej.kubagro.ru/2013/07/pdf/14.pdf, 2,25 u.p.l.

17. 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.

18. 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.

19. Lucenko E.V. Teoreticheskie osnovy, tehnologija i instrumental) avtomatizirovannogo sistemno-kognitivnogo analiza i vozmozhnosti ego primenenija dlja sopostavimoj ocenki jeffektivnosti vuzov / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №04(088). S. 340 - 359. - IDA [article ID]: 0881304022. - Rezhim dostupa: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 u.p.l.

20. Lucenko E.V. Obobshhennyj kojefficient jemerdzhentnosti Hartli kak kolichestvennaja mera sinergeticheskogo jeffekta ob#edinenija buleanov v sistemnom obobshhenii teorii mnozhestv / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. -Krasnodar: KubGAU, 2011. - №02(066). S. 535 - 545. - Shifr Informregistra: 0421100012\0031, IDA [article ID]: 0661102045. - Rezhim dostupa: http://ej.kubagro.ru/2011/02/pdf/45.pdf, 0,688 u.p.l.

21. Lucenko E.V. Kolichestvennaja ocenka urovnja sistemnosti na osnove mery informacii K.

Shennona (konstruirovanie kojefficienta jemerdzhentnosti Shennona) / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2012. -№05(079). S. 249 - 304. - IDA [article ID]: 0791205018. - Rezhim dostupa:

http://ej.kubagro.ru/2012/05/pdf/18.pdf, 3,5 u.p.l.

22. Lucenko E.V. Kojefficient jemerdzhentnosti klassicheskih i kvantovyh statisticheskih sistem / E.V. Lucenko, A.P. Trunev // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. -Krasnodar: KubGAU, 2013. - №06(090). S. 214 - 235. - IDA [article ID]: 0901306014. - Rezhim dostupa: http://ej.kubagro.ru/2013/06/pdf/14.pdf, 1,375 u.p.l.

23. Lucenko E.V. Sistemno-kognitivnyj analiz i sistema «Jejdos» i ih primenenie dlja

postroenija intellektual'nyh izmeritel'nyh sistem. Zavodskaja laboratorija. Diagnostika materialov.

2014. T. 80. № 5. S. 64-74. http://elibrary.ru/contents.asp?issueid=1267409

http://elibrary.ru/item.asp?id=21538328

24. Napriev I.L., Lucenko E.V., Chistilin A.N. Obraz-Ja i stilevye osobennosti dejatel'nosti

sotrudnikov organov vnutrennih del v jekstremal'nyh uslovijah. Monografija (nauchnoe izdanie). -Krasnodar: KubGAU. 2008. - 262 s. - Rezhim dostupa:

http://lc.kubagro.ru/aidos/aidos08_Napriev/index.htm

25. Orlov A.I., Lucenko E.V. Sistemnaja nechetkaja interval'naja matematika. Monografija (nauchnoe izdanie). - Krasnodar, KubGAU. 2014. - 600 s. ISBN 978-5-94672-757-0. - Rezhim dostupa: http://lc.kubagro.ru/aidos/aidos 14_OL/index.htm

26. Lucenko E.V. Universal'naja kognitivnaja analiticheskaja sistema «Jejdos". Monografija (nauchnoe izdanie). - Krasnodar, KubGAU. 2014. - 600 s. ISBN 978-5-94672-830-0. - Rezhim dostupa: http://lc.kubagro.ru/aidos/aidos 14_L3/index.htm

http://ej.kubagro.ru/2015/05/pdf/01.pdf

Научный журнал КубГАУ, №109(05), 2015 года

51

27. Orlov A.I., Lucenko E.V., Lojko V.I. Perspektivnye matematicheskie i instrumental'nye

metody kontrollinga. Pod nauchnoj red. prof.S.G.Fal'ko. Monografija (nauchnoe izdanie). -Krasnodar, KubGAU. 2015. - 600 s. ISBN 978-5-94672-923-9. - Rezhim dostupa:

http://lc.kubagro.ru/aidos/aidos15_OLL/index.htm

28. 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.

29. Lucenko E.V. Kolichestvennyj avtomatizirovannyj SWOT- i PEST-analiz sredstvami ASK-analiza i intellektual'noj sistemy «Jejdos-H++» / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2014. - №07(101). S. 1367 - 1409. -IDA [article ID]: 1011407090. - Rezhim dostupa: http://ej.kubagro.ru/2014/07/pdf/90.pdf, 2,688 u.p.l.

30. Lucenko E.V. ASK-analiz kak metod vyjavlenija kognitivnyh funkcional'nyh zavisimostej 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.

31. Lucenko E.V. Total'naja lozh' kak strategicheskoe informacionnoe oruzhie obshhestva perioda globalizacii i dopolnennoj real'nosti (primenim li v sovremennom obshhestve princip nabljudaemosti kak kriterij real'nosti) / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2014. - №07(101). S. 1410 - 1427. - IDA [article ID]: 1011407091. - Rezhim dostupa: http://ej.kubagro.ru/2014/07/pdf/91.pdf, 1,125 u.p.l.

32. Lucenko E.V. Obobshhennyj kojefficient jemerdzhentnosti Hartli kak kolichestvennaja mera sinergeticheskogo jeffekta ob#edinenija buleanov v sistemnom obobshhenii teorii mnozhestv / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. -Krasnodar: KubGAU, 2011. - №02(066). S. 535 - 545. - Shifr Informregistra: 0421100012\0031, IDA [article ID]: 0661102045. - Rezhim dostupa: http://ej.kubagro.ru/2011/02/pdf/45.pdf, 0,688 u.p.l.

33. Lucenko E.V. Realizacija operacii ob#edinenija sistem v sistemnom obobshhenii teorii

mnozhestv (ob#edinenie buleanov) / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2011. - №01(065). S. 354 - 391. - Shifr Informregistra: 0421100012\0001, IDA [article ID]: 0651101029. - Rezhim dostupa:

http://ej.kubagro.ru/2011/01/pdf/29.pdf, 2,375 u.p.l.

34. Rastorguev S. P. Informacionnaja vojna. - M. : Radio i svjaz', 1998.

35. Rastorguev S. P. Filosofija informacionnoj vojny. - Autopan, 2000.

36. Rastorguev S. P., Drajverov S. Inficirovanie kak sposob zashhity zhizni. Virusy: biologicheskie, social'nye, psihicheskie, komp'juternye. SR-seti. - M. : Izd-vo agentstva" Jahtsmen", 1996.

37. Rastorguev S. P. Osnovy informacionnoj bezopasnosti //Informatika i obrazovanie. - 2007.

- №. 8. - S. 13-24.

38. Rastorguev S. P. Informacionnaja vojna kak celenapravlennoe informacionnoe vozdejstvie informacionnyh sistem //Informacionnoe obshhestvo. - 1997. - №. 1. - S. 64-66.

39. Rastorguev S. P. Informacionnaja vojna. Problemy i modeli. Jekzistencial'naja matematika.

- M. : Gelios ARV, 2006.

40. Rastorguev S. P. Vybory vo vlast' kak forma informacionnoj jekspansii //M.: Novyj vek. -

1999.

41. Rastorguev S. P. Vvedenie v formal'nuju teoriju informacionnoj vojny. - M. : Vuzovskaja kn., 2002.

http://ej.kubagro.ru/2015/05/pdf/01.pdf