CC BY
113ВЫЕЗДНОЕ ЗАСЕДАНИЕ «КОГНИТИВНОЕ МОДЕЛИРОВАНИЕ СЛОЖНЫХ СИСТЕМ» Южный Федеральный университет, г. Таганрог Председатель д-р техн. наук, профессор Г.В. Горелова
УДК 303.732
Горелова Галина Викторовна,
д-р техн. наук, профессор, Научный руководитель Института управления в социальных, экономических и экологических системах Инженерно-технологической
академии Южного федерального университета,
КОГНИТИВНЫЕ ИССЛЕДОВАНИЯ СЛОЖНЫХ СИСТЕМ
Россия, г. Таганрог, ЮФУ [email protected]
Аннотация. Целью статьи было представить краткий обзор основных идей и результатов в области когнитивных исследований, проводимых в рамках работы научной школы ЮФУ «Когнитивное моделирование сложных систем (экономических, социальных, экологических, политических)». Опыт работы в этом направлении позволяет прийти к заключению об актуальности и перспективности применения в исследованиях сложных систем когнитивного подхода. Когнитивный подход начал развиваться с середины прошлого века в приложениях к различным объектам когнитивных наук. В настоящее время когнитивный подход к пониманию, объяснению, описанию сложных систем, моделированию их свойств и поведения в условиях разного вида неопределенности и рисков, в условиях не только количественных, но и качественных, вербальных данных о сложной системе позволяет: разработать когнитивную модель сложной системы, исследовать свойства модели, научно предвидеть пути возможного развития сложной системы, спроектировать и обосновать желаемые стратегии ее развития. В статье изложено основное содержание когнитивного моделирования сложных систем и его методология. Методология когнитивного моделирования сложных систем отличается от близких к ней моделей и методов, разработанных, например, в Институте проблем управления Российской академии наук содержанием исследований, количеством решаемых на когнитивной модели исследовательских задач, постановкой задач моделирования иерархических систем и задач взаимодействия двух и более сложных систем, в том числе, противоборствующих. Описаны возможности разработанного программного обеспечения. Приведен пример когнитивного моделирования системы взаимодействующих объектов и процессов, в ней происходящих. Когнитивное моделирование сложных систем является имитационным моделированием.
Ключевые слова: сложные системы, взаимодействие, когнитивная методология, имитация.
Galina V. Gorelova,
Doctor of Technical Sciences, Professor, Scientific Director of the Institute of Management in Social, Economic and Ecological Systems of the Engineering and Technological Academy of
the Southern Federal University
COGNITIVE STUDIES OF COMPLEX SYSTEMS
Russia, Taganrog, Southern Federal University, [email protected]
Abstract. The purpose of this paper is to provide a brief overview of the main ideas and results in the field of cognitive research conducted in the framework of the work of the South Federal University scientific school "Cognitive modeling of complex systems (economic, social, environmental, political)". Experience in this direction allows us to conclude that the cognitive approach is relevant and promising in the study of complex systems. The cognitive approach began to develop from the middle of the last century in applications to various objects of the cognitive sciences. Currently, the cognitive approach to understanding, explaining, describing complex systems, modeling their properties and behavior under different types of uncertainty and risk, in terms of not only quantitative, but also qualitative, verbal data on a complex system allows you to: develop a cognitive model of a complex system, explore the properties of the model, scientifically anticipate the possible development of a complex system, design and justify the desired strategies for its development. The main content of cognitive modeling of complex systems and its methodology the article presents.
The methodology of cognitive modeling of complex systems differs from similar models and methods developed, for example, at the Institute of Control Sciences, with the content of research, the number of research problems solved on a cognitive model, the formulation of problems for modeling hierarchical systems, and the interaction problems of two or more complex systems, including, opposing. The methodology of cognitive modeling of complex systems differs from similar models and methods developed, for example, at the Institute of Control Problems of the Russian Academy of Sciences by the content of research, the number of research problems to be solved on a cognitive model, the formulation of problems for modeling hierarchical systems and the interaction problems of two or more complex systems, including the opposing. The capabilities of the developed software are described. An example of cognitive modeling of a system of interacting objects and processes occurring in it is given. Cognitive modeling of complex systems is a simulation.
Keywords: complex systems, interaction, cognitive modeling, imitation.
Введение. Специфические особенности социально-экономических, экологических, политически, социотехнических, организационных и т.п. сложных систем затрудняют их понимание, прогнозирование развития, управление ими. Такие системы существуют в условиях неопределённости различного рода, им свойственны слабоструктурированные проблемы, изучение и решение которых требуют применения междисциплинарного подхода. Исследование сложных систем связано с применением методов имитационного моделирования, поскольку натурный экспери-
мент над ними в условиях реальной жизни недопустим, опасен, невозможен, нежелателен по многим причинам. Это определяет актуальность использования как существующих методов моделирования сложных систем, так и разработки новых подходов, приёмов и методов в этой области. Современное когнитивное моделирование находится в ряду подходов, методов, моделей имитационного моделирования. Как известно, основы имитационного моделирования были заложены в прошлом веке в рамках развития дисциплин исследования операций и системного анализа; одним из первых методов имитационного моделирования считается метод Монте-Карло. Далее начали развиваться модели и методы системной динамики, основоположником которой является Дж. Форрестер. Это группа имитационных моделей, называемых качественными, к которым относятся: графические диаграммы прямых и обратных причинно-следственных связей и глобальных влияний одних параметров на другие во времени. В нашей стране периода 1980-90х годов исследованиями академика В.М. Матросова и его школы были разработаны динамические модели развития сложных систем. К количественным имитационным моделям относятся: потоковые (Resource-Based Viev, RBV), дискретно-событийные (Discrete event modeling), агентные модели (agents simulation). Параллельно с системной динамикой появилось ситуационное моделирование (situational simulation), основоположниками которого (ситуационное управление и семантическое моделирование) в нашей стране являются Д.А. Поспелов, Л.С. Болотова (Загадская), Ю.И. Клыков. В середине 20 века произошла так называемая «великая когнитивная революция», положившая начало развитию различных направлений когнитивной науки, в том числе когнитивных информационных технологий. Сейчас наступило время нано-био-инфо-когно (NBIC) технологий, развивающихся в плотной связке друг с другом.
О когнитивном моделировании сложных систем. Исследования сложных (больших) систем, базирующиеся на когнитивном подходе, в России начали разрабатываться, в том числе, в начале 90-х годов прошлого века в ИПУ РАН. Это работы В.И. Максимова, Н.А. Абрамовой, З.К. Авдеевой, В.В. Кульбы, Д.А. Кононова, С.С. Ковалевского, С.В.Ковриги, С. А. Косяченко, Д.И. Макаренко, Д.А. Новикова, Р.М. Ни-жегородцева, Р. Порцева, Raikov A. И.В. Чернова и др. по направлению «Когнитивный анализ и управление ситуациями» (разработаны программные системы ДК «СИТУАЦИЯ», ПК «КОМПАС», ПК «КИТ»). С конца прошлого века в Таганрогском радиотехническом университете (ныне Инженерно-технологическая академия Южного федерального университета - ИТА ЮФУ) также начались когнитивное исследования, направление - «Когнитивное моделирование сложных систем» [1- 20]
(разработаны программные системы «ПСКМ» и «CMSS»). Когнитивные исследования ведутся также в Кубанском аграрном университете, это работы Луценко Е.В. (разработана программная система «ЭЙДОС»), Лойко В.И., Лаптева В.Н. и в русле работ ИТА ЮФУ - работы И.А.Кацко, С.А. Кацко и др. по направлению «Когнитивное моделирование сложных систем».
В рамках научной школы «Когнитивное моделирование сложных систем (экономических, социальных, экологических, политических)» когнитивные исследования ведутся не только сотрудниками ЮФУ. По проблематике исследования социально-экономических и др. сложных систем с 2004 года защищено более 40 кандидатских и 6 докторских диссертаций, имеется более 150 публикаций, в том числе - 9 монографий. Основным результатом этих работ стала когнитивная методология исследования сложных систем, которая базировалась на работах ИПУ РАН, на энциклопедической монографии «Новая парадигма развития России (Комплексные исследования проблем устойчивого развития)» под ред. В.А. Коптюга, В.М. Матросова, В.К. Левашова (2000 г., 460 с.), а также на ранних работах зарубежных авторов (R. H.Atkin, R.Axelrod, J.Casti, C. Eden, P. Langley, F.Roberts).
Под когнитивной методологией исследования сложных систем понимаем [3,17] когнитивную организацию деятельности исследователя (эксперта, лица, принимающего решение), состоящую в определении цели, объекта, предмета исследования, выборе средств и методов для наилучшего решения комплекса системных задач, существенных для понимания и объяснения сложной системы, научного предвидения возможных путей ее развития, управления сложной системой или адаптации к ней и к окружающей среде. Основное отличие разработанной когнитивной методологии исследования сложных систем от других методов и приемов когнитивного исследования состоит в реализованной идее (концепции) объединения на основе когнитивного подхода в единую систему различных методов, методик, правил, способов, моделей и программных средств. Такое объединение позволяет взаимосвязано решать последовательность задач анализа свойств структуры объекта, его устойчивости, возможных сценариев развития, возможности управления и других. Этот же инструментарий отличает его от приёмов, моделей, методов, применяемых в других когнитивных науках. Инструментарий допускает его «достраивание» путём использования подходящих к изучаемой сложной системе методов из других областей знания.
Таким образом, когнитивное моделирование, если речь идёт о моделировании социальных, экономических, экологических, политических, социотехнических систем, отличается по смыслу и действиям от когни-
тивного моделирования, используемого в когнитивной психологии, лингвистике и др. Следует добавить, что при когнитивном моделировании названных систем непростым объектом исследования служит «объект-субъект», как извлекаемая из разных источников разнообразная информация о сложной системе во «взаимодействии» её с исследователем (наблюдателем, экспертом, ЛПР). Причем, не только в когнитивном процессе восприятия, познания и понимания объекта «сложная система», т.е. в феномене знания, но и в связанном с ним получением, хранением, обработкой и репрезентацией знаний, как в сознании исследователя, так и в компьютерной системе в виде когнитивной модели, методов анализа различных её свойств и правил принятия решений. Одним из предназначений использования когнитивной методологии может быть разработка систем искусственного интеллекта, интеллектуальных систем поддержки принятия решений, интеллектуальных систем управления [4, 5, 17]. Когнитивные информационные технологии являются базовыми для современных интеллектуальных систем поддержки принятия решений и искусственного интеллекта.
Когнитивная методология разрабатывалась и была опробована на различных социально-экономических, экологических, геополитических объектах [1-21].
Это региональные социально-экономические системы [1, 4, 12, 16, 19, 20]:
- системы образования (республика Адыгея, Ростовская область, Краснодарский край) [1, 2, 6, 12, 14, 20] и анализ Федеральной целевой программы развития образования на 2016-2020 гг. [15];
- рынок труда (Ростовская область и др.) [12, 20];
- сфера туризма (Юг России) [20];
- промышленное производство, предприятия, металлоторговля [4];
- малый и средний бизнес (Ростовская область, Таганрог) [20];
- межрегиональный экономический обмен [18];
- финансовое регулирование воспроизводства и накопления капитала [17];
- имитация конкуренции и конфронтации систем [15] и др.
Это экологические системы (водное хозяйство Юга России, экзогенные процессы) [8, 9]. Это геополитические системы (Юг России, Чер-номорско-Кавказская площадка) [11].
Теория когнитивного моделирования сложных систем в данном списке литературы наиболее полно представлена в монографиях [2, 20], соответствующий программный инструментарий описан в [2, 21].
Пример когнитивного моделирования сложных систем. В качестве иллюстрации когнитивного моделирования приведем пример взаимодействия сложных систем [17, 18]. Моделирование производилось с помощью программной системы CMSS (Cognitive Modeling Software System) [21], которая является развитием предшествующей программной системы когнитивного моделирования ПСКМ [2].
Пример. Моделирование взаимодействия «Межрегиональная экономическая интеграция».
Когнитивное моделирование производится поэтапно.
I Этап. Разработка когнитивной карты. Разработке когнитивной модели (в виде когнитивной карты или более сложной модели типа функционального параметрического графа) предшествует определение цели когнитивного исследования. Данными для разработки когнитивной модели являются теоретические и статистические данные, экспертные заключения. В процессе анализа различных данных происходит структуризация знаний эксперта и представление их в виде когнитивной карты -знакового ориентированного графа G=<V,E>, в котором V- множество вершин, Е - множество дуг между вершинами; в дальнейшем модель может усложняться путем введения весов вершин и дуг, определения функциональных зависимостей между вершинами.
На рис. 1 представлена когнитивная карта, разработанная в результате исследований межрегиональной экономической интеграции между субъектами Юга России [18].
II Этап. Анализ когнитивной модели. Целью такого анализа является проверка соответствия модели реальной сложной системе и анализ ее структурных свойств, свойств устойчивости и др.
1) Анализ импульсной устойчивости. В табл.1 приведены результаты вычислительного эксперимента по определению корней характеристического уравнения матрицы отношений когнитивной карты G. Эти вычисления необходимы для определения свойства импульсной устойчивости системы по возмущению и начальному значению. Для проверки устойчивости [2] используется критерий I Ml < 1, где I Ml - это максимальное по модулю собственное число матрицы RG (корень характеристического уравнения).
Поскольку в данном случае I Ml = 1,799, то можно считать, что G не устойчива к возмущениям.
2) Анализ путей, циклов и структурной устойчивости модели G. С помощью CMSS возможно выделять пути между любыми вершинами когнитивной карты, чтобы убедиться в логичности изображенных причинно-следственных цепочек, их не противоречии реальной системе и оценке возможных путей достижения цели.
У9. Ресурснц1й\отенциал ре^иона\ 1.0
Надм^ние региона
У12. По питика ка п ита л о [ I л ожен и й
1.0
, 2 £оциально-эк^ноЦ^ес.сот ур0Ве^»звития и состояние^ региона состояния ¿вязинтернет, информационна взаимодействие 1
1.0\
1.0 \ ' \ V?. Субъекты
экономически* отношений
\
VII ТоваЪ
|акроуровн\р (Регион^])
с* % У15.\М еж региональная!^
у18.уЛолитическая \д у г 1
■■, м конкуренция
ситуаций,. ■ *
Инновационно^инвестиЦио нныеТфО!
И
\
\
-10
региона
5. Миграция
а.о
У13^Уровень |5анацфтного сообщен ия'уд
Сод иа л ьн о-^коно м ич ее кая
V
1.0
13
т,
,-1,0
-1.0
ь
'1.0
ч
дифференциации регионов
I
-1.0
1.0
1.0
' \ »1Рыночная
Инфраструктура ^ .0
ПЙЕЖРЕГИОНАЛЬНА! 1.0 ЭКОНОМИЧЕСКАЯ 1л VI7, Единое ценовое поле ИНТЕГРАЦИЯ
'А -1.0
\
/
У20. Региональные органУ^21.Р£'А1тика государства власти
1.0
V//. Система право в ык корм
Рис. 1. Когнитивная карта О «Межрегиональная экономическая интеграция»
Таблица 1
Вычисление корней характеристического уравнения матрицы отношений
когнитивной карты в
Собственные числа
# Действительная часть Комплексная часть Мод}
0 1.7992 0.0 1.7992
1 -1.4953 0.0 1.4953
2 0.2301 1.3675 1.3675
3 -0.2301 1.3675 1.3675
4 0,9511 0,0 0.9511
5 0.1064 0.6549 0.6549
6 0,1064 -0.6549 0.6549
7 -0.5038 0.4559 0.5038
в 0.5038 0.4559 0.5038
9 0.0 0,0 0.0
10 0.0 0.0 0.0
11 0,0 0,0 0.0
12 0.0 0.0 0.0
13 0,0 0,0 0.0
14 0.0 0,0 0.0
15 0.0 0.0 0.0
16 0.0 0,0 0.0
17 0.0 0.0 0.0
Анализ циклов когнитивной модели также необходим для решения о не противоречии модели реальности, для определения циклов акселераторов и стабилизаторов процессов в системе, а также для определения структурной устойчивости. На рис.2 приведен результат вычислительного эксперимента по определению циклов и выделен один из положительных циклов (цикл является циклом положительной обратной связи -акселератором - если в нем отсутствуют или имеется четное число отрицательных дуг).
Рис. 2. Циклы когнитивной карты О
Анализ циклов модели G показал, что в этой системе имеется 3 стабилизирующих отрицательных цикла обратной связи (нечетное число отрицательных дуг). Это свидетельствует о том, что анализируемая система структурно устойчива [2, 17]. На рис. 2 выделен для наглядности один из циклов положительной обратной связи.
iII Этап. Импульсное моделирование, возможные сценарии развития системы. Важным назначением когнитивной модели является разработка на ней различных возможных сценариев развития системы, которые в дальнейшем могут быть положены в основу проектирования стратегий развития социально-экономических систем (например, [10]). Для разработки сценариев управления ситуациями используются модели импульсных процессов [2, 20]. Перед проведением импульсного моделирования разрабатывается план эксперимента, в котором определяются вершина или их совокупность, куда будут вноситься возмущения. В табл. 2 представлены результаты вычислительного эксперимента, соответствующего одному из возможных сценариев. На рис. 3 изображены графики нескольких импульсных процессов, соответствующих табл. 2.
Сценарий №1. Пусть в системе межрегиональной интеграции растет товарооборот, в вершину V11 вносится единичное возмущение q11= +1.
Таблица 2
Расчет импульсного процесса по сценарию №1
Шаг Вершина 0.Ü 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0
VI. ВРП региона 0.0 0.0 0.0 1.0 1.0 2.0 4.0 10,0 13.0
V2. МЕЖРЕГИОНАЛЬНАЯ ЭКОНОМИЧЕСКАЯ ИНТЕГРАЦИЯ 0.0 0.0 1.0 1.0 2.0 4.0 3.0 ILO 22.0
V3. Социально-экономическое состояние региона 0.0 0.0 0.0 0.0 0.0 1.0 1.0 2.0 4.0
V4. Население региона 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0 5.0
V5. Миграция 0.0 0.0 0.0 0.0 0.0 1.0 1.0 3.0 5.0
V6 Структура производства 0.0 0.0 0.0 0.0 1.0 1.0 2.0 4.0 IOLO
V7. Субъекты экономических отношении на макроуровне (Регионы) 0.0 0.0 0.0 0.0 0.0 1.0 1.0 2.0 4.0
V8 Социально-экономическая дифференциации регионов 0.0 0.0 0.0 0.0 1.0 1.0 3.0 5.0 12.0
V9 Ресурсный потенциал региона 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0
VIO. Рыночная инфраструктура 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
VII. Товарооборот 0.0 1.0 1.0 2.0 3.0 5.0 3.0 15.0 24.0
VI2 Политика капиталовложений 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
V13, Уровень транспортного сообщения 0.0 0.0 0.0 0.0 1.0 1.0 2.0 4.0 10.0
V14. Уровень развития и состояния связи, интернет, информационное взаимодействие 0.0 0.0 0.0 0.0 1.0 1.0 2.0 4.0 10.0
V15, Межрегиональная конкуренция 0.0 0.0 0.0 -L0 -1.0 -2.0 -40 -ft.0 -11.0
V1&, Инновационно-инвестиционные процессы 0.0 0.0 0.0 1.0 1.0 2.0 4.0 8.0 11.0
V17. Единое ценовое поле 0.0 0.0 0.0 1.0 1.0 2.0 4.0 8.0 11.0
V18, Политическая ситуация 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
VI9. Риски 0.0 0.0 0.0 0.0 -LO -LO -40 6.0 -12.0
V20. Региональные органы власти 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
V21. Политика государства 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
V22. Система правовых норм 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
Рис. 3. Графики импульсных процессов в нескольких вершинах карты О
Как следует из расчетов, рост товарооборота между регионами может способствовать тенденциям их положительного развития.
Исследование проблем межрегиональной экономической интеграции между регионами Юга России потребовало глубокого анализа складывающихся ситуаций межрегионального обмена и разработки различных возможных сценариев развития. Приведенный пример иллюстрирует небольшую часть полученных результатов.
Заключение. В процессе когнитивного моделирования может разрабатываться последовательность когнитивных карт с разными структурными свойствами, проводиться моделирование многих сценариев, что дает основание для проектирования обоснованных стратегий развития сложных систем. Многолетние исследования в данном направлении подтверждают эффективность когнитивного подхода и намечают пути дальнейшего развития когнитивной методологии для изучения сложных систем.
Список литературы.
1. Горелова Г.В., Джаримов Н.Х. Региональная система образования, методология комплексных исследований.-Краснодар: ГУП «Печатн.двор Кубани», 2002.-358 с.
2. Горелова Г.В., Захарова Е.Н., Радченко С.А. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход. - Ростов н/Д: Изд-во РГУ, 2006.- 332 с.
3. Gorelova G.V. Cognitive modeling as the instrument in course of knowledge of large system // International Journal "Information Theories and Applications", Bulgaria, Vol. 18, N 2. 2011.- рр. 172-182.
4. Горелова Г.В., Хлебникова А.И. Когнитивное моделирование для интеллектуальной системы поддержки принятия решений управления транзитной торговлей /Научно-теоретический журнал НАН Украины «Искусственный интеллект». - Донецк: ИПШИ МЩН НАН У «Наука i освгга», 2010. - №3'2010. -С.473-482.
5. Горелова Г.В., Мельник Э.В. Когнитивные модули интеллектуальной поддержки решений в информационных управляющих системах / Системный анализ в экономике. Материалы научно-практической конференции. - М.: ЦЭМИ РАН, 2010. - 183 с. - С. 45-49.
6. Горелова Г.В., Кацко С.А. Формализация проблем управления системой образования в контексте формирования человеческого капитала: монография / Г.В. Горелова, С.А. Кацко; под ред. Г.В. Гореловой. - Краснодар, 2011. - 172 с.
7. Горелова Г.В., Розин М.Д., Рябцев В.Н., Сущий С.Я. Когнитивные исследования Юга России / Известия ЮФУ, Технические науки. Тематический выпуск. №3 (116). - Таганрог: Изд.ТТИ ЮФУ, 2011. - С. 78-83.
8. Горелова Г.В., Бондаренко В.Л., Дьяченко В.Б. Когнитивный подход к анализу проблем водного хозяйства Юга России, природно-технические системы / Тр.Междун. конф. «Проблемы управления безопасностью сложных систем». - М.: Изд. ИПУ РАН, 2011. - С. 224-228.
9. Горелова Г.В., Васьков И.М. О возможности применения когнитивного моделирования к исследованию опасных экзогенных процессов / В тр.ХХ Междунар. конф. «Проблемы управления безопасностью сложных систем» //Под ред. Н.И.Архиповой, В.В.Кульбы. - М.: Изд-во РГГУ, 2012. - 471 с. - С. 240-244.
10. Горелова Г.В., Масленникова А.В. Реализация стратегии регионального развития (на примере Прикамья). / В тр. 2-й Междун. научно-практ.конф. «Свободные экономические зоны и кластеры на международных транспортных коридорах - центры интенсивного регионального и отраслевого развития». - М.: Институт востоковедения РАН, 2012. - С. 94-97.
11. Горелова Г.В., Рябцев В.Н. Моделирование архитектуры и динамики геополитических регионов современного мира: когнитивный подход (зона Черноморье-Кавказ-Каспий). - Ростов-на-Дону: Изд. ЮФУ, 2014. - 374 с.
12. Горелова Г.В., Каурова О.В., Саак А.А., Вишнякова В.А. Когнитивный подход к исследованию занятости молодежи на рынке труда / Социальная политика и социология, 2017, т.16 №1(120). - М.: РГСУ, 2017. - С. 18-27.
13. Горелова Г.В., Кузьминов А.Н., Калиниченко А.И. Имитация конкуренции и конфронтации систем, когнитивное моделирование / Проблемы управления безопасностью сложных систем: материалы XXVI Междунар. конф. / Под общ. ред. А.О. Калашникова, В .В. Кульбы. - М.: ИПУ РАН, 2018. - С. 42-49.
14. Galina Victorovna Gorelova, Nikolay Nikolaevich Lyabach, Saida Kazbekovna Kuizheva. Application of Cognitive Modeling in the Study of the Interrelations between the Educational system and Society / Espacios. Vol. 38 №65 2017.
15. Горелова Г.В. Применение когнитивного подхода к анализу федеральных целевых программ / В сб. трудов XX международной научно-практической конференции «Системный анализ в проектировании и управлении» (SAEC-2017). -
СПб: изд. СПбГТУ, 2017. - С.67-72.
16. Gorelova G.V., Pankratova N.D. Scientific Foresight and Cognitive Modeling of Socio-Economic Systems /18 th IFAC Conference on Technology, Culture and International Stability, TECIS2018, IFAC Papers OnLine 51-30 (2018).-Р. 145-149.
17. Горелова Г.В., Бадван Н.Л. Межотраслевое движение финансового капитала // Вестник АГУ, вып.2. (220), 2018. - С. 132-143.
18. G.V. Gorelova, D.V. Borisova. Cognitive tools for the inter-regional economic integration study / Scientific journal «Sustainable development of mountain territories". Т 11, №1 (39), 2019, pp. 65-79.
19. Larisa A. Ginis, Galina V. Gorelova, Anna E. Kolodenkova //Cognitive and simulation modeling of development of regional economy system/ International Journal of Economics and Financial Issues.- 2016, Vol. 6, No 5S, pp. 97-103.
20. Инновационное развитие социо-экономических систем на основе методологий предвидения и когнитивного моделирования. Коллективная монография / Под ред. Г.В. Гореловой, Н.Д. Панкратовой. - Киев: Изд-во «Наукова Думка», 2015. - 464 с.
21. Программа для когнитивного моделирования и анализа социально-экономических систем регионального уровня. Свидетельство о государственной регистрации программ для ЭВМ № 2018661506 от 07.09.2018.
УДК 004.4
Станкевич Лев Александрович,
канд. техн. наук, доцент, вед. науч. сотр.
КОГНИТИВНЫЕ СИСТЕМЫ ДИАЛОГОВОГО ОБЩЕНИЯ
Санкт-Петербург, СПИИРАН, [email protected]
Аннотация. В данной работе обсуждается проблема диалогового общения технических устройств и человека. Предлагается когнитивная архитектура системы диалогового общения. Рассматриваются возможности управления диалогом с планированием и обучением системы новым понятиям и действиям. Описывается унифицированная нейронная сеть с глубоким обучением, на базе которой можно реализовать когнитивную диалоговую систему. Представлен вариант системы диалогового общения робота и человека с когнитивными способностями, связанными с накоплением знаний и ассоциативным управлением диалогом.
Ключевые слова: искусственные когнитивные системы, диалоговое общение, управление диалогом, обучение понятиям.
Stankevich Lev Alexandrovich,
PhD, docent, Leading scientist
COGNITIVE DIALOG COMMUNICATION SYSTEMS
Saint-Petersburg, SPIIRAS, [email protected]
Abstract. In the given work the problem of dialogue contact of technical devices and a person is discussed. The cognitive architecture of system of dialogue contact is offered.
