Этот раздел - о системе "ЭЙДОС".

Математическая модель системы "Эйдос" разработана в 1979 и впервые прошла экспериментальную апробацию в 1981 году. С 1981 по 1992 система "Эйдос" неоднократно реализовалась на платформе Wang. Для ИБМ-совместимых персональных компьютеров система "Эйдос" впервые реализована в 1992 году и с тех пор совершенствуется постоянно, вплоть до настоящего времени.

Очень краткое описание системы "ЭЙДОС"

Система "ЭЙДОС" разработана автором в 1992 году и постоянно совершенствуется (вплоть до настоящего времени). 

  Система является отечественным  лицензионным программным продуктом предназначена для:

1.  Разработки оптимальных адаптивных методик идентификации (тестирования) и прогнозирования состояний сложных систем, выработки рекомендаций по управлению ими, а также разработки супертестов в самых различных предметных областях;

2.  Эксплуатации этих оптимальных методик в промышленном режиме при массовой обработке информации;

3.  Углубленного анализа результатов тестирования, включающего ранговый (информационный) и кластерно - конструктивный анализ эталонных описаний классов распознавания и признаков, а также анализ достоверности заполнения исходных данных.

  Отличия системы “ЭЙДОС” от аналогов:

От экспертных систем система “ЭЙДОС” отличается тем, что для ее обучения от экспертов требуется лишь само их решение о принадлежности того или иного объекта или его состояния к определенному классу, а не формулирование правил (продукций) или весовых коэффициентов, позволяющих прийти к такому решению (система генерирует их сама, т.е. автоматически).

От систем статистической обработки информации система “ЭЙДОС” отличается прежде всего своими целями, которые состоят в следующем:

– формирование обобщенных образов исследуемых классов распознавания и признаков по данным обучающей выборки (т.е. обучение);

– исключение из системы признаков тех из них, которые оказались наименее ценными для решения задач системы; 

– вывод информации по обобщенным образам классов распознавания и признаков в удобной для восприятия и анализа текстовой и графической форме (информационные или ранговые портреты);

– сравнение распознаваемых формальных описаний объектов с обобщенными образами классов распознавания (распознавание);

– сравнение обобщенных образов классов распознавания и признаков друг с другом (кластерно-конструктивный анализ);

– расчет частотных распределений классов распознавания и признаков, а также двумерных матриц сопряженности на основе критерия X² и коэффициентов Пирсона, Чупрова и Крамера;

– результаты кластерно-конструктивного и информационного анализа выводятся в форме семантических сетей и когнитивных диаграмм.

Таким образом, система "ЭЙДОС" выполняет за исследователя-аналитика ту работу, которую при использовании систем статистической обработки ему приходится выполнять вручную, что чаще всего просто невозможно при реальных размерностях данных. Поэтому система "ЭЙДОС" называется аналитической.

  Система "ЭЙДОС" называется когнитивной (от англ. "познание"), т.к. она поддерживает следующие базовые когнитивные операции:

1. Восприятие: интенсиональное (дискретное) представление чувственного образа конкретного объекта в форме совокупности признаков;

2. Присвоение формальных (знаковых) имен: экстенсиональное (континуальное) представление чувственного образа конкретного объекта в форме принадлежности к некоторым градациям определенных смысловых шкал;

3. Обобщение (синтез, индукция): формирование обобщенных образов различных категорий объектов на основе одновременного использования экстенсиональных и интенсиональных описаний конкретных объектов, которые используются в качестве примеров;

4. Анализ обобщенных образов (дедукция): выявление общего и особенного для каждого обобщенного образа;

5. Анализ признаков: выявление общего и особенного в смысловом содержании каждого признака;

6. Абстрагирование: определение для каждого признака его вклада в различие друг от друга обобщенных образов; контролируемое и корректное удаление незначимых признаков с сохранением всей существенной информации;

7. Классификация обобщенных образов: определение сходств и различий обобщенных образов друг с другом; объединение сходных образов в кластеры; формирование биполярных систем наиболее непохожих кластеров, т.е. конструктов образов;

8. Классификация признаков: определение сходств и различий признаков по их смыслу; объединение сходных по смыслу признаков в кластеры; формирование биполярных систем наиболее непохожих кластеров, т.е. конструктов признаков;

9. Содержательное сравнение обобщенных образов: определение признаков, по которым заданные два образа несопоставимы, которыми они сходны и которыми они отличаются друг от друга;

10. Содержательное сравнение признаков: определение элементов смысла, по которым заданные два признака несопоставимы, которыми они сходны и которыми они отличаются друг от друга;

11. Распознавание (идентификация) конкретных объектов: сравнение чувственного образа конкретного объекта со всеми обобщенными образами.

Система генерирует 50 видов различных двухмерных и трехмерных графических форм и более 50 видов различных текстовых форм. Имеется подробное руководство по системе типографского качества, объемом 250 листов.

  Основные характеристики Системы “ЭЙДОС”:

1. Обеспечивается достоверность распознавания обучающей выборки: на уровне 90% (интегральная валидность), которая повышается после оптимизации системы признаков, т.е. после исключения признаков с низкой селективной силой;

2. Система обеспечивает одновременно обработку до 4000 классов распознавания и 4000 признаков, причем признаки могут быть не только качественные (да/нет), но и количественные, т.е. числовые;

3. Реализована возможность разработки супертестов, в том числе интеграции стандартных тестов в свою среду, (при этом не играет роли известны ли методики интерпретации, т.е. “ключи” этих тестов);

4. В системе имеется научная графика, обеспечивающая высокую степень наглядности, а также естественный словесный интерфейс при обучении Системы и запросах на распознавание.

  Области возможного применения Системы “ЭЙДОС”:

– синтез адаптивных систем автоматизированного управления сложными системами в различных предметных областях;

– определение профессиональной пригодности (оптимальной профессиональной принадлежности), перспектив обучения и профессиональной деятельности, в том числе в специальных областях, требующих от человека специфических способностей и адекватного поведения в экстремальных ситуациях и в измененных формах сознания;

– исследования по политологии, социологии и прикладной психологии, в том числе на основе обработки больших объемов информации, полученной в результате мониторинга в краткие сроки по распределенной многомашинной технологии;

– медицинская диагностика, мониторинг динамики состояний больных, изучение взаимосвязей между лечебными воздействиями и эффектом, определение гомеопатических типов, и т.д.;

– анализ и прогнозирование биржевых ситуаций, прогнозирование курсов валют и ценных бумаг, изучение тенденций фондового рынка;

– другие применения в любых областях, в которых возникают задачи идентификации и прогнозирования ситуаций или состояний сложных объектов по внешним признакам;

– изучение влияния факторов различной природы на количество и качество результатов деятельности; использование выявленных зависимостей для разработки обоснованных рекомендаций.

Свидетельства РОСПАТЕНТА РФ по системе "ЭЙДОС" и системам окружения

 В 1994 году на систему  "ЭЙДОС" и связанные с ней разработки получены 3 свидетельства РосАПО: №№ 940217, 940328, 940334 (последнее совместно с Борисом Шульманом (США), которые стали первыми в Краснодарском крае по времени получения, и до сих пор единственными в крае на системы искусственного интеллекта.

В 2000 году получен патент на новую версию этой системы № 2000610164 совместно с ректором Технического университета КубГТУ, заведующим кафедрой компьютерных технологий и информационной безопасности, профессором Владимиром Сергеевичем Симанковым: 

Книги по системе "ЭЙДОС" и СИИ

Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1).-Краснодар: КЮИ МВД РФ, 1995.- 76с.

В брошюре впервые дано описание системы "ЭЙДОС" и технологии ее применения для синтеза и эксплуатации приложений. Данная работа написана на основе инструкции пользователя по системе "Эйдос" и полностью вошла в качестве главы-3 в последующую более фундаментальную работу.

Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"). - Краснодар: КЮИ МВД РФ, 1996. - 280с.

В данной работе развивается перспективная концепция когнитивных аналитических систем, обеспечивающих автоматизацию основных функций, выполняемых человеком в процессе содержательного познания и анализа Реальности. На примере разработанной автором универсальной автоматизированной системы распознавания образов “ЭЙДОС” (версии -6.2), рассматриваются вопросы применения подобных систем для проведения адаптивного семантического анализа при принятии решений в различных предметных областях: правоохранительная деятельность, социологические и политологические исследования и многие другие. Описывается опыт и намечаются перспективы, освещаются вопросы организационного и юридического обеспечения применения системы “ЭЙДОС” и других систем этого класса. Кратко описываются предложенные Л.А.Бакурадзе и автором в 1979-1981 годах перспективные человеко-машинные системы дистанционного телекинетического управления, в состав которых входят системы, во многом аналогичные системе “ЭЙДОС”. Излагаются теоретические основы разработанной автором информационной теории стоимости, на основе которой анализируются подходы к определению стоимости содержательной аналитической информации, генерируемой приложениями системы “ЭЙДОС”. В этой работе дано наиболее полное на момент написания работы описание самой системы "ЭЙДОС" и технологии ее применения

Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. Монография (научное издание). – Краснодар: ТУ КубГТУ, 1999. - 318с.

Рассмотрены вопросы теории и практики синтеза перспективного класса автоматизированных систем управления: адаптивных АСУ сложными системами.

Предложен оригинальный подход к синтезу АСУ, основанный на методах распознавания образов и принятия решений. На базе теории информации разработаны интегральный метод распознавания образов и принятия решений, ориентированный на применение в АСУ, а также методология, методика и инфраструктура синтеза адаптивных АСУ сложными системами, освещены опыт и перспективы применения предложенной технологии. Данные математические модели и технологии подкреплены конкретными численными примерами расчета систем автоматического управления сложной технической системой. Описана инструментальная программная оболочка (когнитивная аналитическая система "Эйдос"), реализующая предложенные модели и технологии.

Работа рассчитана на специалистов, занимающихся разработкой интеллектуальных методов управления сложными системами. Она может быть полезной для инженеров и специалистов по АСУ, интересующихся новыми направлениями применения технологий автоматизированного управления, а также для студентов и аспирантов соответствующих специальностей.

Эта работа включена в фонды библиотеки конгресса США: http://catalog.loc.gov/cgi-bin/Pwebrecon.cgi?Search_Arg=simankov&Search_Code=NAME_&PID=11896&CNT=25&BROWSE=1&HC=1&SID=1

Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание). /Под науч. ред. В.С.Симанкова. – Краснодар: ИСТЭК КубГТУ, 2001. – 258с.

Рассмотрены основы системного анализа, прежде всего в аспекте его применения для создания адаптивных систем управления сложными системами. В качестве конкретной сложной системы выбран вуз, основной целью управления которым является обеспечение международного качества подготовки специалистов.

Одной из основных проблем системного анализа является разработка адекватной адаптивной математической модели сложной системы, с одной стороны, учитывающей все существенные факторы, влияющие на поведение системы, а с другой, – имеющей минимальную избыточность. На базе теории информации разработаны математическая модель и метод принятия решений, ориентированный на применение в АСУ, а также методология, методика и инфраструктура синтеза адаптивных АСУ сложными системами, освещены опыт и перспективы применения данной технологии. Приведены примеры из области управления качеством подготовки специалистов, конфликтологии и др.

Предложенные математические модели и технологии воплощены в конкретной программной системе, обеспечивающей синтез модели, ее оптимизацию и применение для поставленных целей ("Адаптивная система анализа и прогнозирования состояний сложных систем ДЕЛЬТА", патент РФ №2000610164 от 03.04.2000).

Работа рассчитана на специалистов, занимающихся разработкой интеллектуальных методов управления сложными системами. Она может быть полезной для студентов и аспирантов в качестве дополнительного учебного пособия по курсам: "Системный анализ", "Математическое моделирование", "Теория принятия решений", "Теория информации".

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.

Это главная (на данный момент) работа, в которой излагаются теоретические основы и технология применения нового междисциплинарного научного направления, получившего название "Автоматизированный системно-когнитивный анализ" (АСК-анализ), в котором с единых позиций теории информации изучаются процессы познания и труда (в форме управления предметом труда).

Рассматриваются вопросы применения АСК-анализа для рефлексивного управления активными системами, к которым относятся социально-экономические системы, люди с их "психической реальностью", биологические и экологические системы, а также новый класс технических систем: технические системы с параметрами, качественно-изменяющимися в процессе штатной эксплуатации.

При этом сам процесс познания в форме АСК-анализа включается непосредственно в цикл управления в качестве периодически выполняемого этапа.

Предлагаются математическая модель АСК-анализа, основанная на системном обобщении семантической теории информации А.Харкевича, а также соответствующий численный метод и реализующий его специальный программный инструментарий – Универсальная когнитивная аналитическая система "Эйдос" (с системами окружения "Эйдос-фонд" и "Эйдос-Y").

Приведено 4 численных примера применения АСК-анализа в различных предметных областях, подробно рассмотрены опыт и перспективы его применения.

Для студентов, аспирантов и ученых, работающих в области системного анализа, когнитивного анализа, рефлексивного управления активными системами, когнитивного моделирования, для всех интересующихся СИИ, интеллектуальной обработкой данных и интеллектуальным управлением.

Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности 351400 "Прикладная информатика (по отраслям)". – Краснодар:  КубГАУ. 2004. – 633 с.

Учебное пособие состоит из трех частей: курса лекций; практикума и программы самостоятельной работы студентов.

Курс лекций включает 16 лекций, сгруппированных в 4 раздела: введение в интеллектуальные  информационные системы; теоретические основы и эксплуатация универсальной когнитивной аналитической системы "Эйдос"; принципы построения интеллектуальных информационных систем; применение и перспективы систем искусственного интеллекта.

Практикум базируется на универсальной когнитивной аналитической системе "Эйдос", разработанной автором пособия, и включает 10 лабораторных работ.

Программа самостоятельной работы студентов по дисциплине включает теоретические вопросы и практические задания, выносящиеся на экзамен по дисциплине и государственный экзамен, а также список основной и дополнительной литературы, включая Internet-сайты по проблематике искусственного интеллекта.

Для студентов очной и заочной форм обучения, аспирантов, преподавателей и научных работников, интересующихся проблематикой систем искусственного интеллекта.

  Рабочая программа по дисциплине: "Интеллектуальные информационные системы"
               для студентов специальности 351400 "Прикладная информатика (по отраслям)" (Word)

  Презентация к дисциплине: "Интеллектуальные информационные системы" (для мультимедийной аудитории)

Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография. – Краснодар: КубГАУ. 2005. – 480 с.

 

        Монография посвящена решению задач управления агропромышленным комплексом на различных уровнях его организации: инвестиционное управление качеством жизни населения региона; управление устойчивостью перерабатывающего комплекса региона; управление продуктивностью сельхозкультур и качеством продукции.

Эти задачи решаются в монографии на единой стандартизированной методологической и инструментально-технологической основе системно-когнитивного анализа, обеспечивающего как синтез и верификацию семантических информационных моделей, так и их использование для прогнозирования и управления в агропромышленном комплексе.

Рекомендуется для аспирантов, преподавателей и научных работников, занимающихся и интересующихся проблемами управления сложными системами с применением технологий искусственного интеллекта.
 

Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.– Краснодар:  КубГАУ, 2006. – 615 с.

Читать с экрана

Получить копию

    Данное пособие представляет собой 1-й том двухтомного комплекта учебной литературы и включает в себя "Курс лекций", состоящий из 16 лекций, сгруппированных в 4 раздела:
- введение в интеллектуальные  информационные системы;
- теоретические основы и эксплуатация универсальной когнитивной аналитической системы "Эйдос";
- принципы построения интеллектуальных информационных систем;
- применение и перспективы систем искусственного интеллекта.
    Для студентов очной и заочной форм обучения, аспирантов, преподавателей и научных работников, интересующихся проблематикой систем искусственного интеллекта.

Луценко Е.В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп. – Краснодар:  КубГАУ, 2006. – 318с.

Читать с экрана

Получить копию

    Данное пособие представляет собой 2-й том двухтомного комплекта учебной литературы и включает в себя "Лабораторный практикум" и "Программу самостоятельной работы студентов".
    Лабораторный практикум базируется на универсальной когнитивной аналитической системе "Эйдос", разработанной автором данного учебного пособия, и включает 10 лабораторных работ.
    Программа самостоятельной работы студентов по дисциплине включает теоретические вопросы и практические задания, выносящиеся на экзамен по дисциплине и государственный экзамен, а также список основной и дополнительной литературы, включая Internet-сайты по проблематике искусственного интеллекта.

  Разработанные автором сайта метод системно-когнитивного анализа и интеллектуальная технология "Эйдос" были применены при проведении ряда кандидатских и докторских диссертационных работ  по психологическим, техническим и экономическим наукам:
 

Разработанный автором сайта Системно-когнитивный анализ (СК-анализ) нашел отражение в Internet: http://www.yandex.ru/yandsearch?rpt=rad&text=системно-когнитивный анализ как и программный инструментарий АСК-анализа: Универсальная когнитивная аналитическая система "Эйдос": http://www.yandex.ru/yandsearch?text=универсальная%20когнитивная%20аналитическая%20система%20"Эйдос"

  Эксперимент с разработкой теста на ЭСВ с участниками форума

  Список публикаций (почти по состоянию на текущий момент)

  Старый список публикаций (из которого есть ссылки на некоторые старые работы, размещенные на сайте)

  Коммерческое предложение

Кандидатская диссертация (1999): - автореферат - диссертация - плакаты и доклад	748 Kb, DOC  568 Kb, DOC   385 Kb, DOC
Докторская диссертация (2003): - автореферат - диссертация - плакаты и доклад	1,8 Мб, DOC  28  Мб, DOC   7,5 Мб, DOC
Документы на присвоение звания профессора (2005):	1,1 Мб, DOC