А) исходный

б) модель с 10 градациями

в) модель со 100 градациями

Рисунок 25 Визуализация исходной распознаваемой выборки с рисунка 5*, а также результаты распознавания в моделях с 10 и 100 градациями (интервальными значениями) числовых описательных шкал

Возможные области применения предлагаемой технологии

В общем плане необходимо отметить, что как сам метод АСК-анализа, так и реализующая его система «Эйдос», все ее подсистемы и режимы, реализованы в постановке не зависящей от конкретной предметной области, что позволяет надеяться на широкую применимость предлагаемых методов, технологий и методик.

Везде, где есть базы данных, привязанные к географически координатам, т.е. картографические, геоинформационные, экологические, социологические, политологические, медицинские, геологические, кадастровые, метеорологические, сельскохозяйственные и многие-многие другие, везде есть точки двух видов:

- связанные только с информацией о факторах, обусловливающих вид пространственных распределений интересующих нас функций;

- снабженные как информацией об интересующих нас параметрах пространственных распределений (функций), так и информацией о факторах, различные значения которых, по видимому обусловливают (детерминируют) фактический вид этих распределений.

А раз так, то возникает задача на основе информации о факторах для точек 1-го типа восстановить для них наиболее вероятные значения различных функций, используя при этом априорную информацию о взаимосвязи значений факторов и функций, полученную на основе точек 2-го типа (опорных точек). Необходимо обратить внимание на то, что сам вид этой взаимосвязи еще необходимо выявить и отразить в формальной модели. И рассмотренные технологии и программный инструментарий позволяют в ряде случаев решить подобные задачи.

Например, картографическая визуализация с применением предложенных технологий возможна и может быть эффективной в следующих предметных областях:

- в сельском хозяйстве по информации по климатическим факторам в различные периоды развития растений (фенофазы) тех или иных сортов и культур и полученных при этих условиях урожаях, можно прогнозировать риски возделывания этих сортов и культур различных зонах и микрозонах выращивания, в которых они еще не выращивались;

- в кадастровом плане по информации о свойствах земельных участков и ценах на них можно оценить еще не оцененные земельные участки по их свойствам;

- в риэлтерской деятельности по информации о свойствах жилой и нежилой недвижимости и ценах на нее в городах и сельской местности можно оценить еще не оцененные объекты по их свойствам (включая экологические и свойства инфраструктуры), используя предлагаемую технологию для формализации известных методов оценки: затратного, рыночного и доходного, также для их объединения в едином комплексном методе;

- в геологии по информации о результатах разведки полезных ископаемых и сопутствующей информации, полученной другими методами, и реальном наличии этих ископаемых в уже известных месторождениях можно определить вероятность наличия месторождений различных полезных ископаемых в регионах, где он еще не разведаны;

- в социологии по информации об условиях и качестве жизни и социальном статусе различных возрастных, профессиональных и иных групп населения можно прогнозировать социальный статус по условиям жизни;

- в политологии по информации об условиях и качестве жизни и политических предпочтениях различных возрастных, профессиональных и иных групп населения можно прогнозировать политические предпочтения по условиям жизни;

- в экологии по характеристикам производственной и сельскохозяйственной инфраструктуры и известной экологической ситуации можно прогнозировать экологическую обстановку для районов, в которых не осуществляется экологический мониторинг окружающей среды, но есть информация об инфраструктуре;

- в медицине по характеристикам производственной и сельскохозяйственной инфраструктуры и известной распространенности различных видов заболеваний можно прогнозировать вероятность этих заболеваний для районов, для которых подобные данные отсутствуют, но есть информация об инфраструктуре;

- в транспорте (безопасности дорожного движения) по известным данным о характеристиках дорог, перекрестков, транспортных развязок, истории, а также о, количестве, типах и тяжести дорожно-транспортных происшествий (ДТП) в различных местах можно прогнозировать опасность участков дорог по их характеристикам и своевременно принимать меры по переоборудованию их в более безопасные (зная факторы риска);

- в экономике на основе информации о взаимосвязи событий на фондовом рынке с динамикой локальных неоднородностей пространства-времени в Солнечной системе оказывается возможным прогнозировать события и на фондовом рынке и их динамику.

Понятно, что приведенными примерами возможные области применения предлагаемых технологий далеко не исчерпываются. Во многих из перечисленных областей предлагаемая автором технология АСК-анализа успешно апробирована [1-42].

Результаты восстановления значений функций выдаются в текстовом виде, а также в наглядной графической форме картографической визуализации (как слои карты).

Необходимо отметить, что картографическая визуализация в варианте, реализованном в текущей версии подсистемы 4.8, может быть применена для сравнительно небольших участков земной поверхности, для которых замена географических координат декартовыми координатами не приводит к неприемлемым с точки зрения пользователя ошибкам.

Выводы

В статье предлагается применить автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий систему «Эйдос» для решения задач многопараметрической типизации, системной идентификации и картографической визуализации пространственно-распределенных природных, экологических и социально-экономических систем. Пусть есть исходное облако точек с координатами (X,Y,Z), для каждой из которых известны значения градаций описательных шкал номинального, порядкового или числового типа S(s1,s2,…,sn). Тогда система «Эйдос» обеспечивает: 1) построение модели, содержащей обобщенные знания о силе и направлении влиянии градаций описательных шкал на значения Z=M(S); 2) оценку значения Z для точек (X,Y), описанных в тех же описательных шкалах S(s1,s2,…,sn), но не входящих в исходное облако точек; 3) картографическую визуализацию пространственного распределения значений функции Z=M(S) для точек, не входящих в исходное облако, с использованием триангуляции Делоне. По сути это означает, что система «Эйдос» обеспечивает восстановление неизвестных значений функции по признакам аргумента и реализует это в универсальной постановке, не зависящей от предметной области. Предлагается новое научное понятие: «Геокогнитивная система», под которым понимается программная система, обеспечивающая преобразование исходных данных в информацию, а ее в знания и картографическую визуализацию этих знаний, в результате чего карта становится когнитивной графикой. Эта возможность может быть использовано для количественной оценки степени пригодности микрозон для выращивания тех или иных культур, оценки экологической обстановки на тех или иных территориях по структуре и интенсивности антропогенной нагрузки, визуализации результатов прогнозирования землетрясений и рисков других нежелательных или чрезвычайных ситуаций, а также для решения многих других подобных по математической сути задач в самых различных предметных областях. Это обеспечивается тем, что математический метод АСК-анализа основан на системной теории информации (СТИ) и реализующий его программный инструментарий - универсальной когнитивной аналитической системе «Эйдос» позволяет корректно сопоставимо обрабатывать десятки и сотни тысяч градаций факторов и будущих состояний нелинейного объекта управления (классов) при неполных (фрагментированных), зашумленных данных числовой и нечисловой природы измеряемых в различных единицах измерения. Приводится численный пример.

Материалы данной статьи могут быть использованы при преподавании дисциплин: 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 время, 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 (причем с подробно комментированными открытыми исходными текстами) на сайте автора по адресу: http://lc.kubagro.ru/aidos/_Aidos-X.htm.

Перспективы

В перспективе планируется ускорить примененные алгоритмы и их программную реализацию, внести в них другие усовершенствования, преодолеть некоторые погрешности и недостатки, очевидные авторам..

Авторы благодарны Роджеру Доннэю (Roger Donnay), профессиональному разработчику программного обеспечения (Boise, Idaho USA), а также Джимми, активному участнику форума Роджера http://bb.donnay-software.com/donnay/index.php, за помощь в технических вопросах реализации триангуляции Делоне на языке программирования xBase++ (Alaska), на котором написана система «Эйдос».

Литература

1. Луценко Е.В. Синтез адаптивных интеллектуальных измерительных систем с применением АСК-анализа и системы «Эйдос» и системная идентификация в эконометрике, биометрии, экологии, педагогике, психологии и медицине / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2016. №02(116). С. 1 - 60. IDA [article ID]: 1161602001. Режим доступа: http://ej.kubagro.ru/2016/02/pdf/01.pdf, 3,75 у.п.л.

2. Лопатина Л.М. Создание автоматизированной системы мониторинга, анализа, прогноза и управления продуктивностью сельскохозяйственных культур / Л.М. Лопатина, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2003. №02(002). С. 52 - 61. IDA [article ID]: 0020302007. Режим доступа: http://ej.kubagro.ru/2003/02/pdf/07.pdf, 0,625 у.п.л.

3. Лопатина Л.М. Концептуальная постановка задачи: "Прогнозирование количественных и качественных результатов выращивания заданной культуры в заданной точке" / Л.М. Лопатина, И.А. Драгавцева, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2004. №05(007). С. 86 - 100. IDA [article ID]: 0070405008. Режим доступа: http://ej.kubagro.ru/2004/05/pdf/08.pdf, 0,938 у.п.л.

4. Трунев А.П. Прогнозирование землетрясений по астрономическим данным с использованием системы искусственного интеллекта / А.П. Трунев, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2009. №08(052). С. 172 - 194. Шифр Информрегистра: 0420900012\0086, IDA [article ID]: 0520908013. Режим доступа: http://ej.kubagro.ru/2009/08/pdf/13.pdf, 1,438 у.п.л.

5. Трунев А.П. Прогнозирование сейсмической активности и климата на основе семантических информационных моделей / А.П. Трунев, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2009. №09(053). С. 98 - 122. Шифр Информрегистра: 0420900012\0098, IDA [article ID]: 0530909009. Режим доступа: http://ej.kubagro.ru/2009/09/pdf/09.pdf, 1,562 у.п.л.

6. Трунев А.П. Системно-когнитивный анализ и прогнозирование сейсмической активности литосферы Земли, как глобальной активной геосистемы / А.П. Трунев, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2010. №01(055). С. 299 - 321. Шифр Информрегистра: 0421000012\0001, IDA [article ID]: 0551001022. Режим доступа: http://ej.kubagro.ru/2010/01/pdf/22.pdf, 1,438 у.п.л.

7. Трунев А.П. Семантические информационные модели глобальной сейсмической активности при смещении географического и магнитного полюса / А.П. Трунев, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2010. №02(056). С. 195 - 223. Шифр Информрегистра: 0421000012\0023, IDA [article ID]: 0561002015. Режим доступа: http://ej.kubagro.ru/2010/02/pdf/15.pdf, 1,812 у.п.л.

8. Трунев А.П. Автоматизированный системно-когнитивный анализ влияния тел Солнечной системы на движение полюса Земли и визуализация причинно-следственных зависимостей в виде когнитивных функций / А.П. Трунев, Е.В. Луценко, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2011. №01(065). С. 232 - 258. Шифр Информрегистра: 0421100012\0002, IDA [article ID]: 0651101020. Режим доступа: http://ej.kubagro.ru/2011/01/pdf/20.pdf, 1,688 у.п.л.

9. Луценко Е.В. Метод визуализации когнитивных функций - новый инструмент исследования эмпирических данных большой размерности / Е.В. Луценко, А.П. Трунев, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2011. №03(067). С. 240 - 282. Шифр Информрегистра: 0421100012\0077, IDA [article ID]: 0671103018. Режим доступа: http://ej.kubagro.ru/2011/03/pdf/18.pdf, 2,688 у.п.л.

10. Прогнозирование землетрясений на основе астрономических данных с применением АСК-анализа на примере большого калифорнийского разлома Сан-Андреас / Н.А. Чередниченко, Е.В. Луценко, Д.К. Бандык, А.П. Трунев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2013. №07(091). С. 1322 - 1377. IDA [article ID]: 0911307093. Режим доступа: http://ej.kubagro.ru/2013/07/pdf/93.pdf, 3,5 у.п.л.

11. Луценко Е.В. Автоматизированный системно-когнитивный анализ изображений по их внешним контурам (обобщение, абстрагирование, классификация и идентификация) / Е.В. Луценко, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2015. №06(110). С. 138 - 167. IDA [article ID]: 1101506009. Режим доступа: http://ej.kubagro.ru/2015/06/pdf/09.pdf, 1,875 у.п.л.

12. Луценко Е.В. Решение задач ампелографии с применением АСК-анализа изображений листьев по их внешним контурам (обобщение, абстрагирование, классификация и идентификация) / Е.В. Луценко, Д.К. Бандык, Л.П. Трошин // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2015. №08(112). С. 862 - 910. IDA [article ID]: 1121508064. Режим доступа: http://ej.kubagro.ru/2015/08/pdf/64.pdf, 3,062 у.п.л.

13. Луценко Е.В. Идентификация типов и моделей самолетов путем АСК-анализа их силуэтов (контуров) (обобщение, абстрагирование, классификация и идентификация) / Е.В. Луценко, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2015. №10(114). С. 1316 - 1367. IDA [article ID]: 1141510099. Режим доступа: http://ej.kubagro.ru/2015/10/pdf/99.pdf, 3,25 у.п.л.

14. Луценко Е.В. Количественное измерение сходства-различия клонов винограда по контурам листьев с применением АСК-анализа и системы «Эйдос» / Е.В. Луценко, Л.П. Трошин, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2016. №02(116). С. 1205 - 1228. IDA [article ID]: 1161602077. Режим доступа: http://ej.kubagro.ru/2016/02/pdf/77.pdf, 1,5 у.п.л.

15. Прогнозирование землетрясений на основе астрономических данных с применением АСК-анализа на примере большого калифорнийского разлома Сан-Андреас / Н.А. Чередниченко, Е.В. Луценко, Д.К. Бандык, А.П. Трунев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2013. №07(091). С. 1322 - 1377. IDA [article ID]: 0911307093. Режим доступа: http://ej.kubagro.ru/2013/07/pdf/93.pdf, 3,5 у.п.л.

16. Чередниченко Н.А. Моделирование смещения полюса Земли и алгоритм прогнозирования его динамики с применением АСК-анализа / Н.А. Чередниченко, Е.В. Луценко, А.П. Трунев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2014. №05(099). С. 149 - 188. IDA [article ID]: 0991405010. Режим доступа: http://ej.kubagro.ru/2014/05/pdf/10.pdf, 2,5 у.п.л.

17. Чередниченко Н.А. Прогнозирование глобальных климатических аномалий Эль-Ниньо и Ла-Нинья с применением системы искусственного интеллекта Aidos-X / Н.А. Чередниченко, А.П. Трунев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2015. №01(105). С. 128 - 160. IDA [article ID]: 1051501007. Режим доступа: http://ej.kubagro.ru/2015/01/pdf/07.pdf, 2,062 у.п.л.

18. Чередниченко Н.А. Моделирование и прогноз динамики глобальных климатических аномалий типа Эль-Ниньо и Ла-Нинья / Н.А. Чередниченко, А.П. Трунев, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2015. №06(110). С. 1545 - 1577. IDA [article ID]: 1101506102. Режим доступа:http://ej.kubagro.ru/2015/06/pdf/102.pdf, 2,062 у.п.л.

19. Луценко Е.В. Системно-когнитивный анализ функций и восстановление их значений по признакам аргумента на основе априорной информации (интеллектуальные технологии интерполяции, экстраполяции, прогнозирования и принятия решений по картографическим базам данных) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2009. №07(051). С. 130 - 154. Шифр Информрегистра: 0420900012\0066, IDA [article ID]: 0510907006. Режим доступа: http://ej.kubagro.ru/2009/07/pdf/06.pdf, 1,562 у.п.л.

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

21. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1).-Краснодар: КЮИ МВД РФ, 1995.- 76с. http://elibrary.ru/item.asp?id=18630282.

22. 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. http://elibrary.ru/item.asp?id=21745340.

23. Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. Монография (научное издание). Краснодар: ТУ КубГТУ, 1999. 318с. http://elibrary.ru/item.asp?id=18828433.

24. 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. http://elibrary.ru/item.asp?id=21747625.

25. 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. http://elibrary.ru/item.asp?id=18632909.

26. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности 351400 "Прикладная информатика (по отраслям)". Краснодар: КубГАУ. 2004. 633 с. http://elibrary.ru/item.asp?id=18632737.

27. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). Краснодар: КубГАУ. 2005. 480 с. http://elibrary.ru/item.asp?id=21720635.

28. 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. http://elibrary.ru/item.asp?id=18632602.

29. 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. http://elibrary.ru/item.asp?id=21683721.

30. 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. http://elibrary.ru/item.asp?id=21683724.

31. Луценко Е. В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: Монография (научное издание). Краснодар: КубГАУ, 2008. 257 с. http://elibrary.ru/item.asp?id=21683725.

32. Трунев А.П., Луценко Е.В. Астросоциотипология: Монография (научное издание). Краснодар: КубГАУ, 2008. 264 с. http://lc.kubagro.ru/aidos/aidos08_TL/Monography-TL.rar.

33. Луценко Е.В., Коржаков В.Е., Лаптев В.Н. Теоретические основы и технология применения системно-когнитивного анализа в автоматизированных системах обработки информации и управления (АСОИУ) (на примере АСУ вузом): Под науч. ред.д.э.н., проф. Е.В.Луценко. Монография (научное издание). Майкоп: АГУ. 2009. 536 с. http://elibrary.ru/item.asp?id=18633313.

34. 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. http://elibrary.ru/item.asp?id=21683734.

35. Наприев И.Л., Луценко Е.В. Образ-Я и стилевые особенности личности в экстремальных условиях: Монография (научное издание). Saarbrucken, Germany: LAP Lambert Academic Publishing GmbH & Co. KG,. 2012. 262 с. Номер проекта: 39475, ISBN: 978-3-8473-3424-8.

36. Трунев А.П., Луценко Е.В. Автоматизированный системно-когнитивный анализ влияния факторов космической среды на ноосферу, магнитосферу и литосферу Земли: Под науч. ред. д.т.н., проф. В.И.Лойко. Монография (научное издание). Краснодар, КубГАУ. 2012. 480 с. ISBN 978-5-94672-519-4. http://elibrary.ru/item.asp?id=21683737.

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

38. Горпинченко К.Н., Луценко Е.В. Прогнозирование и принятие решений по выбору агротехнологий в зерновом производстве с применением методов искусственного интеллекта (на примере СК-анализа). Монография (научное издание). Краснодар,КубГАУ. 2013. 168 с. ISBN 978-5-94672-644-3. http://elibrary.ru/item.asp?id=20213254.

39. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). Краснодар, КубГАУ. 2014. 600 с. ISBN 978-5-94672-757-0. http://elibrary.ru/item.asp?id=21358220.

40. Луценко Е.В. Универсальная когнитивная аналитическая система «Эйдос". Монография (научное издание). Краснодар, КубГАУ. 2014. 600 с. ISBN 978-5-94672-830-0. http://elibrary.ru/item.asp?id=18271217.

41. 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. http://elibrary.ru/item.asp?id=23209923.

42. Луценко Е.В. Методологические аспекты выявления, представления и использования знаний в АСК-анализе и интеллектуальной системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. Краснодар: КубГАУ, 2011. №06(070). С. 233 - 280. Шифр Информрегистра: 0421100012\0197, IDA [article ID]: 0701106018. Режим доступа: http://ej.kubagro.ru/2011/06/pdf/18.pdf, 3 у.п.л.

Размещено на Allbest.ru