Открытая масштабируемая интерактивная интеллектуальная on-line среда для обучения и научных исследований на базе АСК-анализа и системы "Эйдос"

Ниже приведены структура и функции универсальной когнитивной аналитической системы "Эйдос-Х++" версии от 09. 06. 2017 (показана глубина диалога главного меню, т. е. без меню, кнопок и переключателей экранных форм).

'1. Администрирование' 'Подсистема администрирования'

'1.1. Авторизация ' F1_1() 'Авторизация сисадмина, администратора приложения или пользователя'

'1.2. Регистрация администратора приложения ' F1_2() 'Регистрация и удаление регистрации администраторов приложений и задание паролей пользователей. Этот режим доступен только системному администратору и администраторам приложений.'

'1.3. Диспетчер приложений ' F1_3() 'Это подсистема администрирования приложений. Она предназначена для создания новых приложений, как пустых, так и на основе учебных примеров (лабораторных работ), имеющихся в системе, а также для выбора приложения для работы из уже имеющихся и удаления приложения. Выбор приложения для работы осуществляется путем отметки его любым символом. Удалять любые приложения разрешается только сисадмину, а Администратору приложений - только те, которые он сам создал.'

'1.4. Выбор режима использования системы ' F1_4() 'Монопольный или многопользовательский (задается при инсталляции системы, но может быть изменен когда угодно сисадмином)'

'1.5. Задание путей на папки с группами приложений' F1_5() 'Папки с различными группами приложениями могут быть на локальном компьютере, в локальной сети или в Internet. Пути на них задаются сисадмином при инсталляции системы и могут быть изменены им когда угодно. Один из этих путей, а именно первый из отмеченный специальных символов, считается текущим и используется при СОЗДАНИИ приложений в диспетчере приложений 1.3, а в последующем при запуске приложений на исполнение пути берутся уже из БД диспетчера приложений'

'1.6. Задание цветовой схемы главного меню ' F1_6() 'Задается по умолчанию если в папке с системой нет файла: ColorSch.arx при инсталляции системы, но может быть изменена когда угодно сисадмином'

'1.7. Задание размера главного окна в пикселях ' F1_7() 'Задается по умолчанию 1024 x 769 если в папке с системой нет файла: _MainWind.arx при инсталляции системы, но может быть изменена когда угодно сисадмином'

'1.8. Задание градиентных фонов главного окна ' F1_8() 'Градиентные фоны главного окна задаются по умолчанию при инсталляции системы, но могут быть изменены когда угодно сисадмином'

'1.9. Прописывание путей по фактическому положению' F1_9() 'Доступно только сисадмину. Определяет фактическое месторасположение системы и приложений и прописывает пути на них в БД: PathGrAp.DBF и Appls.dbf, а также восстанавливает имена приложений в Appls.dbf на данные им при их создании'

'1.10. Экспериментальная графика Роджера ' DC_Graph()'Графика Роджера. Операции с графикой на основе манипулирования массивами. Определение характеристик пикселей.'

'1.11. Локализация и инициализация (сброс) системы' F1_11() 'Доступно только сисадмину. Прописывает все пути по фактическому месторасположению системы, пересоздает общесистемные базы данных, удаляет все приложения и всех пользователей. Определяет фактическое месторасположение системы и приложений, удаляет все директории приложений с поддиректориями и всеми файлами в них, а затем прописывает все пути на них по фактическому месторасположению, т.е. пересоздает и переиндексирует БД: PathGrAp.DBF, Appls.dbf и Users.dbf'

'1.12. Режим специального назначения ' F1_12() 'Комментарий: "Без комментариев"'

'2. Формализация предметной области' 'Разработка классификационных и описательных шкал и градаций и формирование обучающей выборки'

'2.1. Классификационные шкалы и градации ' F2_1("Close") 'Ручной ввод-корректировка классификационных шкал и градаций'

'2.2. Описательные шкалы и градации ' F2_2("Close") 'Ручной ввод-корректировка описательных шкал и градаций'

'2.3. Ввод обучающей выборки' ''

'2.3.1. Ручной ввод-корректировка обучающей выборки ' F2_3_1()' '

'2.4. Просмотр эвентологических баз данных ' F2_4() 'Просмотр эвентологических баз данных (баз событий), в которых исходные данные закодированы с помощью классификационных и описательных шкал и градаций и представлены в форме кодов событий, между которыми существуют причинно-следственные связи'

'2.3.2. Программные интерфейсы с внешними базами данных' 'Автоматизированная формализация предметной области'

'2.3.2.1. Импорт данных из текстовых файлов ' F2_3_2_1() 'Универсальный программный интерфейс ввода данных из TXT, DOC и Internet (HTML) файлов неограниченного объема. Атрибуция текстов, АСК-анализ мемов'

'2.3.2.2. Универсальный программный интерфейс импорта данных в систему' F2_3_2_2("") 'Режим представляет собой УНИВЕРСАЛЬНЫЙ ПРОГРАММНЫЙ ИНТЕРФЕЙС ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ И ИМПОРТА ДАННЫХ В СИСТЕМУ "ЭЙДОС-Х". Данный программный интерфейс обеспечивает автоматическое формирование классификационных и описательных шкал и градаций и обучающей выборки на основе XLS, XLSX или DBF-файла с исходными данными стандарта, описанного в Help режима. Кроме того он обеспечивает автоматический ввод распознаваемой выборки из внешней базы данных. В этом режиме может быть до 1000000 объектов обучающей выборки до 1500 шкал.'

'2.3.2.3. Импорт данных из транспонированных внешних баз данных ' F2_3_2_3() 'Режим представляет собой ПРОГРАММНЫЙ ИНТЕРФЕЙС ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ И ИМПОРТА ДАННЫХ В СИСТЕМУ "ЭЙДОС-Х". Данный программный интерфейс обеспечивает автоматическое формирование классификационных и описательных шкал и градаций и обучающей выборки на основе XLS, XLSX или DBF-файла с исходными данными стандарта, описанного в Help режима стандарта, представляющего собой ТРАНСПОНИРОВАННЫЙ файл стандарта режима 2.3.2.2. Кроме того он обеспечивает автоматический ввод распознаваемой выборки из внешней базы данных. В этом режиме может быть до 1000000 шкал и до 1500 объектов обучающей выборки.'

'2.3.2.4. Оцифровка изображений по внешним контурам ' F2324ok() 'Данный режим обеспечивает оцифровку изображений по внешним контурам, т.е. кодирование и ввод в систему "Эйдос" изображений и формирование файла исходных данных "Inp_data" в стандарте режима 2.3.2.2 в котором каждое изображение представлено строкой'

'2.3.2.5. Оцифровка изображений по всем пикселям и спектру' F2_3_2_5() 'Данный режим обеспечивает оцифровку изображений по всем пикселям и спектру, т.е. кодирование и ввод в систему "Эйдос" изображений и формирование файла исходных данных "Inp_data" в стандарте режима 2.3.2.3 в котором каждое изображение представлено столбцом'

'2.3.2.6. Импорт данных из DOS-TXT-рядов чисел (цифр) и слов (букв) ' F2_3_2_6() 'Данный режим обеспечивает импорт данных из DOS-TXT-рядов чисел (цифр) и слов (букв), а также генерацию рядов для расчета асимптотического информационного критерия качества шума - критерия степени выраженности закономерностей в модели'

'2.3.2.7. Транспонирование файлов исходных данных ' F2_3_2_7() 'Данный режим обеспечивает транспонирование базы данных Inp_data.xls и ее запись в виде файла Out_transp.xls'

'2.3.2.8. Объединение нескольких файлов исходных данных в один ' F2_3_2_8() 'Данный режим обеспечивает объединение нескольких одинаковых по структуре баз данных с именами вида: "Input####.xls", где: "####" - номер файла вида: 0001,0002,...,9999, в один файл с именем: "Add_data.xls"'

'2.3.2.9. Разбиение TXT-файла на файлы-абзацы"' F5_11() 'Данный режим обеспечивает: обнаружение в папке: ../AID_DATA/INP_DATA/ TXT-файлов, загрузку этих файлов, нахождение в них абзацев, запись этих абзацев в виде TXT-файлов с именами вида: "######, <ИМЯ TXT-ФАЙЛА>" из сквозного номера абзаца ###### и имени исходного TXT-файла'

'2.3.3. Управление обучающей выборкой ' ' '

'2.3.3.1. Параметрическое задание объектов для обработки ' Razrab() ' '

'2.3.3.2. Статистическая характеристика, ручной ремонт ' Razrab() ' '

'2.3.3.3. Автоматический ремонт обучающей выборки ' Razrab() ' '

'2.3.3.4. Распределение объектов обуч. выборки по классам' F2_3_3_4()'Формирование отчета о распределении объектов обучающей выборки по классам'

'2.3.4. Докодирование сочетаний признаков в обучающей выборке' Razrab()' '

'3. Синтез, верификация и улучшение модели' 'Создание модели, повышение ее качества и оценка достоверности'

'3.1. Формирование базы абсолютных частот' F3_1(.T., 0, 0, 0, .T.,"")'Загрузка по очереди описаний всех объектов обучающей выборки и расчет количества встреч различных сочетаний: Принадлежность объекта к j-му классу - наличие у него i-го признака'

'3.2. Расчет процентных распределений' F3_2(.T., 0, 0, 0, .T.,"")'Расчет условных и безусловных процентных распределений'

'3.3. Расчет заданных из 7 моделей знаний' F3_3(.T., 0, 0, 0, .T.,"")'Inf1~Prc1, Inf2~Prc2, Inf3-хи-квадрат, Inf4-roi~Prc1, Inf5-roi~Prc2, Inf6-Dp~Prc1, Inf7-Dp~Prc2'

'3.4. Автоматическое выполнение режимов 1-2-3' F3_4(.T., 0, 0, 0, .T.,"")'По очереди исполняются режимы: 3.1., 3.2. и 3.3. для заданных стат.моделей и моделей знаний и затем заданная делается текущей'

'3.5. Синтез и верификация заданных из 10 моделей' F3_5(.T.)'Оценивается достоверность (адекватность) заданных стат.моделей и моделей знаний. Для этого осуществляется синтез заданных моделей, обучающая выборка копируется в распознаваемую и в каждой заданной модели проводится распознавание с использованием двух интегральных критериев, подсчитывается количество верно идентифицированных и не идентифицированных, ошибочно идентифицированных и не идентифицированных объектов (ошибки 1-го и 2-го рода)'

'3.6. Синтез и верификация заданной группы моделей' Razrab() 'В различных приложениях текущей группы приложений создаются и верифицируются модели: Abs, Prc1, Prc2, Inf1~Prc1, Inf2~Prc2, Inf3-хи-квадрат, Inf4-roi~Prc1, Inf5-roi~Prc2, Inf6-Dp~Prc1, Inf7-Dp~Prc2 с фиксированными и адаптивными интервалами со сценариями и без и для каждого класса определяется модель, в которой его идентификация осуществляется наиболее достоверно'

'3.7. Повышение качества модели' ' '

'3.7.1. Поиск и удаление артефактов (робастная процедура) ' F3_7_1()'Строится частотное распределение абсолютных частот встреч признаков в классах по матрице сопряженности Abs.dbf и пользователю предоставляется возможность удалить редко встречающиеся факты (сочетания), как случайные выбросы или артефакты. Для работы профессиональной графики нужна MS Windows 7 или выше'

'3.7.2. Значимость классификационных шкал ' Razrab()'В данном режиме классификационные шкалы ранжируются в порядке убывания значимости, т.е. средней значимости их градаций, т.е. классов'

'3.7.3. Значимость градаций классификационных шкал (классов)' Razrab()'В данном режиме все градации классификационных шкал (классы) ранжируются в порядке убывания значимости, т.е. вариабельности значений частных критериев статистических баз и баз знаний'

'3.7.4. Значимость описательных шкал ' F3_7_4()'В данном режиме описательные шкалы ранжируются в порядке убывания значимости, т.е. средней значимости их градаций, т.е. признаков'

'3.7.5. Значимость градаций описательных шкал (признаков) ' F3_7_5()'В данном режиме все градации описательных шкал (признаки) ранжируются в порядке убывания значимости, т.е. вариабельности значений частных критериев статистических баз и баз знаний'

'3.7.6. Разделение классов на типичную и нетипичную части ' F3_7_6()'Из файла исходных данных "Inp_data.dbf" стандарта программного интерфейса 2.3.2.2 либо удаляются объекты обучающей выборки, которые привели к ошибкам неидентификации или ложной идентификации, либо для таких объектов создаются новые классы. В данном режиме используются результаты распознавания.'

'3.7.7. Генерация подсистем классов и докод.об.и расп.выб. ' F3_7_7()'На основе сочетания классов по 2, 3, N формируются подсистемы классов, которые добавляются в качестве градаций в классификационные шкалы подсистем классов и в объекты обучающей и распознаваемой выборки'

'3.7.8. Генерация подсистем признаков и докод.об.и расп.выб.' F3_7_8()'На основе сочетания признаков по 2, 3, N формируются подсистемы признаков, которые добавляются в качестве градаций в описательные шкалы подсистем признаков и в объекты обучающей и распознаваемой выборки'

'4. Решение задач с применением модели' 'Применение модели для решения задач идентификации (распознавания), прогнозирования и поддержки принятия решений (обратная задача прогнозирования), а также для исследования моделируемой предметной области путем исследования ее модели'

'4.1. Идентификация и прогнозирование' ' '

'4.1.1. Ручной ввод-корректировка распознаваемой выборки' F4_1_1() ' '

'4.1.2. Пакетное распознавание в текущей модели' F4_1_2(0,.T.,"4_1_2")'Распознаются по очереди все объекты распознаваемой выборки в стат.модели или базе знаний, заданной текущей в режиме 3.3 или 5.6.'

'4.1.3. Вывод результатов распознавания' ' '

'4.1.3.1. Подробно наглядно: "Объект - классы" ' F4_1_3_1()'Визуализация результатов распознавания в подробной наглядной форме в отношении: "Один объект - много классов" с двумя интегральными критериями сходства между конкретным образом распознаваемого объекта и обобщенными образами классов: "Семантический резонанс знаний" и "Сумма знаний"'

'4.1.3.2. Подробно наглядно: "Класс - объекты" ' F4_1_3_2()'Визуализация результатов распознавания в подробной наглядной форме в отношении: "Один класс - много объектов" с двумя интегральными критериями сходства между конкретным образом распознаваемого объекта и обобщенными образами классов: "Семантический резонанс знаний" и "Сумма знаний"'

'4.1.3.3. Итоги наглядно: "Объект - класс" ' F4_1_3_3()'Отображение итоговых результатов распознавания в наглядной форме: отображаются пары: "Объект-класс" у которых наибольшее сходство по двум интегральным критериям сходства: "Семантический резонанс знаний" и "Сумма знаний". Приводится информация о фактической принадлежности объекта к классу.'

'4.1.3.4. Итоги наглядно: "Класс - объект" ' F4_1_3_4()'Отображение итоговых результатов распознавания в наглядной форме: отображаются пары: "Класс-объект" у которых наибольшее сходство по двум интегральным критериям сходства: "Семантический резонанс знаний" и "Сумма знаний". Приводится информация о фактической принадлежности объекта к классу.'

'4.1.3.5. Подробно сжато: "Объекты - классы"' F4_1_3_5()'В подробной сжатой (числовой) форме приводится информация об уровне сходства всех объектов со всеми классами по двум интегральным критериям сходства: "Семантический резонанс знаний" и "Сумма знаний", а также о фактической принадлежности объекта к классу.'

'4.1.3.6. Обобщ.форма по достов.моделей при разных интегральных крит.' 'Отображаются обобщенные результаты измерения достоверности идентификации по всем моделям и интегральным критериям из БД: Dost_mod.DBF'

'4.1.3.7. Обобщ. стат. анализ результатов идент. по моделям и инт. крит.' 'Отображаются результаты обобщенного стат. анализа достоверности идентификации по всем моделям и интегральным критериям из БД: VerModClsIT.dbf'

'4.1.3.8. Стат. анализ результ. идент. по классам, моделям и инт.крит.' 'Отображаются результаты стат. анализа достоверности идентификации по всем классам, моделям и интегральным критериям из БД: VerModCls.dbf'

'4.1.3.9. Достоверность идент. объектов при разных моделях и инт.крит.' 'Отображается достоверность идентификации объектов по классам (F-мера Ван Ризбергена) в разрезе по объектам при разных моделях (т.е. разных частных критериях) и при разных интегральных критериях из БД: Dost_clsF.dbf. Позволяет удалять из обучающей выборки плохо распознаваемые объекты.'

'4.1.3.10.Достоверность идент.классов при разных моделях и инт.крит.' 'Отображается достоверность идентификации объектов по классам (F-мера Ван Ризбергена) в разрезе по классам при разных моделях (т.е. разных частных критериях) и при разных интегральных критериях из БД: Dost_clsF.dbf'

'4.1.3.11.Распределения уровн.сходства при разных моделях и инт.крит.' 'Отображаются частотные распределения уровней сходства верно и ошибочно идентифицированных и неидентифицированных объектов при разных моделях и интегральных критериях из БД: DostRasp.dbf'

'4.1.3.12.Объединение в одной БД строк по самым достоверным моделям ' 'Объединение в одной БД "AddData.dbf" строк по наиболее достоверным моделям из Dost_modCls, формиремых в режиме 4.1.3.6.'

'4.1.4. Пакетное распознавание в заданной группе моделей' Razrab()'Распознаются по очереди все объекты распознаваемой выборки в стат.модели или базе знаний, заданной текущей, в всех моделях заданной группы моделей'

'4.1.5. Докодирование сочетаний признаков в распознаваемой выборке' Razrab()' '

'4.1.6. Рациональное назначение объектов на классы (задача о ранце)' F4_1_6()'Управление персоналом на основе АСК-анализа и функционально-стоимостного анализа (задача о назначениях)'

'4.1.7. Интерактивная идентификация - последовательный анализ Вальда' Razrab()' '

'4.1.8. Мультираспознавание (пакетное распознавание во всех моделях)' Razrab()'При идентификации объекта распознаваемой выборки с каждым классом он сравнивается в той модели, в которой этот класс распознается наиболее достоверно, как в системе "Эйдос-астра"'

'4.2. Типология классов и принятие решений' ''

'4.2.1. Информационные портреты классов' F4_2_1()'Решение обратной задачи прогнозирования: выработка управляющих решений. Если при прогнозировании на основе значений факторов оценивается в какое будущее состояние перейдет объект управления, то при решении обратной задачи, наоборот, по заданному целевому будущему состоянию объекта управления определяется такая система значений факторов, которая в наибольшей степени обуславливает переход в это состояние'

'4.2.2. Кластерный и конструктивный анализ классов' ' '

'4.2.2.1. Расчет матриц сходства, кластеров и конструктов ' F4_2_2_1()' '

'4.2.2.2. Результаты кластерно-конструктивного анализа ' F4_2_2_2()'Состояния, соответствующие классам, расположенные около одного полюса конструкта, достижимы одновременно, т.к. имеют сходную систему детерминации, а находящиеся около противоположных полюсов конструкта являются альтернативными, т.е. одновременно недостижимы.'

'4.2.2.3. Агломеративная древовидная кластеризация классов' Razrab() 'Кластеризация, путем объединения классов'

'4.2.2.4. Дивизивная древовидная кластеризация классов' F3_7_6() 'Кластеризация, путем разделения классов на типичную и нетипичную части пока релизоавна в упрощенной форме (по сравнению с DOS-весрией системы "Эйдос". Из файла исходных данных "Inp_data.dbf" стандарта программного интерфейса 2.3.2.2 либо удаляются объекты обучающей выборки, которые привели к ошибкам неидентификации или ложной идентификации, либо для таких объектов создаются новые классы. В данном режиме используются результаты распознавания.). '

'4.2.3. Когнитивные диаграммы классов' F4_2_3()'Данный режим показывает в наглядной графической форме какими признаками сходны и какими отличаются друг от друга заданные классы'

'4.3. Типологический анализ признаков' ''

'4.3.1. Информационные портреты признаков' F4_3_1()'Семантический (смысловой) портрет признака или значения фактора, т.е. количественная характеристика силы и направления его влияния на поведение объекта управления'

'4.3.2. Кластерный и конструктивный анализ признаков' PARENT oMenu4_3 MESSAGE ' '

'4.3.2.1. Расчет матриц сходства, кластеров и конструктов ' PARENT oMenu4_3_2 ACTION {||F4_3_2_1()' '

'4.3.2.2. Результаты кластерно-конструктивного анализа ' PARENT oMenu4_3_2 ACTION {||F4_3_2_2()'Признаки или градации факторов, расположенные около одного полюса конструкта, оказывают сходное влияние на объект управления, т.е. на его принадлежность к классам или его переход в состояния, соответствующие классам и могут быть заменены одни другими, а находящиеся около противоположных полюсов конструкта оказывают сильно отличающееся влияние на объект управления и не могут быть заменены одни другими.'

'4.3.2.3. Агломеративная древовидная кластеризация признаков' PARENT oMenu4_3_2 ACTION {||Razrab() 'Кластеризация, путем объединения признаков'

'4.3.3. Когнитивные диаграммы признаков' F4_3_3()'Данный режим показывает в наглядной графической форме какими классами сходны и какими отличаются друг от друга заданные признаки'

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

'4.4.1. Оценка достоверности обучающей выборки ' Razrab()'Выявление объектов с нарушенными корреляциями между классами и признаками. Выявление очень сходных друг с другом объектов обучающей выборки'

'4.4.2. Оценка достоверности распознаваемой выборки ' Razrab()'Выявление очень сходных друг с другом объектов распознаваемой выборки'

'4.4.3. Измерение адекватности 3 стат.моделей и 7 моделей знаний ' Razrab()'Любой заданной или всех'

'4.4.4. Измерение сходимости и устойчивости 10 моделей ' Razrab()' '

'4.4.5. Зависимость достоверности моделей от объема обучающей выборки ' Razrab()' '

'4.4.6. Измерение независимости классов и признаков (анализ хи-квадрат)' Razrab()' '

'4.4.7. Графические профили классов и признаков ' Razrab() ' '

'4.4.8. Количественный SWOT-анализ классов средствами АСК-анализа ' F4_4_8() 'АСК-анализ обеспечивает построение SWOT-матрицы (модели) для заданного класса с указанием силы влияния способствующих и препятствующих факторов непосредственно на основе эмпирических данных и поэтому является инструментом автоматизированного количественного SWOT-анализа (прямая задача SWOT-анализа). Классы интерпретируются как целевые и нежелательные состояния фирмы, факторы делятся на внутренние, технологические, описывающие фирму, и внешние, характеризующие окружающую среду, а количество информации, содержащееся в значении фактора, рассматривается как сила и направление его влияния на переход фирмы в те или иные будущие состояния'

'4.4.9. Количественный SWOT-анализ факторов средствами АСК-анализа ' F4_4_9() 'АСК-анализ обеспечивает построение количественной SWOT-матрицы (модели) для заданного значения фактора с указанием степени, в которой он способствует или препятствует переходу объекта управления в различные будущие состояния, соответствующие классам (обратная задача SWOT-анализа). Эта модель строится непосредственно на основе эмпирических данных и поэтому АСК-анализ может рассматриваться как инструмент автоматизированного количественного SWOT-анализа. Факторы делятся на внутренние, технологические, описывающие саму фирму, и внешние, характеризующие окружающую среду'

'4.4.10.Графическое отображение нелокальных нейронов ' F4_4_10()' '

'4.4.11.Отображение Паретто-подмножеств нелокальной нейронной сети'

'4.4.12.Классические и интегральные когнитивные карты ' Razrab() ' '

'4.5. Визуализация когнитивных функций: текущее приложение, разные модели' F4_5() 'В данном режиме осуществляется визуализация и запись когнитивных функций, созданных в текущем приложении на основе различных стат.моделей и моделей знаний'

'4.6. Подготовка баз данных для визуализация когнитивных функций в Excel ' F4_6() 'Данный режим готовит базы данных для визуализации в MS Excel прямых и обратных, позитивных и негативных точечных и средневзвешенных редуцированных когнитивных функций, созданных на основе различных стат.моделей и моделей знаний'

'4.7. АСК-анализ изображений по пикселям, спектрам и контурам' F4_7() 'Данный режим обеспечивает АСК-анализ изображений, как сгенерированных в учебных целях, так и внешних для системы "Эйдос-Х++", относящихся к какой-либо предметной области. АСК-анализ изображений возможен: по пикселям, спектру, по внешним контурам, по внутренним и внешним контурам (в разработке). Данный режим интегрирован с Геокогнитивной подсистемой системы "Эйдос" (режим 4.8.)'

'4.8. Геокогнитивная подсистема ' F4_8() 'Обеспечивает восстановление значений функций по признакам аргумента. Преобразует 2D Excel-таблицу с именем "Inp_map.xls" в файл исходных данных "Inp_data.dbf", содержащий координаты X,Y,Z точек и их признаки (модель описательной информации картографической базы данных). Визуализирует исходные данные из БД "Inp_data.dbf" или итоговые результаты распознавания из БД: "Rsp_it.dbf" в картографической форме (сетка и градиентная заливка цветом) с применением триангуляции Делоне. Обеспечивает пакетный ввод и оконтуривание изображений и формирование соответствующих файлов "Inp_data" и др. для создания и применения модели, созданной на основе этих изображений. Режим интегрирован с 4.7.'

'5. Сервис' 'Конвертирование, печать и сохранение модели, пересоздание и переиндексация всех баз данных'

'5.1. Конвертер приложения OLD => NEW' F5_1() 'Преобразование модели из стандарта БД системы Эйдос-12.5 в стандарт Эйдос-X++. Для конвертирования старого приложения надо скопировать в папку: <OldAppls> файлы: Object.Dbf, Priz_Ob.Dbf, Priz_Per.Dbf, Priz_Per.Dbt, Obinfzag.Dbf, Obinfkpr.Dbf'

'5.2. Конвертер приложения NEW => OLD' F5_2() 'Преобразование модели из стандарта БД системы Эйдос-X++ в стандарт Эйдос-12.5 в папку OldAppls. Все файлы из этой папки надо скопировать в текущую папку системы "Эйдос-12.5", выполнить режимы 7.2 и 2.3.5'

'5.3. Конвертер всех PCX (BMP) в GIF ' Razrab()' '

'5.4. Конвер. результатов расп.для SigmaPlot' F5_4() 'Конвертирует результаты распознавания, т.е. БД Rasp.dbf в параметрическую форму в стиле: "X, Y, Z", удобную для картографической визуализации в системе SigmaPlot. Это возможно, если предварительно были выполнены режимы 3.7.7 и 3.4(3.5.) и 4.1.2.'

'5.5. Просмотр основных БД всех моделей' F5_5() 'Обеспечивает просмотр и экспорт в Excel основных баз данных всех статистических моделей: Abs, Prc1, Prc2 и моделей знаний: Inf1~Prc1, Inf2~Prc2, Inf3-хи-квадрат, Inf4-roi~Prc1, Inf5-roi~Prc2, Inf6-Dp~Prc1, Inf7-Dp~Prc2'

'5.6. Выбрать модель и сделать ее текущей' F5_6(4,.T.,"MainMenu")'Данная функция позволяет выбрать среди ранее рассчитанных в 3-й подсистеме статистических баз Abs, Prc1, Prc2 и моделей знаний INF#, текущую модель для решения в 4-й подсистеме задач идентификации, прогнозирования, приятия решений и исследования предметной области путем исследования ее модели'

'5.7. Переиндексация всех баз данных' F5_7() 'Заново создаются все необходимые для работы системы индексные массивы общесистемных баз данных (находящихся в папке с исполнимым модулем системы), а также баз данных текущего приложения, необходимые для работы с ним'

'5.8. Сохранение основных баз данных модели' Razrab()' '

'5.9. Восстановление модели из основных БД' Razrab()' '

'5.10.Выгрузка исходных данных в "Inp_data"' F5_10() 'Данный режим выполняет функцию, обратную универсальному программному интерфейсу с внешними базами данных 2.3.2.2(), т.е. не вводит исходные данные в систему, а наоборот, формирует на основе исходных данных файлы: Inp_data.dbf и Inp_data.txt, на основе которых в режиме 2.3.2.2() можно сформировать эту же модель'

'5.11. Внешнее управление системой "Эйдос"' F5_11() 'Данный режим обеспечивает управление системой "Эйдос" в реальном времени со стороны внешней программы путем задания ею последовательности функций системы "Эйдос" для исполнения (по сути программы, написанной на языке "Эйдос") в специальной базе данных: "ExternalControl.dbf" и программного контроля их исполнения'

'5.12. Печать структур всех баз данных' F5_12() 'Распечатка структур (даталогических моделей) всех баз данных текущего приложения'

'5.13. Редактирование БД лемматизации' F5_13()'Ввод-корректировка базы данных лемматизации: "Lemma.dbf"'

'5.14. Пояснения по лабораторным работам' F5_14()'Пояснения по смыслу частных и интегральных критериев и описания лабораторных работ'

'6. О системе' ''

'6.1. Информация о системе, разработчике и средствах разработки' F6_1() ' '

'6.2. Ссылки на патенты, документацию и текущую версию системы ' F6_2() 'Internet-ссылки на патенты, монографии, учебные пособия, научные статьи и самую новую (на текущий момент) версию системы "Эйдос-Х++, а также полный комплект документации на нее одним файлом"'

'6.3. Карта системы (дерево диалога) ' Razrab()' '

'6.4. Порядок преобразования данных в информацию, а ее в знания' F6_4() 'В режиме раскрывается соотношение содержания понятий: "Данные", "Информация" и "Знания", а также последовательность преобразования данных в информацию, а ее в знания в системе "Эйдос-Х++" с указанием имен баз данных и ссылками на основные публикации по этим вопросам'

'6.5. Графическая заставка системы "Эйдос-12.5" ' F6_5() ' '

'6.6. Roger Donnay, Professional Developer, Developer eXPress++' F6_6() 'Roger Donnay, профессиональный разработчик программного обеспечения, разработчик высокоэффективной инструментальной системы программирования eXPress++, широко использованной при создании системы "Эйдос-Х++". Roger Donnay, Professional Developer, Developer eXPress++'

'6.7. Логотипы мультимоделей ' F6_7() ' '

'6.8. Свидетельство РосПатента РФ на систему "Эйдос-Х++" ' F6_8() ' '

'6.9. География пользователей системы "Эйдос-Х++" F6_9() 'Когда кто-либо в мире запускает систему "Эйдос-Х++" на исполнение на компьютере, подключенном к Internet, то на она программно обращается к специально созданному сайту, на котором размещен PHP-код, определяющий дату и время обращения, а также IP-адрес компьютера, с которого произошло это обращение, и по нему определяет страну, регион и город пользователя. Вся эта информация отображается в текстовой, табличной и картографической форме'

'7. Выход' F7()'Закрыть все базы данных и корректно выйти из системы'

Необходимо отметить, что все эти режимы, за исключением подсистемы администрирования и диспетчера приложений, были реализованы в предыдущей версии системы “Эйдос» и системах окружения. В текущей версии системы «Эйдос-Х++» пока реализованы не все режимы системы «Эйдос», версии 12. 5 (это последняя версия системы «Эйдос» под MS DOS от июня 2012 года). Такие режимы отмечены как разрабатываемые:, Razrab(). .

Система непрерывно совершенствуется автором.

4.4 Локальные встроенные учебные Эйдос-приложения