Агроном

[Eugene Lutsenko]

Akim Onoke!

Если Вы агроном, то может быть Вас заинтересуют главы из книг:

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

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.

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

которые есть здесь: http://lc.kubagro.ru/aidos/index.htm

[Akim Onoke]

Какой уровень сходства "Объект-класс" считается удовлетворительным? И что делать с нераспознанными объектами? Что означает факт с галочкой V?

[Eugene Lutsenko]

Какой уровень сходства "Объект-класс" считается удовлетворительным? И что делать с нераспознанными объектами? Что означает факт с галочкой V?

«Что означает факт с галочкой V?»
Птичкой отмечены результаты идентификации объектов обучающей выборки с классами, совпавшие с фактом.

«И что делать с нераспознанными объектами?»
Надо попытаться понять, почему эти объекты не распознались, в чем их особенности. Для этого имеет смысл создать для них отдельные классы. В старой системе был режим дивизивной кластеризации (разделения классов на типичную и нетипичную части), но в новой версии я этот режим еще не реализовал. Об этом у меня есть много статей, например:

Луценко Е.В. Повышение адекватности спектрального анализа личности по астросоциотипам путем их разделения на типичную и нетипичную части / Е.В. Луценко, А.П. Трунев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2008. – №02(036). С. 153 – 174. – Шифр Информрегистра: 0420800012\0017, IDA [article ID]: 0360802010. – Режим доступа: http://ej.kubagro.ru/2008/02/pdf/10.pdf, 1,375 у.п.л.

Луценко Е.В. Повышение качества моделей «knowledge management» путем разделения классов на типичную и нетипичную части / Е.В. Луценко, Е.А. Лебедев, В.Н. Лаптев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2009. – №10(054). С. 78 – 93. – Шифр Информрегистра: 0420900012\0109, IDA [article ID]: 0540910005. – Режим доступа: http://ej.kubagro.ru/2009/10/pdf/05.pdf, 1 у.п.л.

Лебедев Е.А. Исследование достоверности оптимизированной модели скоринга путем прогнозирования кредитных историй заемщиков, данные которых не использовались при синтезе модели / Е.А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2007. – №06(030). С. 213 – 224. – Шифр Информрегистра: 0420700012\0107, IDA [article ID]: 0300706016. – Режим доступа: http://ej.kubagro.ru/2007/06/pdf/16.pdf, 0,75 у.п.л.

"Какой уровень сходства "Объект-класс" считается удовлетворительным? "
В режимах 4.1.3.6 мы видим результаты оценки достоверности моделей и количество ошибок идентификации и не идентификации. Почитайте Помощь по этому режиму. В режиме 4.1.3.9 есть частотные распределения (в т.ч. их график, который советую изучить), уровней сходства верно и ошибочно идентифицированных и неидентифицированных объектов обучающей выборки, который позволяет ответить на этот вопрос. Об этом тоже есть статьи:

Луценко Е.В. Системно-когнитивный анализ временных рядов на примере фондового рынка (прогнозирование, принятие решений и исследование предметной области) / Е.В. Луценко, Е.А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2009. – №07(051). С. 47 – 82. – Шифр Информрегистра: 0420900012\0071, IDA [article ID]: 0510907003. – Режим доступа: http://ej.kubagro.ru/2009/07/pdf/03.pdf, 2,25 у.п.л.

[Akim Onoke]

Евгений Вениаминович подсказывает: "Выбрать любую модель в качестве текущей можно в режиме 5.6, который работает достаточно быстро. После этого режим 4.1.2 работает с выбранной моделью."

[Eugene Lutsenko]

СУТЬ МЕТОДА СИСТЕМНО-КОГНИТИВНОГО АНАЛИЗА
Метод системно-когнитивного анализа (СК-анализ) является методом искусственного интеллекта, т.к. позволяет выявлять знания из данных и применять их для прогнозирования, принятия решений и исследования предметной области. Этот метод имеет как свое теоретическое обоснование, так и программный инструментарий – интеллектуальную систему «Эйдос» .
Поэтому рассмотрим, что такое знания с точки зрения СК-анализа. Для этого необходимо раскрыть соотношение содержания понятий: «данные», «информация» и «знания» .
Данные – это информация, рассматриваемая безотносительно к ее смысловому содержанию, находящаяся на носителях или в каналах связи и представленная в определенной системе кодирования или на определенном языке (т.е. в формализованном виде).
Информация – это осмысленные данные. Смысл, семантика, содержание (согласно концепции смысла Шенка-Абельсона ) – это знание причинно-следственных зависимостей.
Знания – это информация, полезная для достижения целей (рисунок 1).

Рисунок 1. Соотношение содержания понятий:
«данные», «информация», «знания»
Знания могут быть представлены в различных формах, характеризующихся различной степенью формализации:
– вообще неформализованные знания, т.е. знания в своей собственной форме, ноу-хау (мышление без вербализации есть медитация);
– знания, формализованные на естественном вербальном языке;
– знания, формализованные в виде различных методик, схем, алгоритмов, планов, таблиц и отношений между ними;
– знания в форме технологий, организационных производственных, социально-экономических и политических структур;
– знания, формализованные в виде математических моделей и методов представления знаний в автоматизированных интеллектуальных системах (логическая, фреймовая, сетевая, продукционная, нейросетевая, нечеткая и другие модели представления знаний).
Суть метода СК-анализа состоит в целенаправленном последовательном повышении степени формализации исходных данных до уровня, который позволяет ввести исходные данные в интеллектуальную систему, а затем:
– преобразовать исходные данные в информацию;
– преобразовать информацию в знания;
– использовать знания для решения задач прогнозирования, принятия решений и исследования предметной области.
Для этого в АСК-анализе предусмотрены следующие этапы:
1. Когнитивная структуризация предметной области, при которой определяется, что мы хотим прогнозировать и на основе чего (конструирование классификационных и описательных шкал).
2. Формализация предметной области:
– разработка градаций классификационных и описательных шкал (номинального, порядкового и числового типа);
– использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования) исследуемой выборки.
3. Синтез и верификация (оценка степени адекватности) модели.
4. Если модель адекватна, то ее использование для решения задач идентификации, прогнозирования и принятия решений, а также для исследования моделируемой предметной области.
Для синтеза моделей в АСК-анализе в настоящее время используется 7 частных критериев знаний, основной и исторически первый из которых семантическая мера целесообразности информации А.Харкевича , а для верификации моделей два интегральных критерия.
СК-анализ обеспечивает корректную совместную сопоставимую количественную обработку разнородных по своей природе факторов, измеряемых в различных единицах измерения. В СК-анализе факторы формально описываются шкалами, а значения факторов – градациями шкал. Существует три основных группы факторов: физические, социально-экономические и психологические (субъективные), но в СК-анализе все они рассматриваются с одной единственной точки зрения: сколько информации содержится в их значениях о переходе объекта, на который они действуют, в определенное состояние, и при этом сила и направление влияния всех значений факторов на объект измеряется в одних общих для всех факторов единицах измерения: единицах количества информации. Именно по этой причине вполне корректно складывать силу и направление влияния всех действующих на объект значений факторов, независимо от их природы, и определять результат совместного влияния на объект системы значений факторов .

[Akim Onoke]

Чтобы активизировать дискуссию привожу сомнение о корректности вычисления частных критериев по одним и тем же формулам:
INF1 и INF2; INF4 и INF5; INF6 и INF7. Смотрите Таблицу 7 – Частные критерии знаний системы «Эйдос-Х++» в монографии: "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."
Меня не покидает надежда, что Евгений Вениаминович в следующей монографии или статье приведет детальные пояснения к формулам вычисления частных критериев вместе с алгоритмами и примерами расчетов.

[Eugene Lutsenko]

Там в таблицах написано, что означают Nj в INF1 и INF2, и в других парах моделей с одинаковой формулой. А означают они разные вещи. И в каждой строке таблицы это пояснение дается. А алгоритм расчета, когда есть такая простая формула, сводится просто к вложенному циклу по строкам и столбцам матрицы ABS в результате чего ПРЯМЫМ СЧЕТОМ получаются матрицы PRC1, PRC2 и INF#. исходный текст системы Эйдос приводится. Это функции, имеющие такие же имена, как режимы их расчета: F3_1(), F3_2(), F3_3(), F3_5(), F3_5(). Еще детальнее уже не бывает.

Реальные довольно подробные алгоритмы всех базовых когнитивных операций, реализованных в системе Эйдос, я привел в книге:
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.
которая, как и другие, есть на моем сайте: по адресу: http://lc.kubagro.ru/aidos/index.htm
конкретно оглавление: http://lc.kubagro.ru/aidos/aidos02/index.htm
алгоритмы на странице: http://lc.kubagro.ru/aidos/aidos02/4.3.htm

[Akim Onoke]

На странице: http://lc.kubagro.ru/aidos/aidos02/4.3.htm приведены 25 алгоритмов, которые задают последовательность базовых когнитивных операций системного анализа. Приходится только удивляться трудолюбию автора. Многие алгоритмы позволяют определить уровни или диаграммы Мерлина, но ни один алгоритм не показывает как вычислять "Частные критерии знаний системы Эйдос"
Давайте рассуждать так: имеем одинаковые исходные данные, имеем одинаковые формулы для вычисления частных критериев. По имеющейся формуле можно построить несколько алгоритмов вычислений. Но если придерживаться правил: сначала умножаем и делим, потом складываем и вычитаем, то результат будет один и тот же. Участников форума прошу опровергнуть или поддержать данный тезис.

[Eugene Lutsenko]

Алгоритмы вычисления частных критериев есть в многочисленных статьях, например в таблице 5 на стр.13 в статье http://ej.kubagro.ru/2014/03/pdf/48.pdf. В статье http://ej.kubagro.ru/2014/01/pdf/07.pdf подробно описываются расчеты матриц знаний на основе эмпирических днных.

Когда я писал монографию в 2002 году был только один частный критерий, который соотвествует INF1 в таблице 5.
Про него в этой монографии написано здесь: http://lc.kubagro.ru/aidos/aidos02/3.htm

Если в одну и ту же формулу подставлять разные значения, то будет получаться разный результат. Мне казалось, что это не требует какого-то дополнительного объяснения

[Akim Onoke]

Если в формулы подставлять разные значения, то обозначения этих переменных в формулах должно быть разным. Нельзя разные переменные обозначать в формулах одинаковыми символами, тем более что их значения разные.
Частные критерии INF6, INF7 рассчитываем по одинаковым формулам, зачем? Неужели символов для разных переменных не хватает?