Е.В. ЛУЦЕНКО, В.И.ЛОЙКО, Л.О. ВЕЛИКАНОВА. ПРОГНОЗИРОВАНИЕ И ПРИНЯТИЕ РЕШЕНИЙ В РАСТЕНИЕВОДСТВЕ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Поддержано грантом КубГАУ. 2008

В монографии задачи управления урожайностью и качеством продукции растениеводства и плодоводства решаются на единой стандартизированной методологической и инструментально-технологической основе системно-когнитивного анализа, обеспечивающего как синтез, адаптацию и верификацию семантических информационных моделей, так и их использование для прогнозирования и поддержки принятия решений (управления) в агропромышленном комплексе, а также для научного исследования предметной области. Рассчитано на слушателей центров дополнительного агрономического образования, студентов очной и заочной форм обучения, аспирантов, преподавателей и научных работников, интересующихся применением современных интеллектуальных информационных технологий вообще и системно-когнитивного анализа в частности для решения задач прогнозирования и поддержки принятия решений в растениеводстве.

<< | >>

↑

ВВЕДЕНИЕ

ГЛАВА-1. ОПИСАНИЕ МЕТОДА СК-АНАЛИЗА

1.1. Теоретические предпосылки СК-анализа

1.2. Математическая модель СК-анализа

1.2.1. Системное обобщение формулы Хартли

1.2.2. Гипотеза о Законе возрастания эмерджентности

1.2.3. Системное обобщение формулы Харкевича

1.2.4. Связь системной теории информации (СТИ) с теорией Хартли-Найквиста-Больцмана и теорией Шеннона

1.2.5. Интерпретация коэффициентов эмерджентности СТИ

1.2.6. Матрица абсолютных частот

1.2.7. Матрица информативностей

1.2.8. Неметрический интегральный критерий сходства, основанный на лемме Неймана-Пирсона

1.2.9. Связь системной меры целесообразности информации с критерием c2

1.2.10. Оценка адекватности семантической информационной модели в СК-анализе и бутстрепные методы

1.2.11. Непараметричность модели. Робастные процедуры и фильтры для исключения артефактов

1.3. Методика численных расчетов СК-анализа

1.3.1. Детальный списокБКОСА и их алгоритмов

1.3.2. Иерархическая структура данных семантической информационной модели СК-анализа

1.4. Специальный программный инструментарий СК-анализа – система "Эйдос"

1.4.1. Цели и основные функции системы "Эйдос"

1.4.2. Обобщенная структура системы "Эйдос"

1.5. Выводы

ГЛАВА-2. ПРОГНОЗИРОВАНИЕ РЕЗУЛЬТАТОВ ВЫРАЩИВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР И ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО РАЦИОНАЛЬНОМУ ВЫБОРУ АГРОТЕХНОЛОГИЙ

2.1. Решение задач прогнозированияи поддержки приянтия решений в растениводстве с применением системы "ЭЙДОС" в 1993-1996 годах

2.2. Постановка задачи, синтез и исследование модели прогнозирования урожайности зерновых колосовых и поддержки принятия решений по рациональному выбору агротехнологий

2.2.1. Проблематика работы

2.2.2. Задача 1. Обосновать требования к методу решения задачи и определить степень соответствия известных методов обоснованным требованиям.

2.2.3. Задача 2. Выбрать наиболее подходящий по обоснованным критериям метод решения проблемы.

2.2.4. Задача 3. Кратко описать суть выбранного метода.

2.2.4.1. Теоретические основы СК-анализа (включая базовую когнитивную концепцию).

2.2.4.2. Математическая модель (системная теория информации) и методика численных расчетов СК-анализа (структуры данных и алгоритмы их обработки).

2.2.4.3. Специальный программный инструментарий СК-анализа, реализующий математическую модель и методику численных расчетов (универсальная когнитивная аналитическая система "Эйдос").

2.2.5. Задача 4. Описать методику применения выбранного метода для решения поставленной проблемы.

2.2.5.1. Основные этапы методики применения автоматизированного системно-когнитивного анализа

2.2.5.2. Когнитивная структуризация, а затем и формализация предметной области.

2.2.5.3. Ввод данных мониторинга в базу прецедентов (обучающую выборку) за период, в течение которого имеется необходимая информация в электронной форме.

2.2.5.4. Синтез семантической информационной модели (СИМ).