Евгений Вениаминович Луценко
350044, Краснодарский край, г. Краснодар, ул. Калинина, д. 1
Evgeny V. Lutsenko
13, ul. Kalinina, Krasnodar, 35
Никита Сергеевич Головин
г. Нови-Сад, ул. Доситеева, д. 8
Nikita S. Golovin
8, ul. Dositeeva, Novi Sad
Для интеллектуального анализа текстовых, числовых и графических эмпирических данных в различных предметных областях предложены метод автоматизированного системно-когнитивного анализа и его программный инструментарий — интеллектуальная система «Эйдос». Данные метод и инструментарий позволяют на много порядков повысить возможности естественного интеллекта. Они разработаны в универсальной постановке и не зависят от предметной области и конкретной решаемой задачи. Спецификой метода является то, что независимые и зависимые переменные могут формализоваться как в текстовых шкалах (логических, номинальных — категориальных лингвистических переменных — и порядковых), так и в числовых шкалах в различных единицах измерения. При этом метод и инструментарий обеспечивают сопоставимость обработки данных различных типов, представленных в разных типах шкал и единицах измерения путем метризации текстовых шкал, т.е. повышения их степени формализации до уровня числовых шкал. Это достигается путем вычисления количества информации (или других количественных мер знаний), содержащегося в градациях описательных шкал, о переходе объекта моделирования в состояния, описываемые градациями классификационных шкал. Поставлены многочисленные задачи, которые могут решаться с помощью данного метода и инструментария. Основные задачи: 1) когнитивная структуризация предметной области, статичная и динамичная интерпретации классификационных и описательных шкал и градаций; 2) формализация предметной области; 3) синтез статистических и системно-когнитивных моделей, многопараметрическая типизация и частные критерии знаний; 4) верификация моделей; 5) выбор наиболее достоверной модели; 6) системная идентификация и прогнозирование, интегральные критерии знаний; 7) поддержка принятия решений в упрощенном и развитом вариантах; 8) исследование объекта моделирования путем изучения его модели (включает больше 10 подзадач)
In this paper, for the intelligent analysis of textual, numerical and graphical empirical data in various subject areas, a method of Automated system-cognitive analysis and its software tools — the intelligent Eidos system is proposed. A brief description of this method and tools is provided, which practically automate empirical cognition by many orders of magnitude increasing the possibilities of natural intelligence and are developed in a universal formulation, independent of the subject area and the specific task being solved. The specificity of this method is that independent and dependent variables can be formalized both in textual scales (logical, nominal (categorical linguistic variables) and ordinal) and in numerical scales in various units of measurement. At the same time, the method and tools ensure comparability of processing data of different types presented in different types of scales and in different units of measurement by metrizing text scales, i.e., increasing their degree of formalization to the level of numerical scales. This is achieved by calculating the amount of information or other quantitative measures of knowledge contained in the gradations of descriptive scales about the transition of the modeling object to the states described by the gradations of classification scales. The paper sets numerous tasks that can not only be solved using this method and tools, but are also stages of achieving the goal through Automated system-cognitive analysis of the modeling object. Task-1: cognitive structuring of the subject area, static and dynamic interpretation of classification and descriptive scales and gradations; Task-2: formalization of the subject area; Task-3: synthesis of statistical and system-cognitive models, multiparametric typing and particular criteria of knowledge; Task-4: verification of models; Task-5: selection of the most reliable model; Task-6: system identification and forecasting, integral criteria of knowledge; Task-7: decision support in simplified and developed versions; Task-8: the study of a modeling object by examining its model includes more than 10 subtasks.
The authors declare that there are no conflicts of interest present.