Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта [Е. В. Луценко] (doc) читать постранично, страница - 2

СТИ 26
1.2.6. Матрица абсолютных частот 27
1.2.7. Матрица информативностей 28
1.2.8. Неметрический интегральный критерий сходства, основанный на лемме Неймана-Пирсона 30
1.2.9. Связь системной меры целесообразности информации с критерием 2 31
1.2.10. Оценка адекватности семантической информационной модели в СК-анализе и бутстрепные методы 32
1.2.11. Непараметричность модели. Робастные процедуры и фильтры для исключения артефактов 33
1.3. Методика численных расчетов СК-анализа 34
1.3.1. Детальный список БКОСА и их алгоритмов 34
1.3.2. Иерархическая структура данных семантической информационной модели СК-анализа 35
1.4. Специальный программный инструментарий СК-анализа – система "Эйдос" 36
1.4.1. Цели и основные функции системы "Эйдос" 36
1.4.1.1. Синтез содержательной информационной модели предметной области 38
1.4.1.2. Идентификация и прогнозирование состояния объекта управления, выработка управляющих воздействий 38
1.4.1.3. Углубленный анализ содержательной информационной модели предметной области 38
1.4.2. Обобщенная структура системы "Эйдос" 39
ГЛАВА-2. ПРОГНОЗИРОВАНИЕ РЕЗУЛЬТАТОВ ВЫРАЩИВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР И ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО РАЦИОНАЛЬНОМУ ВЫБОРУ АГРОТЕХНОЛОГИЙ 42
2.1. Решение задач прогнозирования и поддержки приянтия решений в растениводстве с применением системы "ЭЙДОС" в 1993-1996 годах 42
2.2. Постановка задачи, синтез и исследование модели прогнозирования урожайности зерновых колосовых и поддержки принятия решений по рациональному выбору агротехнологий 50
2.2.1. Проблематика работы 50
2.2.2. Задача 1. Обосновать требования к методу решения задачи и определить степень соответствия известных методов обоснованным требованиям. 52
2.2.3. Задача 2. Выбрать наиболее подходящий по обоснованным критериям метод решения проблемы. 54
2.2.4. Задача 3. Кратко описать суть выбранного метода. 55
2.2.4.1. Теоретические основы СК-анализа (включая базовую когнитивную концепцию). 55
2.2.4.2. Математическая модель (системная теория информации) и методика численных расчетов СК-анализа (структуры данных и алгоритмы их обработки). 57
2.2.4.3. Специальный программный инструментарий СК-анализа, реализующий математическую модель и методику численных расчетов (универсальная когнитивная аналитическая система "Эйдос"). 58
2.2.4.3.1. Основные функции системы "Эйдос" 58
2.2.4.3.5. Синтез содержательной информационной модели предметной области 59
2.2.4.3.6. Идентификация и прогнозирование состояния объекта управления, выработка управляющих воздействий 59
2.2.4.3.7. Углубленный анализ содержательной информационной модели предметной области 59
2.2.4.3.8. Обобщенная структура системы "Эйдос" 60
2.2.5. Задача 4. Описать методику применения выбранного метода для решения поставленной проблемы. 62
2.2.5.1. Основные этапы методики применения автоматизированного системно-когнитивного анализа 63
2.2.5.2. Когнитивная структуризация, а затем и формализация предметной области. 64
2.2.5.3. Ввод данных мониторинга в базу прецедентов (обучающую выборку) за период, в течение которого имеется необходимая информация в электронной форме. 67
2.2.5.4. Синтез семантической информационной модели (СИМ). 71
2.2.5.5. Оптимизация СИМ. 72
2.2.5.6. Проверка адекватности СИМ (измерение внутренней и внешней, дифференциальной и интегральной валидности). 72
2.2.5.7. Решение задач идентификации состояний объекта управления, прогнозирования и поддержки принятия решений по управлению с применением СИМ. 77
2.2.5.7.1. Задача прогнозирования 77
2.2.5.7.2. Задача поддержки принятия решений 81
2.2.5.8. Системно-когнитивный и кластерно-конструктивный анализ СИМ. 85
2.2.5.8.1. Задача выявления силы и направления влияния факторов 85
2.2.5.8.2. СК-анализ, как метод вариабельных контрольных групп 87
2.2.5.8.3. Семантические сети классов и факторов. 88
2.2.5.8.4. Когнитивные диаграммы классов и факторов. 91
2.2.5.8.5. Когнитивные карты (классические и интегральные). 95
2.2.6. Задача 5. Описать результаты применения методики (эффективность, научные результаты и выводы, практические рекомендации). 97
2.2.7. Задача 6. Рассмотреть ограничения метода и методики его применения, перспективы их развития и использования. 99
ГЛАВА-3. ПОСТАНОВКА АГРОМЕТЕОРОЛОГИЧЕСКИХ ЗАДАЧ ВЫБОРА МИКРОЗОН И КУЛЬТУР ДЛЯ ВЫРАЩИВАНИЯ 100
3.1. Актуальность исследования 100
3.2. Общие положения 101
3.3. Основная задача исследования и этапы ее решения 101
3.3.1. Этап 1-й: выявление причинно-следственных зависимостей между метеоусловиями и результатами выращивания сельскохозяйственных культур 103
3.3.2. Этап 2-й: использование знания выявленных причинно-следственных зависимостей для прогнозирования количественных и качественных результатов выращивания заданной культуры в конкретном пункте выращивания 105
3.4. Формальная постановка частных и обеспечивающих задач 106
3.4.1. Задача 1.1 106
3.4.1.1. Исходные данные 106
3.4.1.2. Алгоритм решения 106
3.4.1.3. Результат решения 107
3.4.2. Задача 1.2 107
3.4.2.1. Исходные данные 107
3.4.2.2. Алгоритм решения 108
3.4.2.3. Результат решения 108
3.4.3. Задача