Прогнозирование и принятие решений по выбору агротехнологий в зерновом производстве с применением методов искусственного интеллекта (на примере СК-анализа) [Ксения Николаевна Горпинченко] (doc) читать постранично
- Прогнозирование и принятие решений по выбору агротехнологий в зерновом производстве с применением методов искусственного интеллекта (на примере СК-анализа) 12.01 Мб скачать: (doc) - (doc+fbd) читать: (полностью) - (постранично) - Ксения Николаевна Горпинченко - Евгений Вениаминович Луценко
Книга в формате doc! Изображения и текст могут не отображаться!
[Настройки текста] [Cбросить фильтры]
- 1
- 2
- 3
- . . .
- последняя (32) »
МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ
ФГБОУ ВПО «КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ»
К.Н. ГОРПИНЧЕНКО, Е.В. ЛУЦЕНКО
ПРОГНОЗИРОВАНИЕ И ПРИНЯТИЕ РЕШЕНИЙ ПО ВЫБОРУ АГРОТЕХНОЛОГИЙ В ЗЕРНОВОМ ПРОИЗВОДСТВЕ С ПРИМЕНЕНИЕМ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
(на примере СК-анализа)
КРАСНОДАР 2013
УДК 005.521:633.1]:004.8
ББК 65.9(2) 325.1
РЕЦЕНЗЕНТЫ:
Е. В. Попова
доктор экономических наук, профессор
заведующий кафедрой информационных технологий
(Кубанский государственный аграрный университет)
М. М. Левкевич
доктор экономических наук, профессор
(Сибирская академия финансов и банковского дела)
Горпинченко К.Н., Луценко Е.В.
Г 67 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
В монографии создана и исследована интеллектуальная модель, характеризующая влияние на хозяйственные, энергетические и финансово-экономические результаты в зерновом производстве всех видов факторов: природных, агротехнологических, энергетических и финансово-экономических. Решена проблема научно-обоснованного, эффективного прогнозирования результатов и принятия управленческих решений по выбору агротехнологий, обеспечивающих желаемый результат.
Книга рассчитана для слушателей дополнительного агрономического образования, преподавателей и научных сотрудников, интересующихся интеллектуальными информационными технологиями, специалистов и руководителей агрономической службы, а также для студентов очной и (заочной) форм обучения соответствующих специальностей.
Сп. лит. 71 наим., рис. 23, табл. 11.
ISBN 978-5-94672-644-3
© К.Н. Горпинченко, Е.В. Луценко, 2013
© ФГБОУ ВПО «Кубанский государственный аграрный университет», 2013
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 5
ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ИННОВАЦИЙ В ЗЕРНОВОМ ПРОИЗВОДСТВЕ 9
1.1 Экономическое содержание инновационной проблематики в растениеводстве 9
1.2 Факторы инновационного развития производства зерна 25
1.3 Агротехнологии как главный фактор развития зернового хозяйства 33
ГЛАВА 2 ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ 42
2.1 Введение в интеллектуальные системы 42
2.2 Основные предпосылки СК-анализа 49
ГЛАВА 3 ТЕОРЕТИЧЕСКОЕ И МЕТОДОЛОГИЧЕСКОЕ ОПИСАНИЕ СК-АНАЛИЗА 54
3.1 Теоретическое описание СК-анализа 54
3.2 Методика численных расчетов СК-анализа 67
3.3 Методика применения СК-анализа и программный инструментарий системы «Эйдос – Х++» 90
ГЛАВА 4 СИНТЕЗ СИСТЕМНО-КОГНИТИВНОЙ МОДЕЛИ ПРИРОДНО-ЭКОНОМИЧЕСКОЙ СИСТЕМЫ И ЕЕ ИСПОЛЬЗОВАНИЕ ДЛЯ ПРОГНОЗИРОВАНИЯ И УПРАВЛЕНИЯ В ЗЕРНОВОМ ПРОИЗВОДСТВЕ 96
4.1 Преобразование эмпирических данных в информацию 96
4.2 Прогнозирование и поддержка принятия решений 101
4.3 Исследование объекта моделирования путем исследования его модели 108
ЗАКЛЮЧЕНИЕ 130
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 132
ПРИЛОЖЕНИЯ 142
Приложение 1. Таблица – Общая структура универсальной когнитивной аналитической системы «Эйдос-Х++» (текущей версии) 142
Приложение 2. Таблица – Кодирование классификационных шкал 152
Приложение 3. Таблица – Кодирование классов (градаций классификационных шкал, результатов прогнозирования) 153
Приложение 4. Таблица – Кодировка описательных шкал (факторов) 154
Приложение 5. Таблица – Кодировка градаций описательных шкал (значений факторов) 155
Приложение 6. Таблица – Измерение адекватности семантической информационной модели (INF3) 164
Приложение 7. Когнитивные диаграммы классов 168
Приложение 8. Когнитивные функции влияния факторов на классы 172
ВВЕДЕНИЕ
В России традиционно решение продовольственной проблемы зависит от уровня развития зернового хозяйства, которое определяет состояние аграрной сферы экономики, социально-политическую и экономическую стабильность в стране, ее продовольственную безопасность.
Переход зернового производства России на инновационный путь развития является одним из важнейших приоритетов, зафиксированных в стратегии инновационного развития агропромышленного комплекса Российской Федерации на период до 2020 года.
Цель Стратегии – повышение темпов роста производства, экономической эффективности и конкурентоспособности российских товаропроизводителей, позволяющие обеспечить продовольственную безопасность страны.
В растениеводстве инновации представляют собой реализацию в хозяйственную практику результатов исследований и разработок в виде новых сортов, новых или улучшенных продуктов питания, материалов, новых технологий в производстве и перерабатывающей промышленности, новых удобрений и средств защиты, новой техники, новых форм организации и управления различными сферами экономики, позволяющих повысить экономическую, экологическую и социальную эффективность производства.
Существовавшие при плановой экономике
ФГБОУ ВПО «КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ»
К.Н. ГОРПИНЧЕНКО, Е.В. ЛУЦЕНКО
ПРОГНОЗИРОВАНИЕ И ПРИНЯТИЕ РЕШЕНИЙ ПО ВЫБОРУ АГРОТЕХНОЛОГИЙ В ЗЕРНОВОМ ПРОИЗВОДСТВЕ С ПРИМЕНЕНИЕМ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
(на примере СК-анализа)
КРАСНОДАР 2013
УДК 005.521:633.1]:004.8
ББК 65.9(2) 325.1
РЕЦЕНЗЕНТЫ:
Е. В. Попова
доктор экономических наук, профессор
заведующий кафедрой информационных технологий
(Кубанский государственный аграрный университет)
М. М. Левкевич
доктор экономических наук, профессор
(Сибирская академия финансов и банковского дела)
Горпинченко К.Н., Луценко Е.В.
Г 67 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
В монографии создана и исследована интеллектуальная модель, характеризующая влияние на хозяйственные, энергетические и финансово-экономические результаты в зерновом производстве всех видов факторов: природных, агротехнологических, энергетических и финансово-экономических. Решена проблема научно-обоснованного, эффективного прогнозирования результатов и принятия управленческих решений по выбору агротехнологий, обеспечивающих желаемый результат.
Книга рассчитана для слушателей дополнительного агрономического образования, преподавателей и научных сотрудников, интересующихся интеллектуальными информационными технологиями, специалистов и руководителей агрономической службы, а также для студентов очной и (заочной) форм обучения соответствующих специальностей.
Сп. лит. 71 наим., рис. 23, табл. 11.
ISBN 978-5-94672-644-3
© К.Н. Горпинченко, Е.В. Луценко, 2013
© ФГБОУ ВПО «Кубанский государственный аграрный университет», 2013
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 5
ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ИННОВАЦИЙ В ЗЕРНОВОМ ПРОИЗВОДСТВЕ 9
1.1 Экономическое содержание инновационной проблематики в растениеводстве 9
1.2 Факторы инновационного развития производства зерна 25
1.3 Агротехнологии как главный фактор развития зернового хозяйства 33
ГЛАВА 2 ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ 42
2.1 Введение в интеллектуальные системы 42
2.2 Основные предпосылки СК-анализа 49
ГЛАВА 3 ТЕОРЕТИЧЕСКОЕ И МЕТОДОЛОГИЧЕСКОЕ ОПИСАНИЕ СК-АНАЛИЗА 54
3.1 Теоретическое описание СК-анализа 54
3.2 Методика численных расчетов СК-анализа 67
3.3 Методика применения СК-анализа и программный инструментарий системы «Эйдос – Х++» 90
ГЛАВА 4 СИНТЕЗ СИСТЕМНО-КОГНИТИВНОЙ МОДЕЛИ ПРИРОДНО-ЭКОНОМИЧЕСКОЙ СИСТЕМЫ И ЕЕ ИСПОЛЬЗОВАНИЕ ДЛЯ ПРОГНОЗИРОВАНИЯ И УПРАВЛЕНИЯ В ЗЕРНОВОМ ПРОИЗВОДСТВЕ 96
4.1 Преобразование эмпирических данных в информацию 96
4.2 Прогнозирование и поддержка принятия решений 101
4.3 Исследование объекта моделирования путем исследования его модели 108
ЗАКЛЮЧЕНИЕ 130
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 132
ПРИЛОЖЕНИЯ 142
Приложение 1. Таблица – Общая структура универсальной когнитивной аналитической системы «Эйдос-Х++» (текущей версии) 142
Приложение 2. Таблица – Кодирование классификационных шкал 152
Приложение 3. Таблица – Кодирование классов (градаций классификационных шкал, результатов прогнозирования) 153
Приложение 4. Таблица – Кодировка описательных шкал (факторов) 154
Приложение 5. Таблица – Кодировка градаций описательных шкал (значений факторов) 155
Приложение 6. Таблица – Измерение адекватности семантической информационной модели (INF3) 164
Приложение 7. Когнитивные диаграммы классов 168
Приложение 8. Когнитивные функции влияния факторов на классы 172
ВВЕДЕНИЕ
В России традиционно решение продовольственной проблемы зависит от уровня развития зернового хозяйства, которое определяет состояние аграрной сферы экономики, социально-политическую и экономическую стабильность в стране, ее продовольственную безопасность.
Переход зернового производства России на инновационный путь развития является одним из важнейших приоритетов, зафиксированных в стратегии инновационного развития агропромышленного комплекса Российской Федерации на период до 2020 года.
Цель Стратегии – повышение темпов роста производства, экономической эффективности и конкурентоспособности российских товаропроизводителей, позволяющие обеспечить продовольственную безопасность страны.
В растениеводстве инновации представляют собой реализацию в хозяйственную практику результатов исследований и разработок в виде новых сортов, новых или улучшенных продуктов питания, материалов, новых технологий в производстве и перерабатывающей промышленности, новых удобрений и средств защиты, новой техники, новых форм организации и управления различными сферами экономики, позволяющих повысить экономическую, экологическую и социальную эффективность производства.
Существовавшие при плановой экономике
- 1
- 2
- 3
- . . .
- последняя (32) »
Последние комментарии
25 минут 45 секунд назад
28 минут 57 секунд назад
35 минут 32 секунд назад
46 минут 56 секунд назад
55 минут 57 секунд назад
1 час 1 минута назад