Теоретические основы, технология и инструментарий автоматизированного системно-когнитивного анализа и возможности его применения для сопоставимой оценки эффективности вузов

Автоматизированный системно-когнитивный анализ (АСК-анализ) представляет собой новый универсальный метод искусственного интелванный по базовым когнитивным операциям.

Известно, что системный анализ является одним из общепризнанных в науке методов решения проблем и многими учеными рассматривается вообще как метод научного познания. Однако как впервые заметил еще в 1984 году проф. И. П. Стабин на практике применение системного анализа наталкивается на проблему. Суть этой проблемы в том, что обычно системный анализ успешно применяется в сравнительно простых случаях, в которых в принципе можно обойтись и без него, тогда как в действительно сложных ситуациях, когда он чрезвычайно востребован и у него нет альтернатив, сделать это удается гораздо реже. Проф. И. П. Стабин предложил и путь решения этой проблемы, который он видел в автоматизации системного анализа.

О проф. И. П. Стабине, предложившем саму идею автоматизации системного анализа мы уже упомянули выше.

Затем необходимо отметить отечественных классиков системного анализа проф. Ф. И. Перегудова и проф. Ф. П. Тарасенко, которые в ряде основополагающих работ подробно рассмотрели математические методы, которые в принципе могли бы быть применены для автоматизации отдельных этапов системного анализа. Однако даже самые лучшие математические методы не могут быть применены на практике без реализующих их программных систем, а путь от математического метода к программной системе долог и сложен. Для этого необходимо разработать численные методы или методики численных расчетов, реализующие математический метод, а затем разработать программную реализацию системы, основанной на этом численном методе.

В числе первых попыток реальной автоматизации системного анализа следует отметить докторскую диссертацию проф. В. С. Симанкова (2002). Эта попытка была основана на высокой детализации этапов системного анализа и подборе уже существующих программных систем, автоматизирующих эти этапы. Эта попытка была реализована, однако, лишь для специального случая исследования в области возобновляемой энергетики, т.к. системы оказались различных разработчиков, созданные с помощью различного инструментария и не имеющие программных интерфейсов друг с другом, т. е. не образующие единой автоматизированной системы. Эта попытка, безусловно, явилась большим шагом по пути, предложенному проф. И. П. Стабиным, но и ее нельзя признать обеспечившей достижение поставленной им цели (создание автоматизированного системного анализа), т.к. она не привела к созданию единой универсальной программной системы, автоматизирующий системный анализ, которую можно было бы применять в различных предметных областях.

Автоматизированный системно-когнитивный анализ разработан профессором Е. В. Луценко и предложен в 2002 году.

Основная идея, позволившая сделать это, состоит в рассмотрении системного анализа как метода познания (отсюда и «когнитивный» от «cognitio» — знание, познание, лат.). Это позволило структурировать системный анализ не по этапам, как пытались сделать ранее, а по базовым когнитивным операциям (БКОСА), т. е. таким операциям, к комбинациям которых сводятся остальные. Эти операции образуют когнитивный конфигуратор и их оказалось не очень много, всего 10:

• 1) присвоение имен;
• 2) восприятие;
• 3) обобщение (синтез, индукция);
• 4) абстрагирование;
• 5) оценка адекватности модели;
• 6) сравнение, идентификация и прогнозирование;
• 7) дедукция и абдукция; 8) классификация и генерация конструктов;
• 9) содержательное сравнение;
• 10) планирование и принятие решений об управлении.

Каждая из этих операций достаточно элементарна для формализации и программной реализации. автоматизированный когнитивный вуз Автоматизированный системно-когнитивный анализ включает: формализуемую когнитивную концепцию, математическую модель, методику численных расчетов и реализующий их программный инструментарий, в качестве которого в настоящее время выступает универсальная когнитивная аналитическая система «Эйдос» .

Компоненты АСК-анализа:

• — формализуемая когнитивная концепция и следующий из нее когнитивный конфигуратор;
• — теоретические основы, методология, технология и методика АСК-анализа;
• — математическая модель АСК-анализа, основанная на системном обобщении теории информации;
• — методика численных расчетов, в универсальной форме реализующая математическую модель АСК-анализа, включающая иерархическую структуру данных и 24 детальных алгоритма 10 БКОСА;
• — специальное инструментальное программное обеспечение, реализующее математическую модель и численный метод АСК-анализа — Универсальная когнитивная аналитическая система «Эйдос» .

Этапы АСК-анализа:

• 1) когнитивная структуризация предметной области;
• 2) формализация предметной области (конструирование классификационных и описательных шкал и градаций и подготовка обучающей выборки);
• 3) синтез системы моделей предметной области (в настоящее время система «Эйдос» поддерживает 3 статистические модели и 7 моделей знаний);
• 4) верификация (оценка достоверности) системы моделей предметной области;
• 5) повышение качества системы моделей;
• 6) решение задач идентификации, прогнозирования и поддержки принятия решений;
• 7) исследование моделируемого объекта путем исследования его моделей: кластерно-конструктивный анализ классов и факторов; содержательное сравнение классов и факторов; изучение системы детерминации состояний моделируемого объекта, нелокальные нейроны и интерпретируемые нейронные сети прямого счета; построение классических когнитивных моделей (когнитивных карт); построение интегральных когнитивных моделей (интегральных когнитивных карт).

Какие ученые принимали и сейчас принимают участие в разв Работы по АСК-анализу вызывают значительный интерес у научной общественности. Об этом свидетельствуют высокие индексы цитирования ведущих ученых, принимающих участие в развитии АСК-анализа, которые приводятся в порядке убывания:

Метод системно-когнитивного анализа и его программный инструментарий интеллектуальная система «Эйдос» были успешно применены при проведении ряда кандидатских и докторских диссертационных работ в ряде различных предметных областей по экономическим, техническим, психологическим и медицинским наукам. С применением АСК-аналиа проведены исследования и по ним защищены диссертации:

• — 3 докторов экономических наук;
• — 2 доктора технических наук;
• — 4 кандидата психологических наук;
• — 1 кандидата технических наук;
• — 1 кандидата медицинских наук.

В настоящее время в процессе выполнения и выхода на защиту еще несколько диссертаций на соискание ученых степеней кандидатов и докторов экономических наук.

Метод системно-когнитивного анализа и его программный инструментарий интеллектуальная система «Эйдос» были успешно применены при выполнении ряда грантов РФФИ и РГНФ (пронумерованы только одобренные):

РФФИ.

РГНФ.

По проблематике АСК-анализа издано 17 монографий, получено 25 патентов на системы искусственного интеллекта, их подсистемы, режимы и приложения, издано 156 статей в изданиях, входящих в Перечень ВАК РФ. В одном только Научном журнале КубГАУ (входит в Перечень ВАК РФ с 26-го марта 2010 года) опубликовано 129 статей по различным теоретическим и практическим аспектам АСК-анализа общим объёмом 192,875 у.п.л., в среднем 1,495 у.п.л. на одну статью. Суммарный импакт-фактор РИНЦ всех опубликованных в журнале статей = 74,433.

По этим публикациям, грантам и диссертационным работам видно, что АСК-анализ уже успешно применялся в следующих предметных областях и научных направлениях:

• — региональная экономика;
• — отраслевая экономика;
• — экономика предприятий;
• — технические науки — интеллектуальные системы управления в возобновляемой энергетике;
• — технические науки — мелиорация и управление мелиоративными системами;
• — психология личности;
• — психология экстремальных ситуаций;
• — психология профессиональных и учебных достижений;
• — медицинская диагностика;
• — прогнозирование результатов применения агротехнологий;
• — принятие решений по выбору рациональных агротехнологий;
• — геофизика: прогнозирование землетрясений;
• — геофизика: прогнозирование параметров магнитного поля Земли;
• — геофизика: прогнозирование движения полюсов Земли.

Он может применяться во всех областях, в которых для решения своих профессиональных задач специалист использует свой естественный интеллект, профессиональный опыт и компетенцию.

Главный вывод, который, как считают авторы, можно обоснованно сделать на основе вышесказанного, состоит в том, что автоматизированный системно-когнитивный анализ имеет все основные признаки нового перспективного междисциплинарного научного направления в рамках системного анализа.

Авторы научных работ по АСК-анализу всегда размещали их в свободном открытом доступе, чем не преминули воспользоваться плагиаторы. Лучше всего об этом написано в статье «Групповой плагиат: от студента до министра». Чтобы найти многочисленные «труды» плагиаторов, включая диссертации, достаточно в Internet в любой поисковой системе сделать запрос, например: «Коэффициенты эмерджентности Хартли, Харкевича, Шеннона», которые автор системной теории информации (СТИ) проф. Е. В. Луценко назвал так в честь этих выдающихся ученых в области теории информации. Причем часто плагиаторы даже не понимают, что сами основоположники и классики теории информации не предлагали этих коэффициентов. Наверное, поэтому они и не считают нужным делать ссылки и пишут, например:

• 1. «По Харкевичу коэффициент эмерджентности определяет степень детерменированности ситемы…» (подчеркнуто нами, авт., в цитате сохранены орфографические ошибки плагиатора).
• 2. «Отсюда строится системная численная мера количества информации в ИС на основе оценки эмерджентности системы (по Хартли и Харкевичу)» (выделено плагиатором).

Эти фразы легко найти в Internet. Здесь авторы не считают нужным уделять вопросу о плагиате большего внимания.

Недавно все Российское профессиональное научно-педагогическое сообщество стало свидетелем того, как Министерство образования и науки России начало работу по формированию рейтинга эффективности российских вузов. В этой связи возникает ряд вопросов, аргументированные ответы на которые представляют большой интерес.

Прежде всего, возникает вопрос о том, что понимается под эффективностью вузов? Ведь ясно, что прежде чем оценивать эффективность вузов было бы неплохо, а на самом деле совершенно необходимо, разобраться с тем, что же это такое. Ясно, что по этому поводу существует много различных мнений, которые в различной степени аргументированы или не аргументированы и отражают позиции руководителей образования и науки, профессионального научно-педагогического сообщества и различных слоев населения. По мнению авторов, с научной точки зрения некорректно и неуместно говорить о каких-то критериях оценки эффективности вузов, если не определено само это понятие эффективности, т. е. отсутствует консенсус в профессиональной среде по поводу того, что же это такое. Очевидно, для достижения такого консенсуса в наше время необходимо широкое обсуждение этого вопроса в научной печати, Internet и СМИ.

Когда консенсус профессионального научно-педагогического сообщества по вопросу о том, что такое «эффективность вуза» будет достигнут, на первый план выступает вопрос о том, с помощью какого метода оценивать эту эффективность? Для авторов вполне очевидно, что этот метод должен представлять собой какой-то вариант метода многокритериальной оценки. Это обусловлено просто тем, что такие сложные и многофакторные системы как вузы в принципе невозможно оценивать по одному показателю или критерию. Чтобы обоснованно выбрать метод оценки эффективности вузов необходимо сначала научно обосновать требования к нему, а затем составить рейтинг методов по степени соответствия обоснованным требованиям и выбрать метод, наиболее удовлетворяющий обоснованным требованиям.

Когда метод оценки эффективности вузов выбран, необходимо ответить на вопрос о том, на основе каких критериев оценивать эффективность вузов и какой исходной информацией о вузах для этого необходимо располагать? Ясно, что эти критерии в общем случае могут иметь как количественную, так и качественную природу и могут измеряться в различных единицах измерения. Кроме того эти критерии могут иметь различную силу и направление влияния на оценку эффективности вузов. Конечно, возникают вопросы как о способе определения системы критериев эффективности вуза, так и о способе определения силы и направления влияния критериев на оценку эффективности вузов. Но еще более существенным является вопрос: «О способе сопоставимого сведения разнородных по своей природе и измеряемых в различных единицах измерения частных критериев эффективности в один количественный интегральный критерий эффективности вуза».

Автоматизированный системно-когнитивный анализ является одним из современных методов, который предоставляет научно обоснованные ответы на все эти вопросы, но самое существенное, что он оснащен широко и успешно апробированным [1−51] универсальным программным инструментарием, позволяющим решить эти вопросы не только на теоретическом концептуальном уровне, но и практически. Очень важно, что этот инструментарий и методики его использования для решения сформулированных задач могут быть доступны всем заинтересованным сторонам не только на федеральном уровне, но в самих вузах, что позволит им осуществлять аудиторскую самооценку и видеть свое место и динамику среди других вузов. Это позволит руководителям вузов принимать более осознанные и научно обоснованные решения, направленные на повышение эффективности и рейтинга их вуза. Конечно, для реализации на практике регулярного рейтингового анализа вузов необходимо создание соответствующей достаточно разветвленной инфраструктуры. Однако более подробное и конкретное рассмотрение связанных с этим вопросов далеко выходит за рамки данной работы.

Монографии.

• 1. Луценко Е. В. Универсальная автоматизированная система распознавания образов «Эйдос» (версия 4.1).-Краснодар: КЮИ МВД РФ, 1995. 76с.
• 2. Луценко Е. В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов «ЭЙДОС-5.1»). — Краснодар: КЮИ МВД РФ, 1996. — 280с.
• 3. Симанков В. С., Луценко Е. В. Адаптивное управление сложными системами на основе теории распознавания образов. Монография (научное издание). — Краснодар: ТУ КубГТУ, 1999. — 318с.
• 4. Симанков В. С., Луценко Е. В., Лаптев В. Н. Системный анализ в адаптивном управлении: Монография (научное издание). /Под науч. ред. В. С. Симанкова. — Краснодар: ИСТЭК КубГТУ, 2001. — 258с.
• 5. 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.
• 6. Луценко Е. В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности 351 400 «Прикладная информатика (по отраслям)». — Краснодар: КубГАУ. 2004. — 633 с.
• 7. Луценко Е. В., Лойко В. И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). — Краснодар: КубГАУ. 2005. — 480 с.
• 8. Луценко Е. В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности «Прикладная информатика (по областям)» и другим экономическим специальностям. 2-е изд., перераб. и доп.- Краснодар: КубГАУ, 2006. — 615 с.
• 9. Луценко Е. В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие для студентов специальности «Прикладная информатика (по областям)» и другим экономическим специальностям. 2-е изд., перераб. и доп. — Краснодар: КубГАУ, 2006. — 318с.
• 10. Наприев И. Л., Луценко Е. В., Чистилин А. Н. Образ-Я и стилевые особенности деятельности сотрудников органов внутренних дел в экстремальных условиях. Монография (научное издание). — Краснодар: КубГАУ. 2008. — 262 с.
• 11. 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.
• 12. Трунев А. П., Луценко Е. В. Астросоциотипология: Монография (научное издание). — Краснодар: КубГАУ, 2008. — 264 с.
• 13. Луценко Е. В., Коржаков В. Е., Лаптев В. Н. Теоретические основы и технология применения системно-когнитивного анализа в автоматизированных системах обработки информации и управления (АСОИУ) (на примере АСУ вузом): Под науч. ред. д.э.н., проф. Е. В. Луценко. Монография (научное издание). — Майкоп: АГУ. 2009. — 536 с.
• 14. Луценко Е. В., Коржаков В. Е., Ермоленко В. В. Интеллектуальные системы в контроллинге и менеджменте средних и малых фирм: Под науч. ред. д.э.н., проф. Е. В. Луценко. Монография (научное издание). — Майкоп: АГУ. 2011. — 392 с.
• 15. Наприев И. Л., Луценко Е. В. Образ-я и стилевые особенности личности в экстремальных условиях: Монография (научное издание). — Saarbrucken, Germany: LAP Lambert Academic Publishing GmbH & Co. KG,. 2012. — 262 с. Номер проекта: 39 475, ISBN: 978−3-8473−3424−8
• 16. Трунев А. П., Луценко Е. В. Автоматизированный системно-когнитивный анализ влияния факторов космической среды на ноосферу, магнитосферу и литосферу Земли: Под науч. ред. д.т.н., проф. В. И. Лойко. Монография (научное издание). — Краснодар, КубГАУ. 2012. — 480 с. ISBN 978−5-94 672−519−4
• 17. Трубилин А. И., Барановская Т. П., Лойко В. И., Луценко Е. В. Модели и методы управления экономикой АПК региона. Монография (научное издание). — Краснодар: КубГАУ. 2012. — 528 с. ISBN 978−5-94 672−584−2

Статьи.

• 18. Луценко Е. В. Количественные меры возрастания эмерджентности в процессе эволюции систем (в рамках системной теории информации) / Е. В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2006. — № 05(21). С. 355 — 374. — Шифр Информрегистра: 420 600 012 089. — Режим доступа: http://ej.kubagro.ru/2006/05/pdf/31.pdf, 1,25 у.п.л., импакт-фактор РИНЦ=0,577
• 19. Луценко Е. В. Метод визуализации когнитивных функций — новый инструмент исследования эмпирических данных большой размерности / Е. В. Луценко, А. П. Трунев, Д. К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2011. — № 03(67). С. 240 — 282. — Шифр Информрегистра: 421 100 012 077. — Режим доступа: http://ej.kubagro.ru/2011/03/pdf/18.pdf, 2,688 у.п.л., импакт-фактор РИНЦ=0,577
• 20. Луценко Е. В. Типовая методика и инструментарий когнитивной структуризации и формализации задач в СК-анализе / Е. В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2004. — № 01(3). С. 388 — 414. — Режим доступа: http://ej.kubagro.ru/2004/01/pdf/16.pdf, 1,688 у.п.л., импакт-фактор РИНЦ=0,577
• 21. Луценко Е. В. Методологические аспекты выявления, представления и использования знаний в АСК-анализе и интеллектуальной системе «Эйдос» / Е. В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2011. — № 06(70). С. 233 — 280. — Шифр Информрегистра: 421 100 012 197. — Режим доступа: http://ej.kubagro.ru/2011/06/pdf/18.pdf, 3 у.п.л., импакт-фактор РИНЦ=0,577
• 22. Луценко Е. В. Метод когнитивной кластеризации или кластеризация на основе знаний (кластеризация в системно-когнитивном анализе и интеллектуальной системе «Эйдос») / Е. В. Луценко, В. Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2011. — № 07(71). С. 528 — 576. — Шифр Информрегистра: 421 100 012 253. — Режим доступа: http://ej.kubagro.ru/2011/07/pdf/40.pdf, 3,062 у.п.л., импакт-фактор РИНЦ=0,577
• 23. Луценко Е. В. Решение обобщенной задачи о назначениях в системно-когнитивном анализе / Е. В. Луценко, В. Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2009. — № 07(51). С. 83 — 108. — Шифр Информрегистра: 420 900 012 070. — Режим доступа: http://ej.kubagro.ru/2009/07/pdf/04.pdf, 1,625 у.п.л., импакт-фактор РИНЦ=0,577
• 24. Луценко Е. В., Коржаков В. Е. Системно-когнитивный анализ в социологии российского региона. Вестник Адыгейского государственного университета. Серия 1: Регионоведение: философия, история, социология, юриспруденция, политология, культурология. 2008. № 8. С. 185−191.
• 25. Луценко Е. В., Коржаков В. Е. Интеллектуализация — генеральное направление развития информационных технологий. Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки. 2006. № 1. С. 242.
• 26. Луценко Е. В., Коржаков В. Е. Количественные меры уровня системности и степени детерминированности в рамках сти технологий. Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки. 2006. № 4. С. 169.

Свидетельства.

• 27. Луценко Е. В., Шульман Б. Х. Универсальная автоматизированная система анализа и прогнозирования ситуаций на фондовом рынке «ЭЙДОС-фонд». Свидетельство РосАПО № 940 334. Заяв. № 940 336. Опубл. 23.08.94. — 50с.
• 28. Универсальная автоматизированная система анализа, мониторинга и прогнозирования состояний многопараметрических динамических систем «ЭЙДОС-Т». Свидетельство РосАПО № 940 328. Заяв. № 940 324. Опубл. 18.08.94. — 50с.
• 29. Луценко Е. В., Универсальная автоматизированная система распознавания образов «ЭЙДОС». Свидетельство РосАПО № 940 217. Заяв. № 940 103. Опубл. 11.05.94. — 50с.
• 30. Луценко Е. В., Симанков В. С. Автоматизированная система анализа и прогнозирования состояний сложных систем «Дельта». Пат. № 2 000 610 164 РФ / В. С. Симанков (Россия), Е. В. Луценко (Россия). Заяв. № 2 000 610 164. Опубл. 03.03.2000. — 12 с.
• 31. Луценко Е. В., Драгавцева И. А., Лопатина Л. М. Автоматизированная система мониторинга, анализа и прогнозирования развития сельхозкультур «ПРОГНОЗ-АГРО». Пат. № 2 003 610 433 РФ. Заяв. № 2 002 611 927 РФ. Опубл. от 18.02.2003.
• 32. Луценко Е. В., Драгавцева И. А., Лопатина Л. М. База данных автоматизированной системы мониторинга, анализа и прогнозирования развития сельхозкультур «ПРОГНОЗ-АГРО». Пат. № 2 003 620 035 РФ. Заяв. № 2 002 620 178 РФ. Опубл. от 20.02.2003.
• 33. Луценко Е. В., Универсальная когнитивная аналитическая система «ЭЙДОС». Пат. № 2 003 610 986 РФ. Заяв. № 2 003 610 510 РФ. Опубл. от 22.04.2003.
• 34. Луценко Е. В., Некрасов С. Д. Автоматизированная система комплексной обработки данных психологического тестирования «ЭЙДОС-». Пат. № 2 003 610 987 РФ. Заяв. № 2 003 610 511 РФ. Опубл. от 22.04.2003.
• 35. Луценко Е. В., Драгавцева И. А., Лопатина Л. М., Немоляев А. Н. Подсистема агрометеорологической типизации лет по успешности выращивания плодовых и оценки соответствия условий микрозон выращивания («АГРО-МЕТЕО-ТИПИЗАЦИЯ»). Пат. № 2 006 613 271 РФ. Заяв. № 2 006 612 452 РФ. Опубл. от 15.09.2006.
• 36. Луценко Е. В., Шеляг М. М. Подсистема синтеза семантической информационной модели и измерения ее внутренней дифференциальной и интегральной валидности (Подсистема «Эйдос-м25»). Пат. № 2 007 614 570 РФ. Заяв. № 2 007 613 644 РФ. Опубл. от 11.10.2007.
• 37. Луценко Е. В., Лебедев Е. А. Подсистема автоматического формирования двоичного дерева классов семантической информационной модели (Подсистема «Эйдос-Tree»). Пат. № 2 008 610 096 РФ. Заяв. № 2 007 613 721 РФ. Опубл. от 09.01.2008.
• 38. Луценко Е. В., Трунев А. П., Шашин В. Н. Система типизации и идентификации социального статуса респондентов по их астрономическим показателями на момент рождения «Эйдос-астра» (Система «Эйдос-астра»). Пат. № 2 008 610 097 РФ. Заяв. № 2 007 613 722 РФ. Опубл. от 09.01.2008.
• 39. Луценко Е. В., Лаптев В. Н. Адаптивная автоматизированная система управления «Эйдос-АСА» (Система «Эйдос-АСА»). Пат. № 2 008 610 098 РФ. Заяв. № 2 007 613 722 РФ. Опубл. от 09.01.2008.
• 40. Луценко Е. В., Лебедев Е. А. Подсистема формализации семантических информационных моделей высокой размерности с сочетанными описательными шкалами и градациями (Подсистема «ЭЙДОС-Сочетания»). Пат. № 2 008 610 775 РФ. Заяв. № 2 007 615 168 РФ. Опубл. от 14.02.2008.
• 41. Луценко Е. В., Марченко Н. Н. Драгавцева И.А., Акопян В. С., Костенко В. Г. Автоматизированная система поиска комфортных условий для выращивания плодовых культур (Система «Плодкомфорт»). Пат. № 2 008 613 272 РФ. Заяв. № 2 008 612 309 РФ. Опубл. от 09.07.2008.
• 42. Луценко Е. В., Лойко В. И., Макаревич О. А. Программный интерфейс между базами данных стандартной статистической отчетности агропромышленного холдинга и системой «Эйдос» (Программный интерфейс «Эйдос-холдинг»). Пат. № 2 009 610 052 РФ. Заяв. № 2 008 615 084 РФ. Опубл. от 11.01.2009.
• 43. Луценко Е. В., Драгавцева И. А. Марченко Н. Н Святкина О. А. Овчаренко Л.И. Агроэкологическая система прогнозирования риска гибели урожая плодовых культур от неблагоприятных климатических условий зимне-весеннего периода (Система «ПРОГНОЗ-ЛИМИТ». Пат. № 2 009 616 032 РФ. Заяв. № 2 009 614 930 РФ. Опубл. от 30.10.2009.
• 44. Луценко Е. В., Система решения обобщенной задачи о назначениях (Система «Эйдос-назначения»). Пат. № 2 009 616 033 РФ. Заяв. № 2 009 614 931 РФ. Опубл. от 30.10.2009.
• 45. Луценко Е. В., Система восстановления и визуализации значений функции по признакам аргумента (Система «Эйдос-map»). Пат. № 2 009 616 034 РФ. Заяв. № 2 009 614 932 РФ. Опубл. от 30.10.2009.
• 46. Луценко Е. В., Система количественной оценки различимости символов стандартных графических шрифтов (Система «Эйдос-image»). Пат. № 2 009 616 035 РФ. Заяв. № 2 009 614 933 РФ. Опубл. от 30.10.2009.
• 47. Луценко Е. В., Трунев А. П., Шашин В. Н. Бандык Д.К. Интеллектуальная система научных исследований влияния космической среды на глобальные геосистемы «Эйдос-астра» (ИСНИ «Эйдос-астра»). Пат. № 2 011 612 054 РФ. Заяв. № 2 011 610 345 РФ 20.01.2011. Опубл. от 09.03.2011.
• 48. Луценко Е. В., Шеляг М. М. Программное обеспечение аппаратно-программного комплекса СДС-тестирования по методу профессора В. М. Покровского. Пат. № 2 011 612 055 РФ. Заяв. № 2 011 610 346 РФ 20.01.2011. Опубл. от 09.03.2011.
• 49. Луценко Е. В., Бандык Д. К. Подсистема визуализации когнитивных (каузальных) функций системы «Эйдос» (Подсистема «Эйдос-VCF»). Пат. № 2 011 612 056 РФ. Заяв. № 2 011 610 347 РФ 20.01.2011. Опубл. от 09.03.2011.
• 50. Луценко Е. В., Подсистема агломеративной когнитивной кластеризации классов системы «Эйдос» («Эйдос-кластер»). Пат. № 2 012 610 135 РФ. Заяв. № 2 011 617 962 РФ 26.10.2011. Опубл. От 10.01.2012.
• 51. Луценко Е. В., Универсальная когнитивная аналитическая система «ЭЙДОС-X++». Пат. № 2 012 619 610 РФ. Заявка № 2 012 617 579 РФ от 10.09.2012. Зарегистр. 24.10.2012.