Обобщенная структура системы «Эйдос»

Подсистема

Режим.

Функция.

Операция.

1.

Формализация ПО.

1. Классификационные шкалы и градации.

2. Описательные шкалы (и градации).

3. Градации описательных шкал (признаки).

4. Иерархические уровни систем.

1. Уровни классов.

2. Уровни признаков.

5. Программные интерфейсы для импорта данных.

1. Импорт данных из TXT-фалов стандарта DOS-текст.

2. Импорт данных из DBF-файлов стандарта проф. А. Н. Лебедева.

3. Импорт из транспонированных DBF-файлов проф. А. Н. Лебедева.

4. Генерация шкал и обучающей выборки RND-модели.

5. Генерация шкал и обучающей выборки для исследования чисел.

6. Транспонирование DBF-матриц исходных данных.

7. Импорт данных из DBF-файлов стандарта Евгения Лебедева.

8. Системно-когнитивный анализ стандартных графических шрифтов.

9. Микроструктура системы как фактор управления ее макросвойствами.

6. Почтовая служба по НСИ.

1. Обмен по классам.

2. Обмен по обобщенным признакам.

3. Обмен по первичным признакам.

7. Печать анкеты.

2.

Синтез СИМ.

1. Ввод-корректировка обучающей выборки.

2. Управление обучающей выборкой.

1. Параметрическое задание объектов для обработки.

2. Статистическая характеристика, ручной ремонт.

3. Автоматический ремонт обучающей выборки.

3. Синтез семантической информационной модели СИМ.

1. Расчет матрицы абсолютных частот.

2. Исключение артефактов (робастная процедура).

3. Расчет матрицы информативностей СИМ-1 и сделать ее текущей.

4. Расчет условных процентных распределений СИМ-1 и СИМ-2.

5. Автоматическое выполнение режимов 1−2-3−4.

6. Измерение сходимости и устойчивости модели.

1. Сходимость и устойчивость СИМ.

2. Зависимость валидности модели от объема обучающей выборки.

7. Расчет матрицы информативностей СИМ-2 и сделать ее текущей.

8. Расчет стат. характеристик обучающей выборки.

9. Рассчитать БД разн.факт.и теор. хи-квадрат СИМ-3 и сделать ее текущей.

10. Рассчитать матрицу ROI СИМ-4 и сделать ее текущей.

11. Рассчитать все модели: СИМ-1, СИМ-2, СИМ-3, СИМ-4 на основе Abs.dbf.

4. Почтовая служба по обучающей информации.

3.

Оптимизация СИМ.

1. Формирование ортонормированного базиса классов.

2. Исключение признаков с низкой селективной силой.

3. Удаление классов и признаков, по которым недостаточно данных.

4. Разделение классов на типичную и нетипичную части.

5. Генерация сочетанных признаков и перекодирование обучающей выборки.

6. Удаление малодостоверных данных в БД: ABS, PER, INF по критерию хи-квадрат.

4.

Распознавание.

1. Ввод-корректировка распознаваемой выборки.

2. Пакетное распознавание.

3. Вывод результатов распознавания.

1. Разрез: один объект — много классов.

2. Разрез: один класс — много объектов.

4. Почтовая служба по распознаваемой выборке.

5. Построение функций влияния.

6. Докодирование сочетаний признаков в распознаваемой выборке.

7. Назначения объектов на классы (задача о назначениях).

1. Задание ограничений на ресурсы по классам.

2. Ввод затрат на объекты.

3. Назначения объектов на классы (LC-алгоритм).

4. Сравнение эффективности LC и RND алгоритмов.

8. Интерактивная идентификация — последовательный анализ Вальда.

9. Сортировка результатов пакетного распознавания.

5.

Типология.

1. Типологический анализ классов распознавания.

1. Информационные (ранговые) портреты (классов).

2. Кластерный и конструктивный анализ классов.

1 Расчет матрицы сходства образов классов.

2. Генерация кластеров и конструктов классов.

3. Просмотр и печать кластеров и конструктов.

4. Автоматическое выполнение режимов: 1,2,3.

5. Вывод 2d семантических сетей классов.

6. Агломеративная древовидная кластеризация классов.

7. Вывод дерева классов.

3. Когнитивные диаграммы классов.

2. Типологический анализ первичных признаков.

1. Информационные (ранговые) портреты признаков.

2. Кластерный и конструктивный анализ признаков.

1. Расчет матрицы сходства образов признаков.

2. Генерация кластеров и конструктов признаков.

3. Просмотр и печать кластеров и конструктов.

4. Автоматическое выполнение режимов: 1,2,3.

5. Вывод 2d семантических сетей признаков.

3. Когнитивные диаграммы признаков.

3. Подготовка баз данных для визуализации когнитивных функций в SigmaPlot и Excel.

4. Визуализация прямых и обратных, позитивных и негативных когнитивных функций.

6. СК-анализ СИМ.

1. Оценка достоверности заполнения объектов.

2. Измерение адекватности семантической информационной модели.

3. Измерение независимости классов и признаков.

4. Просмотр профилей классов и признаков.

5. Графическое отображение нелокальных нейронов.

6. Отображение Паретто-подмножеств нейронной сети.

7. Классические и интегральные когнитивные карты.

8. Восстановление значений функций по признакам аргумента.

1. Восстановление значений и визуализация 1d-функций.

2. Восстановление значений и визуализация 2d-функций.

3. Преобразование 2d-матрицы в 1d-таблицу с признаками точек.

4. Объединение многих БД: Inp_0001.dbf и т. д. в Inp_data.dbf.

5. Помощь по подсистеме (требования к исходным данным).

7. Сервис.

1. Генерация (сброс) БД.

1. Все базы данных.

2. НСИ.

1. Всех баз данных НСИ.

2. БД классов.

3. БД первичных признаков.

4. БД обобщенных признаков.

3. Обучающая выборка.

4. Распознаваемая выборка.

5. Базы данных статистики.

2. Переиндексация всех баз данных.

3. Печать БД абсолютных частот.

4. Печать БД условных процентных распределений СИМ-1 и СИМ-2.

5. Печать БД информативностей СИМ-1 и СИМ-2.

6. Интеллектуальная дескрипторная информационно-поисковая система.

7. Копирование основных баз данных СИМ.

8. Сделать текущей матрицу информативностей СИМ-1.

9. Сделать текущей матрицу информативностей СИМ-2.

10. Конвертировать все PCX в GIF.

11. Изменение структур БД к текущему стандарту.

12. Сделать текущей матрицу информативностей СИМ-3.

13. Сделать текущей матрицу информативностей СИМ-4.

8. О системе.

1. Графическая заставка системы «Эйдос».

2. Логотипы мультимоделей.