Методический аппарат когнитивного моделирования социально-экономической системы (университета)

Цель исследования. Целью исследования является совершенствование методического аппарата когнитивного моделирования социально-экономических систем (СЭС) и прогнозирования показателей их функционирования и развития, обеспечивающего повышение точности и достоверности получаемых результатов. Существующие модели и методики не в полной мере обеспечивают необходимую точность и достоверность моделей, что требует развития математического аппарата когнитивного моделирования в части повышения качества разрабатываемых когнитивных моделей.

Материалы и методы. Для достижения поставленной цели использованы методы комплексного подхода к решению поставленной задачи, декомпозиции ее на взаимосвязанные этапы, описание содержания каждого этапа в их взаимосвязи и представление обобщенного варианта методики с учетом особенностей объекта исследования. Разработанный подход обеспечивает построение более точной и достоверной когнитивной модели. Показана эффективность разработанного методического аппарата.

Результаты. Проведен детальный анализ существующих критериев и подходов к решению задачи верификации когнитивных моделей, который показал отсутствие единой методики и комплексного подхода в решении задач когнитивного моделирования СЭС на основе когнитивных карт. Разработана совокупность методик, реализующих этапы когнитивного моделирования: методика построения проблемного поля ситуации; методика синтеза когнитивной карты, ее структурно-целевого анализа и анализа системных характеристик, а также методика верификации когнитивной модели.

Заключение. Предложено комплексное решение задачи построения когнитивной модели анализа и прогнозирования деятельности университета, включающее совокупность этапов: этап построения проблемного поля ситуации; идентификации факторов и связей между ними; этапе построения когнитивной карты и ее верификации, а также этап анализа системных характеристик когнитивной модели, валидации когнитивной модели. Разработанный методический аппарат предназначен для получения адекватной модели, обеспечивающей более точные и достоверные результаты моделирования объекта исследования.

1. Авдеева З.К, Коврига С.В., Макаренко Д.И., Максимов В.И. Когнитивный подход в управлении // Проблемы управления. 2007. № 3. С. 2–8.

2. Авдеева З. К., Коврига С. В. Подход к постановке задач управления на когнитивной модели ситуации для стратегического мониторинга // Управление большими системами. 2016. № 5. С. 120–146.

3. Пылькин А.Н., Крошилин А.В., Крошилина С.В. Проектирование систем поддержки принятия решений для оценки состояния здоровья пациентов в условиях неопределенности // Информатика и системы управления. 2010. № 4(26). C. 82–94.

4. Федулов А.С. Нечеткие реляционные когнитивные карты // Известия РАН. Теория и системы управления. 2005. № 1. С. 120–132.

5. Hajeck P., Prochazka O. Interval-Valued Fuzzy Cognitive Maps for Supporting Business Decisions // In Proceedings of IEEE International Conference on Fuzzy Systems. Vancouver, BC, Canada. 2016. С. 531–536.

6. Salmeron J.L. Modelling Grey Uncertainty with Fuzzy Grey Cognitive Maps // Expert Systems with Applications. 2010. Т. 37. № 12. С. 7581–7588.

7. Espinosa M.L., Depaire B., Vanhoof K. Fuzzy Cognitive Maps with Rough Concepts // Proc. of the 9th Intern. Conf. on Artificial Intelligence Applications and Innovations (AIAI’2013). Paphos, Greece. 2013. С. 527–536.

8. Papageorgiou E.I., Iakovidis D.K. Intuitionistic Fuzzy Cognitive Maps // IEEE Trans. on Fuzzy Systems. 2013. Т. 21. № 2. С. 342–354.

9. Carvalho J.P., Tome J.A.B. Rule Based Fuzzy Cognitive Maps: Fuzzy Causal Relations. In: Computational Intelligence for Modeling, Control and Automation: Evolutionary Computation & Fuzzy Logic for Intelligent Control, Knowledge Acquisition & Information Retrieval / Edited by M. Mohammadian, IOS Press. 1999.

10. Miao Y., Liu Z.-Q., Siew Ch.Y. Dynamical Cognitive Network – an Extension of Fuzzy Cognitive Map // IEEE Trans. on Fuzzy Systems. 2001. Т. 9. № 5. С. 760–770.

11. Кузенцов О.П. Когнитивное моделирование слабо структурированных ситуаций [Электрон. ресурс]. Режим доступа: http://posp.raai.org/data/posp2005/Kuznetsov/kuznetsov.html (Дата обращения: 20.10.2021).

12. Eden C. Cognitive mapping // European Journal of Operational Research. 1988. № 36. С. 1–13.

13. Абрамова Н.А., Коврига С.В. Некоторые критерии достоверности моделей на основе когнитивных карт // Проблемы управления. 2008. № 6. С. 23–33.

14. Абрамова Н.А., Коврига С.В. О рисках, связанных с ошибками экспертов и аналитиков // Проблемы управления. 2006. № 6. С. 60–67.

15. Kosko B. Fuzzy Cognitive Maps // International Journal of Man-Machine Studies. 1986. Т. 24. С. 65–75.

16. Силов В.Б. Принятие стратегических решений в нечеткой обстановке. М.: ИНПРО– РЕС, 1995.

17. Кизим Н.А., Хаустова В.Е. Особенности проверки моделей на основе когнитивных карт на устойчивость и достоверность. В кн. Современные подходы к моделированию сложных социально-экономических систем. Харьков: ФЛП Александрова К. М.; ИД «ИНЖЭК», 2011. 280 с.

18. Горелова Г.В., Захарова Е.Н., Гинис Л.А. Когнитивный анализ и моделирование устойчивого развития социально-экономических систем. Ростов-на-Дону: Ростовский государственный университет, 2005. 288 с.

19. Корнеев В.В., Ганеев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: Издательство политики, 2001. 496 с.

20. Борисов В.В., Бычков И.А., Дементьев А.В., Соловьев А.П., Федулов А.С. Компьютерная поддержка сложных организационно-технических систем. М.: Горячая линия – Телеком, 2002. 154 с.

21. Поспелов Д.А. Десять «горячих точек» в исследованиях по искусственному интеллекту // Интеллектуальные системы (МГУ). 1996. Т. 1. № 1(4). C. 47–56.

22. Леденёва Т.М., Моисеев С.А. Формализация свойств интерпретируемых лингвистических шкал и термов нечетких моделей // Прикладная информатика. 2012. № 4(40). С. 126–132.

23. Vallido A., Martin-Guerrero J.D., Lisboa P.J.G. Making machine learning models interpretable // Proc. of European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (25-27 April 2012, Bruges) Belgium: Bruges. 2012. С. 163–172.

24. Yoon B.S., Jetter A.J. Comparative analysis for Fuzzy Cognitive Mapping // Proc. of 2016 Portland Intern. Conf. on Management of Engineering and Technology (PICMET). 2016. С. 1897–190.

25. Özesmi U., Özesmi S. L. Ecological Models Based on People’s Knowledge: a Multi-Step Fuzzy Cognitive Mapping Approach // Ecological Modelling. 2004. № 176. С. 43–64.

26. Kosko B. Fuzzy Engineering. New Jersey: Prentice-Hall. 1997.

27. Aguilar J. Adaptive random fuzzy cognitive maps // Ibero-American Conference on Artificial Intelligence. Springer, Berlin, Heidelberg, 2002. С. 402–410.

28. Kosko B. Neural networks and fuzzy systems: A dynamical systems approach to machine intelligence. 1992. 290 p.

29. Koulouriotis D.E., Diakoulakis I.E., Emiris D.M. Learning fuzzy cognitive maps using evolution strategies: a novel schema for modeling and simulating high-level behavior // Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. No. 01TH8546). 2001. Т. 1. С. 364-371.

30. Аверкин А.Н., Ярушев С.А., Павлов В.Ю. Когнитивные гибридные системы поддержки принятия решений и прогнозирования // Программные продукты и системы. 2017. Т. 30. № 4. С. 632– 642. DOI: 10.15827/0236-235X.030.4.632-642.

31. Ефремова Н.А., Аверкин А.Н., Ярушев С.А. Гибридные нечеткие когнитивные карты в задачах принятия решений и прогнозирования // Программные продукты, системы и алгоритмы. 2017. № 4. С. 1–9.

32. Кулинич А. Компьютерные системы моделирования когнитивных карт: подходы и методы // Проблемы управления. 2010. № 3. С. 2–16.

33. Mikryukov A., Mazurov M. The Task of Improving the University Ranking Based on the Statistical Analysis Methods. In: Hu Z., Petoukhov S., He M. (eds) Advances in Artificial Systems for Medicine and Education IV. AIMEE 2020 // Advances in Intelligent Systems and Computing. Springer, Cham. 2021. Т. 1315. DOI: 10.1007/978-3-030-67133-4_6.

34. Коврига С.В., Телицына Т.А. О методе верификации когнитивных карт, основанном на частных критериях достоверности // XII Всероссийское совещание по проблемам управления ВСПУ-2014 (Москва, 16-19 июня). 2014. С. 4132–4143.

35. Гамазов И. Н., Терехов В. И. Анализ задач, возникающих при создании нечетких когнитивных карт [Электрон. ресурс]. Режим доступа: https://cyberleninka.ru/article/n/analizzadach-voznikayuschih-pri-sozdanii-nechetkihkognitivnyh-kart. (Дата обращения: 20.02.2022).