Main
   Books and chapters
    -  Data Mining in Finance
    - 
Scientific Discovery and
       Computational Cognition

   Presentations and Video
   Ontological Data Mining
    -  Approach
    -  Theory and methods
     - Comparisons with
      other methods

   Computational Cognition
    -  Prediction problem
    -  Mearsurement theory
    -  Probabilistic formal
      concepts

    -  Induction problem
    -  Natural classification
   Cognitive models
    - 
Principals
    -  Functional systems
      theory

    -  Computer models
    -  Perception
   Applications
    -  Financial forecasting
    -  Bioinformatics
    -  Medicine
    -  Forensic Accounting
    -  Other
   Projects
   Lectures and school-book
   Authors
    -  Evgenii Vityaev
    -  Boris Kovalerchuk


Рейтинг@Mail.ru

Last updated 07/05/2020

КОМПЬЮТЕРНОЕ ПОЗНАНИЕ

Познание - совокупность процессов, процедур и методов приобретения знаний о явлениях и закономерностях объективного мира.   (ВикипедиЯ)

НАУЧНЫЙ МЕТОД  : Важными элементами научного метода являются следующие четыре шага, повторяемые итеративно и рекурсивно:
  • 1. Наблюдения (описания, измерения)
  • 2. Гипотеза (теория, гипотетическое объяснение наблюдений и измерений)
  • 3. Предсказания (логические следствия из гипотезы)
  • 4. Эксперимент (опыты, проверяющие описанные шаги)   (ВикипедиЯ)

    КОМПЬЮТЕРНОЕ ПОЗНАНИЕ  :  Компьютерная реализация научного метода познания, которая включает в себя также компьютерную реализацию человеческих методов познания исследуемых в направлении Computational Cognition - компьютерное моделирование человеческого обучения и вывода. Обнаружение логики, скрывающейся за каждодневными индуктивными выводами: конструированием перцептивных репрезентаций, обнаружением смысла и содержания в восприятии, понятий и смысла слов, определением близости, репрезентативности и сходства, предсказанием будущего.

    Монография посвященная компьютерному познанию

    Витяев Е.Е.  Извлечение знаний из данных. Компьютерное познание. Модели когнитивных процессов., Новосибирск, НГУ, 2006. 293с.

    ОГЛАВЛЕНИЕ

    ПРЕДИСЛОВИЕ
    ВВЕДЕНИЕ

    § 1. Методология познания, вытекающая из теории измерений
    § 2. Процесс познания, основанный на теории измерений
    § 3. Логический путь познания предметной области
    § 4. Проблемы извлечения знаний и теорий
    § 5. Реляционный подход к извлечению знаний - реализация логического пути познания
    § 6. Применения реляционного подхода к извлечению знаний из данных в финансовом прогнозировании, медицине и биоинформатике

    ГЛАВА 1. ЛОГИЧЕСКИЙ АНАЛИЗ ДАННЫХ И ЗАКОНОВ.

    § 7. Основные понятия и проблемы теории измерений
    § 8. Эмпирические аксиоматические теории и теория измерений
    § 9. Представление известных типов данных в эмпирических аксиоматических теориях
    § 10. Критический анализ методов анализа данных
    § 11. Представление законов в теории измерений
    § 12. Теория физических структур
    § 13. Соотношение между физической структурой ранга (2,2) и аддитивной соединительной структурой
    § 14. Алгебраическое и конструктивное представления физической структуры ранга (2,2)
    § 15. Конструктивные числовые представления величин
    § 16. Взаимосвязь конструктивного и числового представлений
    § 17. Примеры конструктивных представлений величин
    § 18. Конструктивное числовое представление процедур шкалирования для экстенсивных величин

    ГЛАВА 2. ПРОЦЕСС ПОЗНАНИЯ, ОСНОВАННЫЙ НА ТЕОРИИ ИЗМЕРЕНИЙ.

    § 19. Универсальная аксиоматизируемость экспериментальной зависимости
    § 20. Общая формулировка метода обнаружения экспериментальной зависимости.
    § 21. Что такое закон
    § 22. Понятие эксперимента. Определение закона на множестве экспериментов
    § 23. События и вероятности событий
    § 24. Определение вероятностного закона на Exp
    § 25. Обобщение понятия вероятностного закона и эксперимента на случай данных с шумами
    § 26. Тестирование систем аксиом в условиях шумов
    § 27. Сохраняющий двоичный шум

    ГЛАВА 3. ЛОГИЧЕСКИЙ ПУТЬ ПОЗНАНИЯ. ПРОБЛЕМА ПРЕДСКАЗАНИЯ.

    § 28. Знание и познание
    § 29. Индуктивно-статистический вывод
    § 30. Семантический вероятностный вывод.
    § 31. Требование максимальной специфичности
    § 32. Решение проблемы статистической двусмысленности
    § 33. Проблема логического вывода
    § 34. Эрбрановы модели. Вероятностная модель данных.
    § 35. Логические программы.
    § 36. Оценки вероятностей и условных вероятностей запросов.
    § 37. Вероятностные оценки запросов
    § 38. Детерминированные закономерности.
    § 39. Вероятностные закономерности.
    § 40. Предсказание и индуктивный синтез логических программ
    § 41. Вероятностный семантический вывод
    § 42. Взаимосвязь вероятностного и логического выводов

    ГЛАВА 4. РЕЛЯЦИОННЫЙ ПОДХОД К ИЗВЛЕЧЕНИЮ ЗНАНИЙ ИЗ ДАННЫХ

    § 43. Логический анализ методов извлечения знаний
    § 44. Реляционный подход к извлечению знаний
    § 45. Программная система извлечения знаний "Discovery"
    § 46. Метод обнаружения вероятностных законов

    ГЛАВА 5. ПРИЛОЖЕНИЯ РЕЛЯЦИОННОГО ПОДХОДА В ФИНАНСАХ

    § 47. Применение реляционного подхода в финансовом прогнозировании
    § 48. Преобразование числовых данных в отношения
    § 49. Гипотезы и вероятностные законы
    § 50. Марковские цепи как "вероятностные законы" в финансах
    § 51. Процедура обучения
    § 52. Метод прогноза
    § 53. Эксперимент 1
    § 54. Качество предсказания для конкретной закономерности
    § 55. Эксперимент 2
    § 56. Сравнение качества системы Discovery с другими методами
    § 57. Сравнение со стратегией buy-and-hold
    § 58. Результаты сравнения с другими методами
    § 59. Выводы из финансовых приложений

    ГЛАВА 6. ПРИЛОЖЕНИЯ РЕЛЯЦИОННОГО ПОДХОДА В МЕДИЦИНЕ.

    § 60. Диагностика рака груди. Постановка задачи
    § 61. Метод извлечения диагностических правил из эксперта
    § 62. Свойство монотонности
    § 63. Обнаружение диагностических правил на данных
    § 64. Правила, извлеченные из эксперта
    § 65. Извлечение правил используя монотонные Булевы функции
    § 66. Сравнение экспертных и извлеченных из данных правил
    § 67. Обсуждение и заключение

    ГЛАВА 7. ПРИЛОЖЕНИЯ РЕЛЯЦИОННОГО ПОДХОДА В БИОИНФОРМАТИКЕ.

    § 68. Задача анализа регуляторных районов ДНК
    § 69. Gene Discovery как технология извлечения знаний из ДНК
    § 70. Комплексные сигналы как олигонуклеотидные паттерны
    § 71. Подготовка данных и предварительный отбор сигналов
    § 72. Анализ найденных комплексных сигналов
    § 73. Распознавание на основе комплексных сигналов
    § 74. Обсуждение

    ГЛАВА 8. ЕСТЕСТВЕННЫЕ КЛАССИФИКАЦИИ И ОНТОЛОГИИ КАК ЗАКОНЫ ПРИРОДЫ

    § 75. Что такое естественная классификация
    § 76. Онтологии и описание предметной области
    § 77. Формальное определение "естественной" классификации и систематики
    § 78. Пример построения систематики
    § 79. Применение в биоинформатике

    ГЛАВА 9. ПРИНЦИПЫ РАБОТЫ МОЗГА И МОДЕЛИ КОГНИТИВНЫХ ПРОЦЕССОВ

    § 80. Принципы и основания естественно-научных теорий.
    § 81. Понятия задачи, цели и результата
    § 82. Теория функциональных систем работы мозга
    § 83. Целенаправленная деятельность в ТФС и парадокс цели
    § 84. Информационная теория эмоций П. В. Симонова
    § 85. Потребности и парадокс цели. Синтез принципов целеполагания, вероятностного прогнозирования и предсказания
    § 86. Формальный анализ главного принципа работы мозга.
    § 87. Критика гипотезы суммации возбуждений на единичном нейроне. Новая формальная модель нейрона.
    § 88. Формальная модель работы мозга, основанная на принципе предсказания.
    § 89. Объяснение теории функциональных систем.
    § 90. Модель теории функциональных систем П. К. Анохина

    БИБЛИОГРАФИЧЕСКИЙ СПИСОК