Научные результаты
(технологии, методы и алгоритмы)

Сфера научных интересов
«НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.
» включает
исследование создания,
распространения и использования:
«Информационные технологии»,
«Информатизацию информационных сред
образовательных учреждений
»,
«Архитектуры адаптивных средств обучения»,
«(Когнитивную) информатику»,
«(Когнитивную) психологию»,
«(Когнитивную) лингвистику»,
«Экономическую теорию»,
«Финансовый анализ,
денежное обращение и кредит
»,
«Теоретическую механику»,
«Физическую химию»
и
«Молекулярную биологию».

I. Директор «НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.
»
(при
«ГМО "АКЕН"»)
разработал диссертацию
«Среда автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей
»
на соискание ученой степени
кандидата технических наук
по спец.
05.13.01 – «Системный анализ,
управление и обработка информации
»,
диссертацию
«Технология когнитивного моделирования
для системного анализа
информационно-образовательных сред
»
на соискание ученой степени
доктора технических наук
по спец.
05.13.01 – «Системный анализ,
управление и обработка информации
»
и 19.00.02 «Психофизиология восприятия»
(
19.00.03 – «Психология труда,
инженерная психология и эргономика
»)
и методическое обеспечение
дисциплины
«Информатика»,
осуществлялись фундаментальные
и прикладные исследования
информационной среды
автоматизированного обучения,
удалось осуществить
существенный вклад
в развитие техники
(теории и практики).

На данный момент времени
«НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.
»
(при
«ГМО "АКЕН"»)
получены следующие
теоретические и практические
научные результаты исследования
в области \техники, технологии
и (микро-) системного анализа:

1.1. Исследование среды
автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей,
включая:

· модификации в организации
информационно-образовательной среды
на основе блока параметрических
когнитивных моделей
;

· модификации в технологии
информационно-образовательной среды
на основе блока параметрических
когнитивных моделей
.

1.2. Исследование технологии когнитивного
моделирования
для (микро-) системного анализа
информационно-образовательной среды
и повышения
эффективности функционирования
системы автоматизированного обучения
со свойствами адаптации
на основе блока параметрических
когнитивных моделей,
включая:

· методику ее использования;

· способы (модели) представления
структуры когнитивной модели;

· алгоритм формирования
структуры когнитивной модели;

· методику исследования параметров
когнитивной модели субъекта обучения;

· методику исследования параметров
когнитивной модели средства обучения;

· алгоритм обработки
апостериорных данных тестирования
уровня остаточных знаний
контингента обучаемых
и диагностики индивидуальных
особенностей контингента испытуемых.

1.3. Исследование блока параметрических
когнитивных моделей
как информационной основы
(микро-) системного анализа
информационно-образовательной среды,
включая:

· когнитивную модель субъекта обучения;

· когнитивную модель средства обучения.

1.4. Исследование структуры
комплекса программ
как средств автоматизации
(микро-) системного анализа
информационно-образовательной среды
и повышения
эффективности функционирования
системы автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей,
включая:

· адаптивное средство обучения
(электронный учебник,
электронный лабораторный практикум,
электронный деканат
и электронную библиотеку)
на основе процессора
адаптивной репрезентации
информационных фрагментов;

· основной диагностический модуль;

· прикладной диагностический модуль.

1.5. Исследование статистического обоснования
апостериорных данных
(микро-) системного анализа
информационно-образовательной среды,
включая:

· особенности первичной обработки
апостериорных данных;

· описательные статистики
апостериорных данных исследования
физиологического, психологического
и лингвистического портретов
когнитивных моделей;

· выбор методов
статистического анализа
апостериорных данных
серии экспериментов;

· расчет коэффициентов (показателей)
корреляции;

· расчет коэффициентов (показателей)
ковариации;

· результаты дисперсионного анализа;

· результаты регрессионного анализа;

· результаты дискриминантного анализа;

· результаты многомерного шкалирования;

· результаты иерархического
кластерного анализа;

· результаты факторного анализа.

1.6. Исследование обобщенных результатов
динамики изменения
результативности функционирования
информационно-образовательной среды
и повышения
эффективности функционирования
системы автоматизированного обучения
со свойствами адаптации
на основе блока параметрических
когнитивных моделей.

Разработана концепция исследования интеграции
системы автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей
в информационно-образовательную среду
учреждения системы образования
современного государства.

II. Директор «НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.
»
(при «ГМО "АКЕН"»)
разработал диссертацию
«Технология когнитивного моделирования
для финансового анализа и аудита организации
»
на соискание ученой степени
доктора экономических наук
по спец.
08.00.10 – «Финансы,
денежное обращение и кредит
»,
осуществлялись исследования
предприятий и (кредитных) организаций,
удалось осуществить существенный вклад
в развитие экономики
(теории и практики).

На данный момент времени
«НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.
»
(при
«ГМО "АКЕН"»)
получены следующие
теоретические и практические
научные результаты исследования
в области экономики
и
(микро-) финансового анализа (и аудита):

2.1. Исследование вертикально и горизонтально
интегрированных
организационных структур
предприятия и (кредитной) организации
как хозяйствующих субъектов
экономической системы государства.

2.2. Исследование технологии когнитивного
моделирования
для (микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации,
включая:

· методику ее использования;

· способы (модели) представления
структуры когнитивной модели;

· алгоритм формирования
структуры когнитивной модели;

· методику формирования
нормативно-правовой основы
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации
;

· методику формирования
информационной основы
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации;

· методику дополнительной проверки
информационной основы
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации;

· методику исследования параметров
когнитивной модели для вертикального
финансового анализа (и аудита);

· методику исследования параметров
когнитивной модели для горизонтального
финансового анализа (и аудита);

· методику исследования параметров
когнитивной модели для трендового
финансового анализа (и аудита)
на основе системы
аналитических коэффициентов;

· алгоритм обработки
апостериорных данных
вертикального, горизонтального и трендового
финансового анализа (и аудита),
а также оценки
эффективности функционирования
предприятия и (кредитной) организации
на основе первичных регистров
бухгалтерского учета
и финансового анализа.

2.3. Исследование блока параметрических
когнитивных моделей
как информационной основы
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации,
включая:

· когнитивную модель для вертикального
финансового анализа (и аудита)
предприятия и (кредитной) организации;

· когнитивную модель для горизонтального
финансового анализа (и аудита)
предприятия и (кредитной) организации;

· когнитивную модель для трендового
финансового анализа (и аудита)
предприятия и (кредитной) организации
на основе системы
аналитических коэффициентов.

2.4. Исследование структуры
комплекса программ
как средств автоматизации
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации,
включая:

· средство автоматизации формирования
рабочего плана счетов
на основе нормативно-регламентированного
плана счетов бухгалтерского учета
предприятия и (кредитной) организации;

· средство автоматизации формирования
бухгалтерского баланса
и отчета о прибылях и убытках
предприятия и (кредитной) организации;

· средство автоматизации вертикального
финансового анализа (и аудита)
предприятия и (кредитной) организации;

· средство автоматизации горизонтального
финансового анализа (и аудита)
предприятия и (кредитной) организации;

· средство автоматизации трендового
финансового анализа (и аудита)
предприятия и (кредитной) организации
на основе системы
аналитических коэффициентов.

2.5. Исследование статистического обоснования
апостериорных данных
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации,
включая:

· особенности первичной обработки
апостериорных данных;

· описательные статистики
апостериорных данных
на основе когнитивных моделей
для вертикального, горизонтального
и трендового финансового анализа (и аудита)
на основе системы
аналитических коэффициентов;

· выбор методов
статистического анализа
для обработки апостериорных данных;

· расчет коэффициентов (показателей)
корреляции;

· расчет коэффициентов (показателей)
ковариации;

· результаты дисперсионного анализа;

· результаты регрессионного анализа;

· результаты дискриминантного анализа;

· результаты многомерного шкалирования;

· результаты иерархического
кластерного анализа;

· результаты факторного анализа.

2.6. Исследование обобщенных результатов
динамики изменения результативности
(микро-) финансового анализа (и аудита)
и повышения эффективности
финансово-хозяйственной деятельности
предприятия и (кредитной) организации.

Разработана концепция исследования
(микро-) финансового анализа (и аудита)
организационной структуры
предприятия и (кредитной) организации
на основе технологии когнитивного моделирования
и блока параметрических когнитивных моделей.

III. Директор «НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.
»
(при
«ГМО "АКЕН"»)
разработал диссертацию
«Технология когнитивного моделирования
для сложного анализа
сложных, объектов, процессов и явлений:
ядерные полимеры
»
на соискание ученой степени
доктора физико-математических наук
по спец. 05.13.01 –
«Системный анализ,
управление и обработка информации
»
и 01.02.01 – «Теоретическая механика»
(01.04.15 – «
Физика и технология
нано-структур,
атомная и молекулярная физика
»
и 02.00.04 – «Физическая химия»),
осуществлялись исследования
сложных объектов, процессов и явлений
(много-ядерных плазматических образований –
химических элементов),
удалось осуществить вклад
в развитие теоретической механики
и физико-математических наук
(теории и практики).

На данный момент времени
«НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.
»
(при «ГМО "АКЕН"»)
получены следующие
теоретические и практические
научные результаты исследования
в области теоретической механики
и физико-математических наук
(генезис и практическое использование
когнитивного кольца, когнитивного диска,
когнитивного цилиндра, когнитивного конуса,
когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей):

3.1. Исследование когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей
для (микро-) сложного анализа
сложных объектов, процессов и явлений.

3.2. Исследование технологии когнитивного
моделирования
для (микро-) сложного анализа
на основе когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей,
включая:

· методику ее использования;

· способы (модели) представления
структуры когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;

· алгоритм формирования
структуры когнитивного кольца;

· алгоритм формирования
структуры когнитивного диска;

· алгоритм формирования
структуры когнитивного цилиндра;

· алгоритм формирования
структуры когнитивного конуса;

· алгоритм формирования
структуры когнитивной сферы;

· алгоритм формирования структуры
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;

· методику формирования
нормативно-технической основы
когнитивного кольца, когнитивного диска,
когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;

· методику формирования
информационной основы
когнитивного кольца, когнитивного диска,
когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;

· методику дополнительной проверки
информационной основы
когнитивного кольца, когнитивного диска,
когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей
для (микро-) сложного анализа;

· методику исследования
параметров когнитивной модели
на основе когнитивного кольца;

· методику исследования
параметров когнитивной модели
на основе когнитивного диска;

· методику исследования
параметров когнитивной модели
на основе когнитивного цилиндра;

· методику исследования
параметров когнитивной модели
на основе когнитивного конуса;

· методику исследования
параметров когнитивной модели
на основе когнитивной сферы;

· методику исследования
параметров когнитивной модели
на основе один-, два-, три-, четыре-, пять-
и более когнитивной сферы
и других сложных когнитивных моделей;

· алгоритм обработки
апостериорных данных
(микро-) сложного анализа
сложных объектов, процессов и явлений.

3.3. Исследование блока параметрических
когнитивных моделей
как информационной основы
(микро-) сложного анализа
сложных объектов, процессов и явлений,
включая:

· когнитивную модель
на основе когнитивного кольца;

· когнитивную модель
на основе когнитивного диска;

· когнитивную модель
на основе когнитивного цилиндра;

· когнитивную модель
на основе когнитивного конуса;

· когнитивную модель
на основе когнитивной сферы;

· когнитивную модель
на основе один-, два-, три-, четыре-, пять-
и более когнитивной сферы
и других сложных когнитивных моделей.

3.4. Исследование структуры
комплекса программ
как средств автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений,
включая:

· средство автоматизации
формирования и исследования
на основе когнитивного кольца;

· средство автоматизации
формирования и исследования
на основе когнитивного диска;

· средство автоматизации
формирования и исследования
на основе когнитивного цилиндра;

· средство автоматизации
формирования и исследования
на основе когнитивного конуса;

· средство автоматизации
формирования и исследования
на основе когнитивной сферы;

· средство автоматизации
формирования и исследования на основе
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;

· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивного кольца;

· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивного диска;

· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивного цилиндра;

· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивного конуса;

· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивной сферы;

· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе один-, два-, три-, четыре-, пять-
и более когнитивной сферы
и других сложных когнитивных моделей.

3.5. Исследование статистического обоснования
апостериорных данных
(микро-) сложного анализа
сложных объектов, процессов и явлений,
включая:

· особенности первичной обработки
апостериорных данных;

· описательные статистики
апостериорных данных
на основе когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;

· выбор методов
статистического анализа
для обработки апостериорных данных;

· расчет коэффициентов (показателей)
корреляции;

· расчет коэффициентов (показателей)
ковариации;

· результаты дисперсионного анализа;

· результаты регрессионного анализа;

· результаты дискриминантного анализа;

· результаты многомерного шкалирования;

· результаты иерархического
кластерного анализа;

· результаты факторного анализа.

3.6. Исследование обобщенных результатов
динамики изменения
результативности функционирования
(повышения эффективности)
сложного объекта,
технологического процесса
(технологического задела) или явления.

Разработана концепция исследования
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе технологии когнитивного
моделирования.

Достигнутые научные результаты
(теоретические и практические)

 

ENG

Примечание

Все исследования проводятся и финансируются самостоятельно автором,
любое несанкционированное использование представленных теоретических и практических научных результатов
является контрафактным, поскольку они являются объектом правовой охраны
согласно действующему законодательству на территории РФ и за ее пределами.

 

В случае обнаружения аналогичных научных результатов на конференциях,
в научных статьях, монографиях, книгах и диссертациях
без указания ссылки на автора и исполнителя в лице Ветрова А.Н.
необходимо сообщить срочно на перечисленные электронные адреса, по телефону или посредством почты.

Text Box: «Российской академии (естественных) наук» имени Вениаминова В.Н.
Text Box: «Системного и финансового анализа 
на основе технологии когнитивного моделирования»
Text Box: Научно-исследовательский институт
Text Box: ГМО «Академия когнитивных естественных наук»