Научные результаты
(технологии, методы и алгоритмы)

Сфера научных интересов
«НОЦ "СФА ТКМ"
"РАМН" им. акад. Бурденко Н.Н.
» включает:
клиническую медицину
(14.01.00),
профилактическую медицину (14.02.00),
медико-биологические науки (14.03.00),
фармацевтические науки (14.04.00),
химические науки в медицине (02.00.00),
биологические науки в медицине (03.00.00),
психологические науки в медицине (19.00.00),
физико-математические науки
в медицине (01.02.00),
технические науки в медицине (05.00.00),
экономические науки в медицине (08.00.00),
в частности: (микроскопический)
системный анализ и управление,
информационные технологии,
информационно-образовательные среды,
системы автоматизированного обучения
(на расстоянии),
инновационные архитектуры и алгоритмы
в основе средств автоматизации обучения,
(когнитивную) информатику,
психофизиологию восприятия,
(когнитивную) психологию,
(когнитивную) лингвистику,
(микроскопический) финансовый анализ,
бухгалтерский учет и аудит
предприятий и (кредитных) организаций,
теоретическую механику,
физическую химию
и молекулярную биологию.

Директором «НОЦ "СФА ТКМ"
"РАМН" им. акад. Бурденко Н.Н.
»
разработана диссертация
«Среда автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей
»
на соискание ученой степени
доктора технических наук
по спец.
05.13.01 – «Системный анализ,
управление и обработка информации
»
и 19.00.02 – «Психо-физиология восприятия»
(19.00.03 –
«Психология труда,
инженерная психология и эргономика
»)
и методическое обеспечение дисциплины «Информатика», а также осуществлялись
экспериментальные исследования
информационной среды
автоматизированного обучения,
удалось осуществить существенный вклад
в развитие
«Техники» (теории и практики).

I. На данный момент «НОЦ "СФА ТКМ"
"РАМН" им. акад. Бурденко Н.Н.
»
получены следующие
теоретические и практические
научные результаты в области
«Техники», «Технологии»
и
«Системного анализа».

1.1. Среда автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей.

1.2. Технология когнитивного моделирования
для (микроскопического)
системного анализа
информационно-образовательной среды
системы автоматизированного обучения
со свойствами адаптации
на основе блока параметрических
когнитивных моделей,
включая:

· методику ее использования;

· способ представления структуры
когнитивной модели;

· алгоритм формирования
когнитивных моделей;

· методику исследования параметров
когнитивной модели субъекта обучения;

· методику исследования параметров
когнитивной модели средства обучения;

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

1.3. Блок параметрических когнитивных моделей
как информационная основа
(микроскопического)
системного анализа, включая:

· когнитивную модель субъекта обучения;

· когнитивную модель средства обучения.

1.4. Структура комплекса программ
как средств автоматизации
(микроскопического) системного анализа
информационно-образовательной среды
и системы автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей, включая:

· адаптивное средство обучения
(электронный учебник
на основе процессора
адаптивной репрезентации
информационных фрагментов);

· основной диагностический модуль;

· прикладной диагностический модуль.

1.5. Статистическое обоснование
апостериорных данных
(микроскопического) системного анализа:

· особенности первичной обработки данных;

· описательная статистика апостериорных
данных исследования физиологического,
психологического и лингвистического
портретов когнитивных моделей;

· выбор методов статистического анализа
апостериорных данных
серии экспериментов;

· расчет показателей корреляции;

· расчет показателей ковариации;

· результаты дисперсионного анализа;

· результаты регрессионного анализа;

· результаты дискриминантного анализа;

· результаты многомерного шкалирования;

· результаты иерархического кластера;

· результаты факторного анализа.

1.6. Обобщенные результаты динамики изменения
результативности функционирования
информационно-образовательной среды
и повышения эффективности
системы автоматизированного обучения
на основе блока параметрических
когнитивных моделей.

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

Директором «НОЦ "СФА ТКМ"
"РАМН" им. акад. Бурденко Н.Н.
»
разработана диссертация
«Технология когнитивного моделирования
для финансового анализа и аудита организации
»
на соискание ученой степени
доктора экономических наук
по спец.
08.00.10 – «Финансовый анализ,
денежное обращение и кредит
»,
а также осуществлялись исследования
предприятий и (кредитных) организаций,
удалось осуществить существенный вклад
в развитие
«Экономики» (теории и практики).

II. На данный момент «НОЦ "СФА ТКМ"
"РАМН" им. акад. Бурденко Н.Н.
»
получены следующие
теоретические и практические
научные результаты в области
«Экономики» и «(Микроскопического)
финансового анализа и аудита».

2.1. Вертикально и горизонтально интегрированные организационные структуры предприятия
и (кредитной) организации
как хозяйствующих субъектов
экономической системы государства.

2.2. Технология когнитивного моделирования
для финансового анализа и аудита
(кредитной) организации и предприятия,
включающая:

· методику ее использования;

· способ представления структуры
когнитивной модели;

· алгоритм формирования
когнитивных моделей;

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

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

· методику дополнительной проверки
информационной основы
(микроскопического)
финансового анализа
предприятия и (кредитной) организации;

· методику исследования параметров
когнитивной модели
для вертикального финансового анализа;

· методику исследования параметров
когнитивной модели
для горизонтального финансового анализа;

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

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

2.3. Блок параметрических когнитивных моделей
как информационная основа
(микроскопического)
финансового анализа, включая:

· когнитивную модель для вертикального
финансового анализа организации;

· когнитивную модель для горизонтального
финансового анализа организации;

· когнитивную модель для трендового
финансового анализа на основе
системы аналитических коэффициентов.

2.4. Структура комплекса программ
как средств автоматизации
(микроскопического)
финансового анализа, включая:

· средство автоматизации формирования
рабочего плана счетов
на основе нормативно-регламентированного
плана счетов бухгалтерского учета;

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

· средство автоматизации вертикального
финансового анализа
(кредитной) организации;

· средство автоматизации горизонтального
финансового анализа
(кредитной) организации;

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

2.5. Статистическое обоснование
апостериорных данных
(микроскопического)
финансового анализа:

· концепция первичной обработки
апостериорных данных;

· описательная статистика
апостериорных данных
на основе когнитивных моделей
для вертикального, горизонтального
и трендового финансового анализа
на основе системы
аналитических коэффициентов;

· выбор методов статистического анализа
для обработки апостериорных данных;

· расчет показателей корреляции;

· концепция дисперсионного анализа;

· концепция регрессионного анализа;

· концепция дискриминантного анализа;

· концепция многомерного шкалирования;

· концепция иерархического кластера;

· концепция факторного анализа.

2.6. Обобщенные результаты динамики изменения
результативности (повышения эффективности)
(микроскопического) финансового анализа
финансово-хозяйственной деятельности
(кредитной) организации.

Разработана концепция (микроскопического)
финансового анализа организационной структуры
(кредитной) организации и предприятия
на основе технологии
когнитивного моделирования.

Директором «НОЦ "СФА ТКМ"
"РАМН" им. акад. Бурденко Н.Н.
»
разрабатывается диссертация
«Технология когнитивного моделирования
для сложного анализа сложных,
объектов, процессов и явлений
»
на соискание ученой степени
доктора физико-математических наук
по спец.
01.02.01 – «Теоретическая механика»,
а также осуществлялись исследования
сложных объектов, процессов и явлений,
удалось осуществить вклад в развитие
«Теоретической механики»
и
«Физико-математических наук».

III. На данный момент «НОЦ "СФА ТКМ"
"РАМН" им. акад. Бурденко Н.Н.
»
получены следующие
теоретические и практические
научные результаты в области
«Теоретической механики»
и
«Физико-математических наук»
(генезис и практическое использование
(многомерного) когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса и когнитивной сферы).

3.1. Когнитивное кольцо, когнитивный диск,
когнитивный цилиндр, когнитивный конус
и когнитивная сфера,
один-, два-, три-, четыре-,пять- и более
когнитивные сферы
для (микроскопического) сложного анализа
сложных объектов, процессов и явлений.

3.2. Технология когнитивного моделирования
для (микроскопического) сложного анализа
на основе когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы
и один-, два-, три-, четыре-, пять- и более
когнитивной сферы, включая:

· методику ее использования;

· способы представления структуры
когнитивного кольца, когнитивного диска,
когнитивного цилиндра,
когнитивного конуса и когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы;

· алгоритм формирования
когнитивного кольца;

· алгоритм формирования
когнитивного диска;

· алгоритм формирования
когнитивного цилиндра;

· алгоритм формирования
когнитивного конуса;

· алгоритм формирования
когнитивной сферы;

· алгоритм формирования
один-, два-, три-, четыре-, пять- и более
когнитивной сферы;

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

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

· методику дополнительной проверки
информационной основы
когнитивного кольца, когнитивного диска,
когнитивного цилиндра,
когнитивного конуса и когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы для 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;

· алгоритм обработки
апостериорных результатов
сложного системного анализа
сложных объектов, процессов и явлений.

3.3. Блок параметрических когнитивных моделей
как информационная основа
(микроскопического) сложного анализа,
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.

3.4. Структура комплекса программ
как средств автоматизации
сложного анализа
сложных объектов, процессов и явлений, включая:

· средство автоматизации
формирования и исследования
когнитивного кольца;

· средство автоматизации
формирования и исследования
когнитивного диска;

· средство автоматизации
формирования и исследования
когнитивного цилиндра;

· средство автоматизации
формирования и исследования
когнитивного конуса;

· средство автоматизации
формирования и исследования
когнитивной сферы;

· средство автоматизации
формирования и исследования
один-, два-, три-, четыре-, пять- и более
когнитивной сферы;

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

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

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

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

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

· средство автоматизации
сложного анализа
сложных объектов, процессов и явлений
на основе один-, два-, три-, четыре-, пять-
и более когнитивной сферы.

3.5. Статистическое обоснование
апостериорных данных
(микроскопического) сложного анализа:

· концепция  первичной обработки данных;

· описательная статистика
апостериорных данных
на основе когнитивного кольца,
когнитивного диска,
когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы;

· выбор методов статистического анализа
для обработки апостериорных данных;

· расчет показателей корреляции;

· концепция дисперсионного анализа;

· концепция регрессионного анализа;

· концепция дискриминантного анализа;

· концепция многомерного шкалирования;

· концепция иерархического кластера;

· концепция факторного анализа.

3.6. Обобщенные результаты динамики изменения
результативности (повышения эффективности)
функционирования сложного объекта,
технологического процесса
(технологического задела) или явления.

Разработана концепции (микроскопического)
сложного анализа
сложного объекта, процесса и явления
на основе технологии когнитивного
моделирования.

Достигнутые научные результаты
(теоретические и практические)

 

ENG

Примечания

 

Планы НИР
«НОЦ им. акад. Бурденко Н.Н.»

Планы УМР
«НОЦ им. акад. Бурденко Н.Н.»

Планы учебно-методической работы
«НОЦ им. акад. Бурденко Н.Н.»
в процессе разработки.

Планы научно-исследовательской работы
«НОЦ им. акад. Бурденко Н.Н.»
в процессе разработки.

Надпись: «Российской академии медицинских наук» имени акад. Бурденко Н.Н.
Надпись: «Системного и финансового анализа 
на основе технологии когнитивного моделирования»
Надпись: Научно-образовательный центр
Надпись: «Академия когнитивных естественных наук»