News of the Kabardino-Balkarian Scientific Center of the Russian Academy of SciencesNews of the Kabardino-Balkarian Scientific Center of the Russian Academy of SciencesИзвестия Кабардино-Балкарского научного центра РАН1991-66392949-194039144310.35330/1991-6639-2023-6-116-226-234RNODMYSystem analysis, management and information processingСистемный анализ, управление и обработка информацииResearch ArticleSimulation model of a neurocognitive control system for an autonomous software agent performing cooperative behavior to automatically replenish ontologiesИмитационная модель нейрокогнитивной системы управления автономным программным агентом, выполняющим кооперативное поведение с целью автоматического пополнения онтологийhttps://orcid.org/0000-0001-9549-1823NagoevZ. V.НагоевЗалимхан Вячеславович
Russian Federation

Candidate of Technical Sciences, General Director of the Kabardino-Balkarian Scientific Center of the Russian Academy of Sciences

канд. техн. наук, генеральный директор Кабардино-Балкарского научного центра РАН

zaliman@mail.ruhttps://orcid.org/0000-0003-3394-7682ПшеноковаИнна АуесовнаPshenokovaI. A.
Russian Federation

канд. физ.-мат. наук, зав. лаб. «Интеллектуальные среды обитания»

Candidate of Physical and Mathematical Sciences

pshenokova_inna@mail.ruhttps://orcid.org/0000-0003-2341-7960NagoevaO. V.НагоеваОльга Владимировна
Russian Federation

Researcher of the Department "Multiagent Systems"

науч. сотрудник отдела «Мультиагентные системы»

nagoeva_o@mail.ruhttps://orcid.org/0000-0002-8977-797XАнчёковМурат ИнусовичAnchekovM. I.
Russian Federation

Researcher of the Laboratory "Molecular Selection and Biotechnology"

науч. сотрудник лаборатории «Молекулярная селекция и биотехнология»

murat.antchok@gmail.comhttps://orcid.org/0000-0003-3633-4910EnesA. Z.ЭнесАхмед Зюлфикар
Russian Federation

Junior Researcher of the Laboratory "Computational Linguistics"

мл. науч. сотрудник лаборатории «Компьютерная лингвистика»

ahmedenes@mail.ruKabardino-Balkarian Scientific Center of the Russian Academy of SciencesКабардино-Балкарский научный центр Российской академии наукИнститут информатики и проблем регионального управления – филиал Кабардино-Балкарского научного центра Российской академии наукInstitute of Computer Science and Problems of Regional Management – branch of Kabardino-Balkarian Scientific Center of the Russian Academy of SciencesИнститут информатики и проблем регионального управления – филиал Кабардино-Балкарского научного центра РАНInstitute of Computer Science and Problems of Regional Management – branch of Kabardino-Balkarian Scientific Center of the Russian Academy of Sciencesru2205202620236NO6 (2023)№6 (2023)22623405032026Copyright ©; 2026, Nagoev Z.V., Pshenokova I.A., Nagoeva O.V., Anchekov M.I., Enes A.Z.Copyright ©; 2026, Нагоев З.В., Пшенокова И.А., Нагоева О.В., Анчёков М.И., Энес А.З.2026Nagoev Z.V., Pshenokova I.A., Nagoeva O.V., Anchekov M.I., Enes A.Z.Нагоев З.В., Пшенокова И.А., Нагоева О.В., Анчёков М.И., Энес А.З.https://creativecommons.org/licenses/by/4.0https://journals.rcsi.science/1991-6639/article/view/391443

A circuit of the control system of an intelligent agent has been developed, which ensures the formation of semantic ontologies of the “agent – environment” system, combining on the basis of interneuron associations functional representations of the current observed states of the agent and statements of counterparties in the communicative environment. Based on the ontoneuromorphogenesis algorithm, axo-dendronal connections grow, reflecting cause-and-effect relationships between events that describe the context of the statement, and the event that describes the statement itself. According to the results of experiments of the simulation model, it was concluded that the multi-agent algorithm for the autonomous synthesis of functional systems of semantic ontologies based on the growth and development of neurocognitive architectures can be applied to any subject area.

Разработан контур системы управления интеллектуального агента, обеспечивающий формирование семантических онтологий системы «агент – среда», объединяющих на основе межнейронных ассоциаций функциональные репрезентации текущих наблюдаемых состояний агента и высказываний контрагентов по коммуникативному окружению. На основе алгоритма онтонейроморфогенеза происходит рост аксо-дендрональных связей, отражающих причинно-следственные отношения между событиями, описывающими предмет высказывания, и событием, описывающим само высказывание. По результатам экспериментов имитационной модели был сделан вывод, что мультиагентный алгоритм автономного синтеза функциональных систем семантических онтологий на основе роста и развития нейрокогнитивных архитектур может быть применен для любой предметной области.

control systemsintelligent agentmulti-agent systemcognitive architecturesсистемы управленияинтеллектуальный агентмультиагентная системакогнитивные архитектурыThe work was carried out with the financial support of the Russian Science Foundation (grant No. 22-19-00787).Работа выполнена при финансовой поддержке Российского научного фонда (грант № 22-19-00787).1. Lan M., Xu J. Ontology feature extraction via vector learning algorithm and applied to similarity measuring and ontology mapping. IAENG International Journal of Computer Science. 2016. Vol. 43(1). Pp. 10–19.Lan M., Xu J. Ontology feature extraction via vector learning algorithm and applied to similarity measuring and ontology mapping. IAENG International Journal of Computer Science. 2016. Vol. 43(1). Pp. 10–19.2. Somodevilla M., Ayala D., Pineda I. An overview on ontology learning tasks. Comput. Sist. 2018. Vol. 22(1). Pp. 137–146.Somodevilla M., Ayala D., Pineda I. An overview on ontology learning tasks. Comput. Sist. 2018. Vol. 22(1). Pp. 137–146.3. Alobaidi M., Malik K.M. Linked open data-based framework for automatic biomedical ontology generation. BMC bioinformatics. 2018. Vol. 19(1). Pp. 3–19.Alobaidi M., Malik K.M. Linked open data-based framework for automatic biomedical ontology generation. BMC bioinformatics. 2018. Vol. 19(1). Pp. 3–19.4. Asim M.N. et al. A survey of ontology learning techniques and applications. Database. 2018. Vol. 2018. P. 101.Asim M.N. et al. A survey of ontology learning techniques and applications. Database. 2018. Vol. 2018. P. 101.5. Ma Z., Cheng H. et al. Automatic Construction of OWL Ontologies From Petri Nets. International Journal on Semantic Web and Information Systems (IJSWIS). 2019. Vol. 15(1). Pp. 21–51.Ma Z., Cheng H. et al. Automatic Construction of OWL Ontologies From Petri Nets. International Journal on Semantic Web and Information Systems (IJSWIS). 2019. Vol. 15(1). Pp. 21–51.6. Maynard D., Funk A., Peters W. Using lexico-syntactic ontology design patterns for ontology creation and population. Proc. of the Workshop on Ontology Patterns. 2009. Vol. 516. Pp. 39–52.Maynard D., Funk A., Peters W. Using lexico-syntactic ontology design patterns for ontology creation and population. Proc. of the Workshop on Ontology Patterns. 2009. Vol. 516. Pp. 39–52.7. Dzyubanenko A.A., Rabin A.V. Application of the method of metaontologies in the intellectual analysis of text resources considering the fuzziness and blurring of images of natural language units. AIP Conference Proceedings. 2022. Vol. 2647. https://doi.org/10.1063/5.0124340Dzyubanenko A.A., Rabin A.V. Application of the method of metaontologies in the intellectual analysis of text resources considering the fuzziness and blurring of images of natural language units. AIP Conference Proceedings. 2022. Vol. 2647. https://doi.org/10.1063/5.01243408. Elnagar S., Yoon V., Thomas M. A. An automatic ontology generation framework with an organizational perspective. arXiv:2201.05910. 2022.Elnagar S., Yoon V., Thomas M. A. An automatic ontology generation framework with an9. Kumar N., Kumar M., Singh M. Automated ontology generation from a plain text using statistical and NLP techniques. International Journal of System Assurance Engineering and Management. 2016. Vol. 7. Pp. 282–293.organizational perspective. arXiv:2201.05910. 2022.10. Cahyani D.E., Wasito I. Automatic ontology construction using text corpora and ontology design patterns (ODPs) in Alzheimer’s disease. J. Ilmu Komputer dan Informasi. 2017. Vol. 10(2). Pp. 59–66.Kumar N., Kumar M., Singh M. Automated ontology generation from a plain text using statistical and NLP techniques. International Journal of System Assurance Engineering and Management. 2016. Vol. 7. Pp. 282–293.11. Jabla R., Khemaja M., Buendia F., Faiz S. Automatic Ontology-Based Model Evolution for Learning Changes in Dynamic Environments. Applied Sciences. 2021. Vol. 11(22). P. 10770. https://doi.org/10.3390/app112210770Cahyani D.E., Wasito I. Automatic ontology construction using text corpora and ontology design patterns (ODPs) in Alzheimer’s disease. J. Ilmu Komputer dan Informasi. 2017. Vol. 10(2). Pp. 59–66.12. Нагоев З. В. Интеллектика, или Мышление в живых и искусственных системах [Intelligence, or thinking in living and artificial systems]. Нальчик: Издательство КБНЦ РАН. 2013. 232 с.Jabla R., Khemaja M., Buendia F., Faiz S. Automatic Ontology-Based Model Evolution for Learning Changes in Dynamic Environments. Applied Sciences. 2021. Vol. 11(22). P. 10770. https://doi.org/10.3390/app11221077013. Nagoev Z., Nagoeva O., Gurtueva I. Multi-agent neurocognitive models of semantics of spatial localization of events. Cognitive Systems Research. 2020. Vol. 59. Pp. 91–102.Нагоев З. В. Интеллектика, или Мышление в живых и искусственных системах // Нальчик: Издательство КБНЦ РАН. 2013. 213 с.14. Бжихатлов К. Ч., Канкулов С. А., Малышев Д. А. и др. Интерактивное формирование пространственных онтологий автономного робота на основе нейрокогнитивных моделей семантики // Материалы XVI всероссийской научно-практической конференции и XII молодежной школы-семинара «Перспективные системы и задачи управления». Ростов-на-Дону, 2021. С. 147–154.Nagoev Z., Nagoeva O., Gurtueva I. Multi-agent neurocognitive models of semantics of spatial localization of events. Cognitive Systems Research. 2020. Vol. 59. Pp. 91–102.15. Nagoev Z., Pshenokova I., Nagoeva O., Sundukov Z. Learning algorithm for an intelligent decision making system based on multi-agent neurocognitive architectures. Cognitive Systems Research. 2021. Vol. 66. Pp. 82–88.Бжихатлов К. Ч., Канкулов С. А., Малышев Д. А. и др. Интерактивное формирование пространственных онтологий автономного робота на основе нейрокогнитивных моделей семантики // Материалы XVI всероссийской научно-практической конференции и XII молодежной школы-семинара «Перспективные системы и задачи управления». Ростов-на-Дону, 2021. С. 147–154.16. Нагоев З. В. Мультиагентные экзистенциальные отображения и функции // Известия Кабардино-Балкарского научного центра РАН. 2013. № 4(54). С. 63–71.Nagoev Z., Pshenokova I., Nagoeva O., Sundukov Z. Learning algorithm for an intelligent decision making system based on multi-agent neurocognitive architectures. Cognitive Systems Research. 2021. Vol. 66. Pp. 82–88.Nagoev Z.V. Multi-agent existential mappings and functions. News of the Kabardino-Balkarian Scientific Center of RAS. 2013. No. 4(54). Рp. 63–71. (In Russian)Нагоев З. В. Мультиагентные экзистенциальные отображения и функции // Известия Кабардино-Балкарского научного центра РАН. 2013. № 4(54). С. 63–71.