Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "network structure" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Wykorzystanie sieci bayesowskich do prognozowania bankructwa firm
    Bankruptcy prediction with Bayesian networks
    Autorzy:
    Gąska, Damian
    Powiązania:
    https://bibliotekanauki.pl/articles/434020.pdf
    Data publikacji:
    2016
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    bankruptcy prediction
    Bayesian network
    structure learning
    Opis:
    The aim of the paper is to compare accuracy of some bankruptcy prediction models based on Bayesian networks. Some network structure learning algorithms were analyzed as a tool for classifiers construction. Empirical analysis was applied to companies listed on Warsaw Stock Exchange. The paper gives short overview of theoretical background behind discussed issues and presents results of empirical analysis.
    Źródło:
    Śląski Przegląd Statystyczny; 2016, 14 (20); 131-144
    1644-6739
    Pojawia się w:
    Śląski Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Falcon optimization algorithm for bayesian network structure learning
    Autorzy:
    Kareem, Shahab Wahhab
    Okur, Mehmet Cudi
    Powiązania:
    https://bibliotekanauki.pl/articles/2097968.pdf
    Data publikacji:
    2021
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    Bayesian network
    global search
    falcon optimization algorithm
    structure learning
    search and score
    Opis:
    In machine-learning, some of the helpful scientific models during the production of a structure of knowledge are Bayesian networks. They can draw the relationships of probabilistic dependency among many variables. The score and search method is a tool that is used as a strategy for learning the structure of a Bayesian network. The authors apply the falcon optimization algorithm (FOA) to the learning structure of a Bayesian network. This paper has employed reversing, deleting, moving, and inserting to obtain the FOA for approaching the optimal solution of a structure. Essentially, the falcon prey search strategy is used in the FOA algorithm. The result of the proposed technique is associated with pigeon-inspired optimization, greedy search, and simulated annealing that apply the BDeu score function. The authors have also examined the performances of the confusion matrix of these techniques by utilizing several benchmark data sets. As shown by the experimental evaluations, the proposed method has a more reliable performance than other algorithms (including the production of excellent scores and accuracy values).
    Źródło:
    Computer Science; 2021, 22 (4); 553--569
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A novel reliability estimation method of multi-state system based on structure learning algorithm
    Nowatorska metoda oceny niezawodności systemów wielostanowych w oparciu o algorytm uczenia struktury
    Autorzy:
    Li, Zhifeng
    Wang, Zili
    Ren, Yi
    Yang, Dezhen
    Lv, Xing
    Powiązania:
    https://bibliotekanauki.pl/articles/301718.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    reliability analysis
    Bayesian network
    structure learning
    multi-state system (MSS)
    dependent failure
    analiza niezawodności
    sieć bayesowska
    uczenie struktury
    system wielostanowy
    uszkodzenie zależne
    Opis:
    Traditional reliability models, such as fault tree analysis (FTA) and reliability block diagram (RBD), are typically constructed with reference to the function principle graph that is produced by system engineers, which requires substantial time and effort. In addition, the quality and correctness of the models depend on the ability and experience of the engineers and the models are difficult to verify. With the development of data acquisition, data mining and system modeling techniques, the operational data of a complex system considering multi-state, dependent behavior can be obtained and analyzed automatically. In this paper, we present a method that is based on the K2 algorithm for establishing a Bayesian network (BN) for estimating the reliability of a multi-state system with dependent behavior. Facilitated by BN tools, the reliability modeling and the reliability estimation can be conducted automatically. An illustrative example is used to demonstrate the performance of the method.
    Tradycyjne modele niezawodności, takie jak analiza drzewa błędów (FTA) czy schemat blokowy niezawodności (RBD), buduje się zazwyczaj w oparciu o tworzone przez inżynierów systemowych schematy zasad działania systemu, których przygotowanie wymaga dużych nakładów czasu i pracy. Jakość i poprawność tych modeli zależy od umiejętności i doświadczenia inżynierów, a same modele są trudne do zweryfikowania. Dzięki rozwojowi technik akwizycji i eksploracji danych oraz modelowania systemów, dane operacyjne złożonego systemu uwzględniające jego zależne, wielostanowe zachowania mogą być pozyskiwane i analizowane automatycznie. W artykule przedstawiono metodę konstrukcji sieci bayesowskiej (BN) opartą na algorytmie K2, która pozwala na ocenę niezawodności systemu wielostanowego o zachowaniach zależnych. Dzięki narzędziom BN, modelowanie i szacowanie niezawodności może odbywać się automatycznie. Działanie omawianej metody zilustrowano na podstawie przykładu.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 1; 170-178
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies