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 "data uncertainty" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Contextual probability
    Autorzy:
    Wang, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/307791.pdf
    Data publikacji:
    2003
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    mathematical foundations
    knowledge representation
    machine learning
    uncertainty
    data mining
    Opis:
    In this paper we present a new probability function G that generalizes the classical probability function. A mass function is an assignment of basic probability to some context (events, propositions). It represents the strength of support for some contexts in a domain. A context is a subset of the basic elements of interest in a domain - the frame of discernment. It is a medium to carry the "probabilistic" knowledge about a domain. The G function is defined in terms of a mass function under various contexts. G is shown to be a probability function satisfying the axioms of probability. Therefore G has all the properties attributed to a probability function. If the mass function is obtained from probability function by normalization, then G is shown to be a linear function of probability distribution and a linear function of probability. With this relationship we can estimate probability distribution from probabilistic knowledge carried in some contexts without any model assumption.
    Źródło:
    Journal of Telecommunications and Information Technology; 2003, 3; 92-97
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Odporna detekcja uszkodzeń przy zastosowaniu addytywnego modelu regresji
    Robust fault detection with application of the additive regression model
    Autorzy:
    Łabęda-Grudziak, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/156901.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    detekcja uszkodzeń
    model addytywny
    niepewność modelu
    modelowanie
    fault detection
    additive model
    data mining
    model uncertainty
    modelling
    Opis:
    W artykule przedstawiono wykorzystanie addytywnego modelu regresji oraz statystycznych technik eksploracji danych do konstrukcji układu detekcji uszkodzeń odpornej na zakłócenia i niepewność modelu, a następnie do oceny wrażliwości modelu na występowanie poszczególnych uszkodzeń. Do uzyskania właściwości odporności, niepewność otrzymanego modelu wyznaczana jest poprzez zastosowanie techniki modelowania błędu modelu addytywnego. Przedstawione rozwiązanie zostało przetestowane dla przykładowego zaworu regulacyjnego na podstawie danych laboratoryjnych próbkowanych na stanowisku regulacji poziomu wody w zbiorniku walczakowym
    The detection of faults in engineering systems is of great practical significance. The detection performance of the diagnostic technique is characterized by important and quantifiable benchmarks, like the fault sensitivity and the reaction speed. Also its robustness, i.e., the ability of the technique to operate in the presence of noise, disturbances and modelling errors, is affected by the design of a detection algorithm. This paper develops a new approach to the design of robust fault detection systems via an additive model and knowledge discovery data. To achieve robustness, an uncertainty associated with the additive model is also taken into account. The model error modelling is used to deal with noise corrupting the data and unmodelled dynamics. The backfitting algorithm with nonparametric smoothing techniques has been used for estimation of the additive model. The modelling results as well as the fault detection procedures are presented. The proposed approach is tested on an example of a control valve for measurement tracks in the boiler laboratory setup in order to demonstrate the sensitivity of faults.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 7, 7; 774-778
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zbiory przybliżone i możliwości ich wykorzystania w leśnictwie
    Rough sets and the possibility of their use in forestry
    Autorzy:
    Tracz, W.
    Mozgawa, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/991707.pdf
    Data publikacji:
    2013
    Wydawca:
    Polskie Towarzystwo Leśne
    Tematy:
    teoria zbiorow przyblizonych
    wykorzystanie
    lesnictwo
    analiza danych
    procesy decyzyjne
    rough sets
    uncertainty
    vagueness
    data mining
    decision making process
    gis
    Opis:
    The need for effective management of uncertainty and incomplete information is the main factor of interest in the rough set theory and multi−use methods of analysis based on this theory, both in scientific research and in solving practical problems. Rough sets can be used for processing of both non spatial and spatial data. Five areas of application of rough set in decision−support systems in forestry and forest research are presented in the study. The example of using rough sets methods for data processing in order to determine cause−effect relationships and making classification is also presented.
    Źródło:
    Sylwan; 2013, 157, 06; 425-433
    0039-7660
    Pojawia się w:
    Sylwan
    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