Temat: Sieci bayesowskie - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Probabilistic graphical model supporting early diagnosis of autism spectrum disorder
Probabilistyczny model wspierający wczesne diagnozowanie autyzmu
Autorzy:: Szczygieł, J.
Oniśko, A.
Świderska, J.
Krysiewicz, E.
Sienkiewicz, J.
Powiązania:: https://bibliotekanauki.pl/articles/88424.pdf
Data publikacji:: 2014
Wydawca:: Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:: sieci bayesowskie
diagnozowanie medyczne
autyzm
Opis:: Bayesian networks are recognized as a suitable tool for modelling diagnostic problems. The power of this modelling is that it can combine knowledge coming from different sources. For example, in case of medical domain, the expert knowledge can be merged along with the medical data. This paper presents a Bayesian network model for early diagnosis of autism. The model was built based on the medical literature and then was revised by two domain experts. Our tool is dedicated to parents that can perform an early diagnosis of their child before visiting a specialist.
Sieci bayesowskie są często używanym narzędziem w rozwiązywaniu problemów diagnostycznych. Jedną z zalet tego narzędzia jest mozliwość łączenia wiedzy pochodzącej z różnych źródeł. Na przykład, wiedza ekspertów może być połączona z danymi. W naszym artykule prezentujemy model sieci bayesowskiej wspomagający wczesne diagnozowanie autyzmu. Model został zbudowany w oparciu o literaturę medyczną, a następnie zweryfikowany przez ekspertów. Narzędzie, które stworzyliśmy jest dedykowane rodzicom, którzy mogą dokonać wstępnej diagnozy zanim skontaktują się ze specjalistą.
Źródło:: Advances in Computer Science Research; 2014, 11; 151-164
2300-715X
Pojawia się w:: Advances in Computer Science Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Modeling dynamical systems by means of dynamic Bayesian networks
Modelowanie systemów dynamicznych przy użyciu dynamicznych sieci Bayesowskich
Autorzy:: Łupińska-Dubicka, A.
Powiązania:: https://bibliotekanauki.pl/articles/341171.pdf
Data publikacji:: 2012
Wydawca:: Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:: sieci bayesowskie
zależości temporalne
modele dynamiczne
dynamiczne sieci bayesowskie
Bayesian networks
temporal dependencies
dynamical models
dynamic Bayesian networks
Opis:: Bayesian networks (BNs) are powerful tools for modeling complex problems involving uncertain knowledge. They have been employed in practice in a variety of fields. Their extension to time-dependent domains, dynamic Bayesian networks (DBNs) allow to monitor and update the system as time procedes and predict further behavior of the system. Most practical uses of DBNs involve temporal influences of the first order, i.e., influences between neighboring time steps. This choice is a convenient approximation influenced by the existence of efficient algorithms for first order models and limitations of available tools. This paper presents how to create higher order dynamic Bayesian networks and shows that introducing higher order influences can improve the accuracy of the model. To introduce the formalism to the readers, it describes a hypothetical simplified model based on a DBN.
Sieci Bayesowskie (Bayesian networks, BNs) są popularnym narzędziem do reprezentacji wiedzy w warunkach niepewnosci. Znalazły praktyczne zastosowanie w wielu dziedzinach. Ich rozszerzenie o domenę czasową dynamiczne sieci bayesowskie (dynamic Bayesian networks, DBNs) umozliwiają monitorowanie oraz aktualizację systemów zmieniających się wraz z upływem czasu, a takze predykcję przyszłego stanu takiego systemu. Większość praktycznych zastosowań dynamicznych sieci Bayesowskich bierze pod uwagę tylko zależności pierwszego rzędu, to znaczy, że bieżący stan systemu zale ży tylko od jego stanu w bezpośrednio poprzedzającym go kroku czasowym. Takie założenie jest uproszczeniem, wynikającym najprawdopodobniej z braku efektywnych narzędzi zdolnych obsłużyć modele wyższych rzędów. Niniejszy artykuł przedstawia na przykładzie sposób w jakim tworzy się modele wyższych rzędów oraz pokazuje, wpływy wyższych rzędów mogą zwiększyc jakość modelu.
Źródło:: Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2012, 9; 77-92
1644-0331
Pojawia się w:: Zeszyty Naukowe Politechniki Białostockiej. Informatyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: The process of creating a knowledge base of the Bayesian model of navigational situation assessment
Proces tworzenia bazy wiedzy bayesowskiego modelu oceny sytuacji nawigacyjnej
Autorzy:: Bąk, A.
Powiązania:: https://bibliotekanauki.pl/articles/360063.pdf
Data publikacji:: 2011
Wydawca:: Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:: nawigacja
sieci bayesowskie
wnioskowanie
navigation
Bayesian networks
inference
Opis:: An attempt is made to build a knowledge data base to be used a basis for a navigational situation assessment system. The system is based on Bayesian networks. A research experiment will be described, in which simulation tests were carried out to define a relevant data base. This article also presents a model for manoeuvre identification and a simulator application created for simulation tests. It has been proved that automatic identification of ships manoeuvres is possible and, so is the navigational situation assessment in view of navigational safety.
Artykuł przedstawia próbę skonstruowania bazy wiedzy, służącej jako podstawa w systemie oceny sytuacji nawigacyjnej. System został oparty o sieci bayesowskie. Opisano eksperyment badawczy oraz wykonano szereg prób symulacyjnych, umożliwiających zdefiniowanie bazy danych. Przedstawiony został również model identyfikacji manewru oraz aplikacja symulatora powstała na potrzeby badań symulacyjnych. Wykazano, iż możliwa jest automatyczna identyfikacja manewrów wykonywanych przez statki, a co za tym idzie, ocena sytuacji nawigacyjnej pod kątem bezpieczeństwa żeglugi.
Źródło:: Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2011, 25 (97); 5-12
1733-8670
2392-0378
Pojawia się w:: Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Reliability based rehabilitation of water distribution networks by means of Bayesian networks
Rzetelne odnawianie sieci wodociągowych przy użyciu sieci Bayesowskich
Autorzy:: Lakehal, A.
Laouacheria, F.
Powiązania:: https://bibliotekanauki.pl/articles/292362.pdf
Data publikacji:: 2017
Wydawca:: Instytut Technologiczno-Przyrodniczy
Tematy:: dynamic Bayesian networks
predicting reliability
rehabilitation
static Bayesian networks
water distribution network
dynamiczne sieci Bayesowskie
odnowa
sieć wodociągowa
statyczne sieci Bayesowskie
wiarygodność przewidywań
Opis:: Water plays an essential role in the everyday lives of the people. To supply subscribers with good quality of water and to ensure continuity of service, the operators use water distribution networks (WDN). The main elements of water distribution network (WDN) are: pipes and valves. The work developed in this paper focuses on a water distribution network rehabilitation in the short and long term. Priorities for rehabilitation actions were defined and the information system consolidated, as well as decision-making. The reliability data were conjugated in decision making tools on water distribution network rehabilitation in a forecasting context. As the pipes are static elements and the valves are dynamic elements, a Bayesian network (static-dynamic) has been developed, which can help to predict the failure scenario regarding water distribution. A relationship between reliability and prioritization of rehabilitation actions has been investigated. Modelling based on a Static Bayesian Network (SBN) is implemented to analyse qualitatively and quantitatively the availability of water in the different segments of the network. Dynamic Bayesian networks (DBN) are then used to assess the valves reliability as function of time, which allows management of water distribution based on water availability assessment in different segments. Before finishing the paper by giving some conclusions, a case study of a network supplying a city was presented. The results show the importance and effectiveness of the proposed Bayesian approach in the anticipatory management and for prioritizing rehabilitation of water distribution networks.
Woda odgrywa istotną rolę w codziennym życiu ludzi. Aby zapewnić klientom stałe dostarczanie wody dobrej jakości, operatorzy wykorzystują sieci wodociągowe, ich głównymi elementami są rury i zawory. W pracy opisano odnawianie sieci wodociągowych w krótkim i długim przedziale czasowym. Zdefiniowano priorytety działań renowacyjnych i skonsolidowano system informacyjny oraz system podejmowania decyzji. Dane o wiarygodności zostały sprzężone z narzędziami podejmowania decyzji co do odnowy sieci w kontekście możliwości prognozowania. Ponieważ rury są elementem statycznym, a zawory dynamicznym, zbudowano statyczno- -dynamiczną sieć Bayesowską, która pozwala przewidywać niepowodzenia w dostawie wody. Badano zależności między wiarygodnością a ustaleniem priorytetów działań renowacyjnych. Wdrożono modelowanie ilościowej i jakościowej analizy dostępności wody w różnych segmentach sieci wodociągowej oparte na statycznej sieci Bayesowskiej. Następnie użyto dynamicznych sieci Bayesowskich do oceny wiarygodności zaworów w funkcji czasu, co umożliwiło zarządzanie dystrybucją wody bazującą na ocenie jej dostępności w różnych segmentach sieci. Przed wyciągnięciem wniosków przedstawiono przykład sieci zasilającej miasto. Wyniki dowodzą znaczenia i efektywności proponowanego podejścia Bayesowskiego w planowaniu gospodarki wodnej i ustalaniu priorytetów renowacji sieci wodociągowych.
Źródło:: Journal of Water and Land Development; 2017, 34; 163-172
1429-7426
2083-4535
Pojawia się w:: Journal of Water and Land Development
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Node assignment problem in Bayesian networks
Autorzy:: Polańska, J.
Borys, D.
Polański, A.
Powiązania:: https://bibliotekanauki.pl/articles/908425.pdf
Data publikacji:: 2006
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: biostatystyka
sieci bayesowskie
przedział ufności
biostatistics
Bayesian networks
maximum likelihood
confidence intervals
Opis:: This paper deals with the problem of searching for the best assignments of random variables to nodes in a Bayesian network (BN) with a given topology. Likelihood functions for the studied BNs are formulated, methods for their maximization are described and, finally, the results of a study concerning the reliability of revealing BNs’ roles are reported. The results of BN node assignments can be applied to problems of the analysis of gene expression profiles.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2006, 16, 2; 233-240
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: How reliable is a measure of model reliability? Bootstrap confidence intervals over validation results
Jak wiarygodna jest miara oceny modelu? Bootstrapowe przedziały ufności dla miar dokładności modelu
Autorzy:: Koźniewski, M.
Cypko, M. A.
Drużdżel, M. J.
Powiązania:: https://bibliotekanauki.pl/articles/88378.pdf
Data publikacji:: 2016
Wydawca:: Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:: sieci bayesowskie
bootstrapowe przedziały ufności
walidacja
Bayesian networks
bootstrap confidence intervals
validation
Opis:: A researcher testing a model will frequently question the reliability of the test results, understanding well the intuition that verification performed on a handful of cases is less reliable than verification based on very large numbers of cases. Because a limited number of verification cases happens pretty often in very specific domains, a question of practical importance is, thus, how reliable is a reported reliability measure. We propose a methodology based on deriving confidence intervals over various measures of accuracy of Bayesian network models by means of bootstrap confidence intervals. We evaluate our approach on ROC and calibration curves derived for a model derived from an UC Irvine Machine Learning Repository data set and a sizeable (over 300 variables) practical model constructed using expert knowledge and evaluated on merely 66 accumulated real patient cases. We show how increasing the number of test cases impacts the width of confidence intervals and how this can aid in estimating a reasonable number of verification cases that will increase the confidence in model reliability.
Przy testowaniu modelu należy zdawać sobie z tego sprawę że weryfikacja modelu przy pomocy małego zbioru danych jest mniej przekonywująca niż weryfikacja bazująca na dużym zbiorze danych. Często napotyka się sytuację, w której do analizy modelu dysponujemy nieznaczną ilością rekordów. Nasuwa się pytanie o wiarygodność oceny modelu. Proponujemy w takiej sytuacji przyjrzeć się bootrstrapowym przedziałom ufności różnych ˙ miar dokładności modelu. W tej pracy określamy bootstrapowe przedziały ufności dla krzywych ROC i krzywych kalibracji modeli uzyskanych z danych z repozytorium UC Irvine. Czynność powtarzamy dla modelu skonstruowanego na podstawie wiedzy ekspertów (ponad 300 zmiennych) i testowanego na 66 zebranych rekordach pacjentów. Pokazujemy jak wzrost liczby rekordów wpływa na szerokość bootstrapowych przedziałów ufności oraz jak taka analiza może pomóc w określeniu liczby rekordów, która może podwyższyć rzetelność weryfikacji modelu.
Źródło:: Advances in Computer Science Research; 2016, 13; 27-41
2300-715X
Pojawia się w:: Advances in Computer Science Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Application of the Bayesian networks in construction engineering
Autorzy:: Leśniak, Agnieszka
Janowiec, Filip
Powiązania:: https://bibliotekanauki.pl/articles/1838099.pdf
Data publikacji:: 2020
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: Bayesian networks
construction engineering
risk management
sieci bayesowskie
inżynieria budowlana
zarządzanie ryzykiem
Opis:: Currently, significant development of methods supporting decision making under uncertainty conditions is observed. One of such methods includes Bayesian networks used in many fields of economy and science. The paper presents the use of the Bayesian network method in civil engineering problems with particular emphasis on construction engineering projects. In addition to the existing examples of the use of the method cited, the authors’ method for the risk estimation of additional works is presented.
Źródło:: Civil and Environmental Engineering Reports; 2020, 30, 2; 221-233
2080-5187
2450-8594
Pojawia się w:: Civil and Environmental Engineering Reports
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Knowledge acquisition from human experts for building bayesian network models
Pozyskiwanie wiedzy od ekspertów w budowaniu modeli sieci bayesowskich
Autorzy:: Oniśko, A.
Powiązania:: https://bibliotekanauki.pl/articles/341063.pdf
Data publikacji:: 2007
Wydawca:: Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:: pozyskiwanie wiedzy
inżynieria wiedzy
sieci bayesowskie
knowledge acquisition
Bayesian network
parameter elicitation
Opis:: Knowledge acquisition from experts is a costly and time-consuming task. While domain experts have the necessary knowledge and expertise, they rarely have the experience needed to translate this knowledge into the model. This paper describes typical problems that are encountered by knowledge engineers when building Bayesian network models and illustrates some practical techniques to overcome them. The presented examples capture the problems that occurred during elicitation the numerical parameters of the model for diagnosis of liver disorders.
Pozyskiwanie wiedzy od ekspertów jest kosztownym i czasochłonnym zadaniem. Pomimo ogromnej wiedzy i doświadczenia, jakie posiadają eksperci, niejednokrotnie nie potrafią ich przenieść na tworzony model. Poniższy artykuł opisuje przykłady problemów, z jakimi może się zetknąć inżynier wiedzy w trakcie budowania modeli sieci bayesowskich, jak również proponuje rozwiązania tych problemów. Prezentowane przykłady dotyczą problemów, jakie pojawiły się w trakcie pozyskiwania od eksperta parametrów numerycznych modelu sieci bayesowskiej do diagnozowania chorób wątroby.
Źródło:: Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2007, 2; 109-119
1644-0331
Pojawia się w:: Zeszyty Naukowe Politechniki Białostockiej. Informatyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Concept of Usage of Bayesian Networks in Clinical Decision Support Module
Koncepcja wykorzystania sieci bayesowskich w module wspomagania decyzji medycznych
Autorzy:: Strawa, M.
Powiązania:: https://bibliotekanauki.pl/articles/305953.pdf
Data publikacji:: 2012
Wydawca:: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:: sieci bayesowskie
sieci przekonań
system wspomagania decyzji medycznych
Bayesian networks
belief networks
clinical decision support system
Opis:: Concept of decision support module utilizing a repository of clinical pathways has been presented in this paper: the definition of Bayesian networks and its major concepts, description of chosen inference algorithm and an example of diagnosis.
W artykule przedstawiono koncepcję budowy modułu wspomagania decyzji medycznych, współpracującego z repozytorium ścieżek klinicznych. Składają się na nią: definicja sieci bayesowskich oraz najważniejszych pojęć z nimi związanych, opis wybranego mechanizmu wnioskowania oraz przykład generowania diagnozy w module.
Źródło:: Biuletyn Instytutu Systemów Informatycznych; 2012, 9; 27-34
1508-4183
Pojawia się w:: Biuletyn Instytutu Systemów Informatycznych
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Bayesian Algorithms for Calculating Symbolic Rates of the Unreliability and Reliability of the Electric Supply
Bayesowskie algorytmy obliczeń symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną
Autorzy:: Korniluk, W.
Petelski, P.
Powiązania:: https://bibliotekanauki.pl/articles/396936.pdf
Data publikacji:: 2013
Wydawca:: ENERGA
Tematy:: Bayesian networks
indicators of reliability
calculation of symbolic
sieci bayesowskie
wskaźniki niezawodności
obliczenia symboliczne
Opis:: The report presents the use of Bayesian networks in the calculation of symbolic indicators of reliability and unreliability of the electric power supplying load point. The calculation of indicators of reliability is determined by the analytical dependencies. These dependencies are used to estimate: probability of up or down state of power system components supplying the load point; total probability distribution; conditional probabilities of the state power or lack of power appearance; the intensity of current interruptions and the average time of their duration; contributions of individual power system components in the service reliability. This report describes how to obtain these analytical dependencies, using the ultimate application for symbolic computations Mathematica (ver. 8). In this paper we will discuss the results of the symbolic computations for selected supply power system and methods for reducing the duration of symbolic computations of indicators for multiple-compound electrical power systems.
W referacie przedstawiono wykorzystanie sieci bayesowskich w obliczeniach symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną węzłów odbiorczych. Podano, stosowane przy wyznaczaniu wskaźników niezawodności za pomocą sieci bayesowskich, analityczne zależności na wyznaczanie: prawdopodobieństw bezwarunkowych stanów zdatności i niezdatności elementów układu zasilania danego węzła, łącznego rozkładu tych prawdopodobieństw, prawdopodobieństw warunkowych wystąpienia stanu zasilania lub jego braku oraz intensywności występowania przerw w zasilaniu i średniego czasu ich trwania, a także ważności i wkładów poszczególnych elementów w niezawodność zasilania. Przedstawiono sposób uzyskania tych analitycznych zależności za pomocą wybranych instrukcji obliczeń symbolicznych programu Mathematica 8. Omówiono wyniki kontrolnych obliczeń symbolicznych dla wybranych układów zasilania. Zaproponowano sposoby ograniczenia czasu trwania obliczeń symbolicznych wskaźników niezawodności dla wieloelementowych złożonych układów zasilania energią elektryczną.
Źródło:: Acta Energetica; 2013, 4; 37-47
2300-3022
Pojawia się w:: Acta Energetica
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Learning the naive Bayes classifier with optimization models
Autorzy:: Taheri, S.
Mammadov, M.
Powiązania:: https://bibliotekanauki.pl/articles/908351.pdf
Data publikacji:: 2013
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: Bayesian networks
naive Bayes classifier
optimization
discretization
sieci bayesowskie
naiwny klasyfikator Bayesa
optymalizacja
dyskretyzacja
Opis:: Naive Bayes is among the simplest probabilistic classifiers. It often performs surprisingly well in many real world applications, despite the strong assumption that all features are conditionally independent given the class. In the learning process of this classifier with the known structure, class probabilities and conditional probabilities are calculated using training data, and then values of these probabilities are used to classify new observations. In this paper, we introduce three novel optimization models for the naive Bayes classifier where both class probabilities and conditional probabilities are considered as variables. The values of these variables are found by solving the corresponding optimization problems. Numerical experiments are conducted on several real world binary classification data sets, where continuous features are discretized by applying three different methods. The performances of these models are compared with the naive Bayes classifier, tree augmented naive Bayes, the SVM, C4.5 and the nearest neighbor classifier. The obtained results demonstrate that the proposed models can significantly improve the performance of the naive Bayes classifier, yet at the same time maintain its simple structure.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2013, 23, 4; 787-795
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Application of dynamic Bayesian networks to risk assessmnet in medicine
Zastosowanie dynamicznych rozkładów Gaussowskich przy pomocy algorytmu ewolucji różnicowej
Autorzy:: Oniśko, A.
Powiązania:: https://bibliotekanauki.pl/articles/341045.pdf
Data publikacji:: 2010
Wydawca:: Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:: dynamiczne sieci bayesowskie
wyznaczanie ryzyka w medycynie
dynamic Bayesian networks
risk assessment in medicine
Opis:: Dynamic Bayesian networks (DBNs) offer a framework for explicit modeling of temporal relationships, and are useful as both prognostic and diagnostic tools. In medicine, for example, they can assist in planning treatment options or in clinical management of patients. They have been also widely applied to genomics and proteomics. This paper shows how dynamic Bayesian networks can be used in a risk assessment in medicine and presents an example of an application to cervical cancer screening. The model is a convenient tool for assessing the risk of cervical precancer and invasive cervical cancer over time. These quantitative risk assessments are helpful for establishing the optimal timing of follow-up screening and are the first step toward generating individualized reevaluation scheduling.
Dynamiczne sieci bayesowskie (DBNs) pozwalają na modelowanie zależności czasowych. Modele te są niejednokrotnie używane w prognostyce. Na przykład w medycynie, jako narzędzia do prognozowania czy też planowania terapii. Dynamiczne siecibayesowskie sa˛ też szeroko stosowane w genomice oraz w proteomice. Atrykuł ten opisuje, w jaki sposób dynamiczne sieci bayesowskie mogą być zastosowane w wyznaczaniu ryzyka w medycynie. W pracy przedstawiono przykład zastosowania dynamicznych sieci bayesowskich w profilaktyce raka szyjki macicy. Prezentowany model został zbudowany w oparciu o dwa źródła wiedzy: opinie eksperta oraz dane medyczne. Model ten pozwala na wyznaczanie ryzyka zachorowania na raka szyjki macicy. Wartości ryzyka wyznaczane przez model pozwalają na określenie optymalnego czasu wykonania kolejnych badań przesiewowych oraz na zindywidualizowanie procesu profilaktyki.
Źródło:: Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2010, 5; 35-49
1644-0331
Pojawia się w:: Zeszyty Naukowe Politechniki Białostockiej. Informatyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Extracting structure of Bayesian network from data in predicting the damage of prefabricated reinforced concrete buildings in mining areas
Wyodrębnianie struktury sieci Bayesowskiej z danych w prognozowaniu uszkodzeń żelbetowych budynków prefabrykowanych na terenach górniczych
Autorzy:: Rusek, Janusz
Firek, Karol
Słowik, Leszek
Powiązania:: https://bibliotekanauki.pl/articles/1841950.pdf
Data publikacji:: 2020
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:: Bayesian network
damage
risk
prefabricated reinforced concrete structures
sieci Bayesowskie
uszkodzenia
ryzyko
prefabrykowane budynki żelbetowe
Opis:: This article presents the results of the research on the construction of a model for assessing the risk of damage to building structures located in mining areas. The research was based on the database on the structure, technical condition and mining impacts regarding 129 prefabricated reinforced concrete buildings erected in the industrialised large-block system, located in the mining area of the Legnica-Glogow Copper District (LGCD). The methodology of the Bayesian Belief Network (BBN) was used for the analysis. Using the score-based Bayesian structure learning approach (Hill-Climbing and Tabu-Search) as well as the selected optimisation criteria, 16 Bayesian network structures were induced. All models were subjected to quantitative and qualitative evaluation by verifying their features in the context of accuracy of prediction, generalisation of acquired knowledge and cause-effect relationships. This allowed to select the best network structure together with the corresponding optimisation criterion. The analysis of the results demonstrated that the Tabu-Search method adopting the optimisation criterion in the form of Locally Averaged Bayesian Dirichlet score (BDla) led to obtaining a model with the best features among all the selected models. The results justified the adoption of the BBN methodology as effective in the context of assessing the extent of damage to building structures in mining areas.
W artykule zaprezentowano wyniki badań dotyczących budowy modelu do oceny ryzyka powstawania uszkodzeń budynków usytuowanych na terenach górniczych. Podstawą do badań była baza danych nt. konstrukcji, stanu technicznego oraz wpływów górniczych dla 129 żelbetowych prefabrykowanych budynków wznoszonych w uprzemysłowionym systemie wielkoblokowym zlokalizowanych na terenie górniczym Legnicko-Głodowskiego Okręgu Miedziowego (LGOM). Do analiz zastosowano metodykę sieci przekonań Bayesa (BBN – Belief Bayesian Networks). Stosując podejście score-based Bayesian structure learning (Hill-Climbing oraz Tabu-Search) oraz wyselekcjonowane kryteria optymalizacyjne, wyłoniono 16 struktur sieci Bayesowskich. Wszystkie modele poddano ocenie ilościowej i jakościowej, weryfikując ich własności w kontekście trafności predykcji, generalizacji nabytej wiedzy oraz zależności przyczynowo-skutkowych. Pozwoliło to na wyselekcjonowanie najlepszej struktury sieci wraz z odpowiadającym kryterium optymalizacyjnym. Analiza wyników wykazała, że metoda Tabu-Search przy przyjęciu kryterium optymalizacyjnego w postaci Locally Averaged Bayesian Dirichlet score (BDla), prowadzi do uzyskania modelu o najlepszych własnościach spośród wszystkich wyłonionych modeli. Uzyskane rezultaty uzasadniają przyjęcie metodyki BBN, jako efektywnej w kontekście oceny zakresu uszkodzeń budynków na terenach górniczych.
Źródło:: Eksploatacja i Niezawodność; 2020, 22, 4; 658--666
1507-2711
Pojawia się w:: Eksploatacja i Niezawodność
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Bayesian reliability models of Weibull systems: State of the art
Autorzy:: Zaidi, A.
Ould Bouamama, B.
Tagina, M.
Powiązania:: https://bibliotekanauki.pl/articles/330104.pdf
Data publikacji:: 2012
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: modelowanie hierarchiczne
system Weibulla
sieci bayesowskie
diagnostyka uszkodzeń
hierarchical modeling
reliability
Weibull
Bayesian networks
fault diagnosis
Opis:: In the reliability modeling field, we sometimes encounter systems with uncertain structures, and the use of fault trees and reliability diagrams is not possible. To overcome this problem, Bayesian approaches offer a considerable efficiency in this context. This paper introduces recent contributions in the field of reliability modeling with the Bayesian network approach. Bayesian reliability models are applied to systems with Weibull distribution of failure. To achieve the formulation of the reliability model, Bayesian estimation of Weibull parameters and the model's goodness-of-fit are evoked. The advantages of this modelling approach are presented in the case of systems with an unknown reliability structure, those with a common cause of failures and redundant ones. Finally, we raise the issue of the use of BNs in the fault diagnosis area.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2012, 22, 3; 585-600
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Wind Farm Reliability Modelling Using Bayesian Networks and Semi-Markov Processes
Modelowanie niezawodności farmy wiatrowej z wykorzystaniem sieci Bayesowskich i procesów semi-Markowa
Autorzy:: Sobolewski, R. A.
Powiązania:: https://bibliotekanauki.pl/articles/396950.pdf
Data publikacji:: 2015
Wydawca:: ENERGA
Tematy:: wind power
reliability
Bayesian networks
semi-Markov processes
energetyka wiatrowa
niezawodność
sieci Bayesowskie
procesy semi-Markowa
Opis:: Technical reliability plays an important role among factors affecting the power output of a wind farm. The reliability is determined by an internal collection grid topology and reliability of its electrical components, e.g. generators, transformers, cables, switch breakers, protective relays, and busbars. A wind farm reliability’s quantitative measure can be the probability distribution of combinations of operating and failed states of the farm’s wind turbines. The operating state of a wind turbine is its ability to generate power and to transfer it to an external power grid, which means the availability of the wind turbine and other equipment necessary for the power transfer to the external grid. This measure can be used for quantitative analysis of the impact of various wind farm topologies and the reliability of individual farm components on the farm reliability, and for determining the expected farm output power with consideration of the reliability. This knowledge may be useful in an analysis of power generation reliability in power systems. The paper presents probabilistic models that quantify the wind farm reliability taking into account the above-mentioned technical factors. To formulate the reliability models Bayesian networks and semi-Markov processes were used. Using Bayesian networks the wind farm structural reliability was mapped, as well as quantitative characteristics describing equipment reliability. To determine the characteristics semi-Markov processes were used. The paper presents an example calculation of: (i) probability distribution of the combination of both operating and failed states of four wind turbines included i
Wśród czynników wpływających na moc wyjściową farmy wiatrowej (FW) istotną rolę odgrywa niezawodność techniczna. O niezawodności tej decydują m.in.: topologia wewnętrznej sieci elektroenergetycznej FW i niezawodność urządzeń elektrycznych wchodzących w jej skład, np. generatorów, transformatorów, kabli, łączników, zabezpieczeń elektroenergetycznych, szyn zbiorczych. Ilościową miarą niezawodności FW może być rozkład prawdopodobieństwa kombinacji stanów gotowości elektrowni wiatrowych (EW) farmy. Stan gotowości danej EW oznacza jej gotowość do produkcji energii elektrycznej i przekazywania jej do zewnętrznej sieci elektroenergetycznej, co oznacza zdatność EW oraz pozostałych urządzeń niezbędnych do przekazania energii do sieci zewnętrznej. Miarę tę można wykorzystywać m.in. do ilościowej analizy wpływu różnych topologii FW i niezawodności poszczególnych urządzeń farmy na jej niezawodność oraz wyznaczać wartość oczekiwaną mocy farmy z uwzględnieniem niezawodności. Wiedza ta może być przydatna w analizie niezawodności wytwarzania energii elektrycznej w systemach elektroenergetycznych. W artykule przedstawiono modele probabilistyczne opisujące ilościowo niezawodność FW z uwzględnieniem wspomnianych wyżej czynników technicznych. Do sformułowania modeli niezawodnościowych wykorzystano sieci Bayesowskie (BN) i procesy semi-Markowa (PSM). Za pomocą BN odwzorowano niezawodność strukturalną FW i charakterystyki ilościowe opisujące niezawodność urządzeń. Do wyznaczania tych charakterystyk zastosowano PSM. W artykule zaprezentowano przykład obliczeniowy dotyczący wyznaczenia: (i) rozkładu prawdopodobieństwa kombinacji stanów gotowości czterech EW wchodzących w skład FW i (ii) oczekiwanej mocy wyjściowej FW z uwzględnieniem jej niezawodności.
Źródło:: Acta Energetica; 2015, 3; 71-82
2300-3022
Pojawia się w:: Acta Energetica
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Sieci bayesowskie" wg kryterium: Temat

Źródło danych

Dostawca treści

Podbaza

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język