Informacja

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

Wyszukujesz frazę "zależności czasowe" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Redukcja czasu analizy MZP przez ograniczenie rozmiaru rozwiązania
Reduction of MCS analysis time by reducing size of the result
Autorzy:
Gołaszewski, G.
Powiązania:
https://bibliotekanauki.pl/articles/268758.pdf
Data publikacji:
2013
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
drzewo niezdatności
zależności czasowe
ECSDM
fault trees
timing relationships
Opis:
Analiza drzew niezdatności jest uznaną metodą analizy bezpieczeństwa systemów. Notacja ECSDM pozwala definiować zależności czasowe między zdarzeniami drzewa oraz przeanalizować je w celu określenia zależności pomiędzy zdarzeniami z Minimalnych Zbiorów Przyczyn (MZP). Dzięki wprowadzeniu klasyfikacji zdarzeń z MZP można wyodrębnić zależności czasowe istotne dla zapobiegania wywoływania hazardu przez konkretny MZP. Pozostałe zależności czasowe są w tym podejściu odrzucane. Opracowano odmiany algorytmu analizy zależności czasowych w drzewach niezdatności, które są w stanie odrzucić część zależności czasowych na wcześniejszym etapie analizy. W tym artykule omówiony zostanie eksperyment określający redukcję czasu przetwarzania uzyskaną dzięki zastosowania tych zmian.
Fault tree analysis is an accepted systems safety analysis method. ECSDM notation allows for definition of timing relationships between events of the tree. These relationships are then analyzed in order to derive timing relationships between events in Minimal Cut Sets. Introduction of events classification allows for extraction from MCS timing relationships relevant to prevention of that given MCS. Timing relationships not selected in that step are ignored. Therefore a set of new algorithms for analysis of timing relationships in fault trees was proposed. Each of these algorithms filters out some of the irrelevant relationships in earlier steps of the analysis. In this article an experiment aimed at determining the gain (understood as processing time reduction) from applying these algorithms is described.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2013, 36; 61-64
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analyzing certain temporal dependences in Netflix data
Analiza wybranych zależności czasowych w danych Netflix
Autorzy:
Łupińsla-Dubicka, A.
Drużdżel, M.
Powiązania:
https://bibliotekanauki.pl/articles/341143.pdf
Data publikacji:
2008
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
zależności czasowe
Netflix
data analysis
temporal dependences
Opis:
Netflix (see http://www.netflix.com/), an American Internet-based movie rental company, uses data mining in their recommendation system. In October 2006 Netflix made a huge data base of their users and movie evaluations available to the community and announced a million dollars prize to the team that beats the accuracy of their recommendations by at least 10%. The data have since become an object of interest of the machine learning community. In this paper, we focus on one aspect of the data that, to our knowledge, has been overlooked — their temporal dependences. We have looked at the impact of the day of the week, month of the year, length of membership, month from the start of Netflix, etc., on the average evaluation.
Działający w Stanach Zjednoczonych Ameryki Netflix (http://www.netflix. com/) jest jedną z największych na świecie internetowych wypożyczalni filmów. W celu uzyskania wyższej jakości proponowanych przez system ocen filmów, w październiku 2006 roku Netflix udostępnił bazę danych użytkowników oraz ich ocen i ogłosił nagrodę dla tego, kto uzyska co najmniej 10-cio procentową poprawęw stosunku do wyników Cinematch (RMSE=0.9525). W tym artykule postawiliśmy sobie za cel zbadanie, czy zalezności czasowe, takie jak dzień tygodnia lub długość członkostwa, są w stanie zwiększyć jakość prognozowania.
Źródło:
Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2008, 3; 67-82
1644-0331
Pojawia się w:
Zeszyty Naukowe Politechniki Białostockiej. Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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