دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1st ed.] نویسندگان: Baoping Cai, Yonghong Liu, Zengkai Liu, Yuanjiang Chang, Lei Jiang سری: ISBN (شابک) : 9789811365157, 9789811365164 ناشر: Springer Singapore سال نشر: 2020 تعداد صفحات: IX, 257 [259] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 Mb
در صورت تبدیل فایل کتاب Bayesian Networks for Reliability Engineering به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شبکه های بیزی برای مهندسی قابلیت اطمینان نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مروری کتابشناختی از استفاده از شبکههای بیزی در
قابلیت اطمینان در دهه گذشته ارائه میکند. شبکه بیزی (BN) به
عنوان یکی از قدرتمندترین مدل ها در بازنمایی و استنتاج دانش
احتمالی در نظر گرفته می شود و به طور فزاینده ای در زمینه
قابلیت اطمینان استفاده می شود. پس از تمرکز بر روی سیستم های
مهندسی، کتاب متعاقبا دوازده موضوع مهم در روش های قابلیت
اطمینان مبتنی بر BN، مانند مدل سازی ساختار BN، مدل سازی
پارامتر BN، استنتاج BN، اعتبار سنجی و تایید را مورد بحث قرار
می دهد. به این ترتیب، منبع ارزشمندی برای محققان و متخصصان در
زمینه مهندسی قابلیت اطمینان است.
This book presents a bibliographical review of the use of
Bayesian networks in reliability over the last decade.
Bayesian network (BN) is considered to be one of the most
powerful models in probabilistic knowledge representation and
inference, and it is increasingly used in the field of
reliability. After focusing on the engineering systems, the
book subsequently discusses twelve important issues in the
BN-based reliability methodologies, such as BN structure
modeling, BN parameter modeling, BN inference, validation,
and verification. As such, it is a valuable resource for
researchers and practitioners in the field of reliability
engineering.