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
دسته بندی: ریاضیات کاربردی ویرایش: نویسندگان: Cai. Baoping سری: ISBN (شابک) : 9789813271494, 9813271493 ناشر: World Scientific Publishing سال نشر: 2019 تعداد صفحات: 418 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 34 مگابایت
کلمات کلیدی مربوط به کتاب شبکه های بیزی در تمرین و کاربرد عیب یابی: ریاضیات کاربردی، شبکههای بیزی، آمار بیزی، عیبیابی، مدلهای گرافیکی، احتمال
در صورت تبدیل فایل کتاب Bayesian Networks in Fault Diagnosis Practice And Application 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 در تمرین و کاربرد عیب یابی 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.
تشخیص عیب برای تکنسین ها برای شناسایی، جداسازی، شناسایی عیوب و عیب یابی مفید است. شبکه بیزی (BN) یک مدل گرافیکی احتمالی است که به طور موثر با مسائل مختلف عدم قطعیت سروکار دارد. این مدل به طور فزاینده ای در تشخیص عیب استفاده می شود. این خلاصه منحصر به فرد مروری کتابشناختی در مورد استفاده از BNs در تشخیص خطا در دهههای گذشته با تمرکز بر سیستمهای مهندسی ارائه میکند. پس از آن، یازده موضوع مهم در روش تشخیص خطا مبتنی بر BN، مانند مدلسازی ساختار BN، مدلسازی پارامتر BN، استنتاج BN، شناسایی خطا، اعتبار سنجی و تأیید در موارد مختلف مورد بحث قرار میگیرد. محققان، متخصصان، دانشگاهیان و دانشجویان تحصیلات تکمیلی تئوری و کاربرد را بهتر درک خواهند کرد و برای کسانی که مشتاق توسعه سیستم تشخیص عیب واقعی مبتنی بر BN هستند، سود خواهند برد.
Fault diagnosis is useful for technicians to detect, isolate, identify faults, and troubleshoot. Bayesian network (BN) is a probabilistic graphical model that effectively deals with various uncertainty problems. This model is increasingly utilized in fault diagnosis. This unique compendium presents bibliographical review on the use of BNs in fault diagnosis in the last decades with focus on engineering systems. Subsequently, eleven important issues in BN-based fault diagnosis methodology, such as BN structure modeling, BN parameter modeling, BN inference, fault identification, validation, and verification are discussed in various cases. Researchers, professionals, academics and graduate students will better understand the theory and application, and benefit those who are keen to develop real BN-based fault diagnosis system.
Fault Diagnosis Multi-Source Information Fusion-Based Fault Diagnosis of Ground-Source Heat Pump Using Bayesian Network A Data-Driven Fault Diagnosis Methodology in Three-Phase Inverters for PMSM Drive Systems A Real-Time Fault Diagnosis Methodology of Complex Systems Using Object-Oriented Bayesian Networks A Dynamic Bayesian Network-Based Fault Diagnosis Methodology Considering Transient and Intermittent Faults An Integrated Safety Prognosis Model for Complex System Based on Dynamic Bayesian Network and Ant Colony Algorithm An Intelligent Fault Diagnosis System for Process Plant Using a Functional HAZOP and DBN Integrated Methodology DBN-Based Failure Prognosis Method Considering the Response of Protective Layers for Complex Industrial Systems Fault Diagnosis for a Solar-Assisted Heat Pump System Under Incomplete Data and Expert Knowledge An Approach for Developing Diagnostic Bayesian Network Based on Operation Procedures A DBN-Based Risk Assessment Model for Prediction and Diagnosis of Offshore Drilling Incidents A Fault Diagnosis Methodology for Gear Pump Based on EEMD and Bayesian Network