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: 1
نویسندگان: Philippe Weber. Christophe Simon
سری:
ISBN (شابک) : 184821992X, 9781848219922
ناشر: Wiley-ISTE
سال نشر: 2016
تعداد صفحات: 151
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب مزایای مدل های شبکه بیزی: احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Benefits of Bayesian Network Models 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 مزایای مدل های شبکه بیزی 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.
کاربرد شبکههای بیزی (BN) یا شبکههای بیزی پویا (DBN) در قابلیت اطمینان و تجزیه و تحلیل ریسک یک پیشرفت اخیر است. تعداد زیادی از انتشارات علمی علاقه به کاربردهای BN در این زمینه را نشان می دهد.
متاسفانه، این فرمالیسم مدل سازی به طور کامل در صنعت پذیرفته نشده است. سوالاتی که مهندسان امروزی با آن روبرو هستند بر اعتبار مدل های BN و برآوردهای حاصل از آن متمرکز است. در واقع، یک مدل BN مبتنی بر معنایی خاصی در قابلیت اطمینان نیست، بلکه یک فرمالیسم کلی برای مدلسازی مسائل در شرایط عدم قطعیت ارائه میدهد.
این کتاب اصول ساختار دانش را برای اطمینان از یک مدل معتبر BN و DBN توضیح میدهد و نشان میدهد. انعطافپذیری و کارایی این نمایشها در قابلیت اطمینان، تجزیه و تحلیل ریسک و کنترل سیستمهای چند حالته و سیستمهای پویا.
در پنج فصل، نویسندگان چندین روش مدلسازی ارائه میکنند و کاربردهای صنعتی برای مصورسازی در صنعتی واقعی ارجاع میشوند. زمینه ها.
The application of Bayesian Networks (BN) or Dynamic Bayesian Networks (DBN) in dependability and risk analysis is a recent development. A large number of scientific publications show the interest in the applications of BN in this field.
Unfortunately, this modeling formalism is not fully accepted in the industry. The questions facing today's engineers are focused on the validity of BN models and the resulting estimates. Indeed, a BN model is not based on a specific semantic in dependability but offers a general formalism for modeling problems under uncertainty.
This book explains the principles of knowledge structuration to ensure a valid BN and DBN model and illustrate the flexibility and efficiency of these representations in dependability, risk analysis and control of multi-state systems and dynamic systems.
Across five chapters, the authors present several modeling methods and industrial applications are referenced for illustration in real industrial contexts.