Benefits of Bayesian Network Models

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.