Podstawowe zasady modelowania procesu produkcji rolniczej

• Autorzy: Maksym P.

Warianty tytułu

EN

Basic rules of agricultural production process modeling

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawione zostały podstawowe zasady dotyczące modelowania procesu produkcji rolniczej. Opisano podstawową fazę dotyczącą konceptualizacji dziedziny przedmiotowej oraz podstawowe założenia dotyczące jej formalizacji i wykonywalności w technologii sieci bayesowskich.

EN

The article presents basic rules of agricultural production process modeling. It describes the main phase of field conceptualization and the main guidelines for their formalization and executability in technology of Bayesian networks.

Słowa kluczowe

PL

modelowanie; proces produkcji; konceptualizacja; sieci bayesowskie; inżynieria wiedzy

EN

modeling; production process; conceptualization; Bayesian network; knowledge engineering

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2011
• Tom: R. 15, nr 1
• Strony: 161--165
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Maksym P.

• Katedra Podstaw Techniki, Uniwersytet Przyrodniczy w Lublinie, ul. Doświadczalna 50a, 20-280 Lublin,

Bibliografia

• Conrady S., Jouffe L. 2011. Breast Cancer Diagnostics with Bayesian Networks [online]. [dostęp 12.05.2011]. Dostępny w internecie http://www.conradyscience.com/white_papers/WBCD_V7.pdf
• Halpern J.Y. 2003. Reasoning about uncertainty. MIT Press. ISBN 9780262083201. s. 11-68, 189-237.
• Kusz A., Marciniak A. 2006. Dynamiczne sieci probabilistyczne jako system reprezentacji wiedzy. Inżynieria Rolnicza. Nr 12(87). s. 285-294.
• Maksym P., Marciniak A., Kostecki R. 2006. Zastosowanie sieci bayesowskich do modelowania rolniczego procesu produkcyjnego. Inżynieria Rolnicza. Nr 12(87). s. 321-330.
• Marciniak A. 2005. Projektowanie systemu reprezentacji wiedzy o rolniczym procesie produkcyjnym. Rozprawa naukowa. Z. 298, Wydawnictwo AR Lublin. ISSN 0860-4355.
• Pearl J. 1988. Probabilistic reasoning in intelligent systems: networks of plausible inference. Morgan Kaufmann Publishers. ISBN 9781558604797. s. 1-27.