Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
  • Sesja wygasła!
  • Sesja wygasła!

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule przedstawiono metodę modelowania problemów decyzyjnych, polegającą na syntezie działań prewencyjno-interwencyjnych w rolniczym procesie produkcyjnym. W zależności od spektrum zagrożenia, zbiór działań musi spełniać szereg ograniczeń wynikających z ich stosowania, pilności i wykonalności. Ostatecznym kryterium wyboru działania jest wynik predykcji straty plonu. Przedstawioną koncepcję budowy modelu oparto na technologii sieci bayesowskich.
EN
The article presents a method of modelling decision problems which is based on a synthesis of prevention and intervention activities in the agricultural production process. Depending on the threat spectrum, the set of actions must comply with a number of limitations arising from their use, urgency and feasibility. The final criterion for the choice of action is the result of the yield loss prediction. The concept of building a model presented in the article is based on Bayesian network technology.
PL
W artykule przedstawiono metodę modelowania problemu oceny zagrożenia w rolniczym procesie produkcyjnym i doboru konkretnego środka ochrony oraz wielkości adekwatnej dawki w integrowanym rolniczym procesie produkcyjnym. Podstawą decyzji jest diagnoza generatywna oparta o rozkład prawdopodobieństwa określony nad zbiorem możliwych decyzji. Pokazano w jaki sposób poprzez integrację niejednorodnych i niepewnych źródeł informacji można zmniejszyć niepewność w procesie podejmowania decyzji. Przedstawioną koncepcję budowy modelu oparto na technologii sieci bayesowskich.
EN
The study presents the modelling method of a risk assessment problem in the agricultural production process and selection of an adequate protection measure and the size of the measure in the integrated technology of the plant production. The decision results from a generative diagnosis based on the distribution of decision probability under the set of possible decisions. The study presented how an integration of non-uniform and uncertain sources of information decreases uncertainty in the process of decision taking. The concept of a model structure was presented based on the technology of the Bayesian networks. Bayesian diagnosis model shows how integration of heterogeneous uncertain information sources decrease uncertainty in process of decision-making.
PL
Wartość natlenienia gleby jest określana m.in. w oparciu o pomiarowo dostępne krzywe woltamperometryczne I(U), a konkretnie o występowanie i zakres plateau na tych krzywych. Celem pracy było zaprojektowanie sieci neuronowej, która w sposób automatyczny identyfikowałaby te krzywe I(U), które są interpretowalne w kategoriach natlenienia gleby, tzn. występuje na nich plateau oraz, w przypadku występowania, określała granice napięć, przy których to plateau występuje. W ten sposób elektrochemiczny układ pomiarowy zostanie wzbogacony o "inteligentny" moduł umożliwiający dalsze, obiektywne obliczenia.
EN
Among others, soil oxygenation value is determined on the basis of available measurements of volt-ampere-metric curves I(U), and specifically on the basis of plateau occurrence and range in these curves. The purpose of the work was to design a neural network that would automatically identify these curves I(U), which are interpretable in terms of soil oxygenation, that is they have a plateau. Moreover, the network would determine voltage limits, at which this plateau occurs, provided that it occurs. Thus, the electrochemical measurement system will be provided with an extra "intelligent" module allowing to perform further, objective computations.
PL
Zastosowanie sieci bayesowskich do modelowania rolniczego procesu produkcyjnego oraz wspomagania decyzji odnośnie wyboru działań produkcyjnych przedstawiono z perspektywy budowania komputerowych systemów reprezentacji wiedzy. Metodykę budowania modeli sprowadzono do projektowania odpowiednich modułów rozpoznawania i predykcji i łączenia ich według określonych reguł. Zaproponowaną metodę omówiono na przykładzie modelowania produkcji pszenicy ozimej.
EN
Problem of agricultural production modeling with Bayesian Networks is discussed from the perspective of building knowledge representation systems in agricultural domain. Universal conceptualization schema of acting in changing and uncertain environments as cognitive cycles, implies the need of two elementary modules of BN, namely the recognition (diagnostic) and prediction module. Building BN model of agricultural production process can be decomposed into the design of elementary modules repository and then appropriate composing entire models with modules. Conceptualization and design of diagnostic and predictive modules, and then their linkage rules was shown on the examples concerned winter wheat production.
PL
Przedstawione zostało zastosowanie dynamicznych sieci bayesowskich do modelowania niezawodności oraz wspomagania decyzji dotyczących eksploatacji maszyn na przykładzie linii do produkcji mleka.
EN
The paper presents application of dynamic Bayesian networks for modelling of reliability and support of decision-making processes regarding machinery operation on the example of milk production line.
PL
W pracy przedstawiono podstawowe założenia metodyczne związane z budową formalnych systemów reprezentacji wiedzy. Omówiono sieci probabilistyczne, które są szczególnie przydatnym systemem reprezentacji wiedzy w przypadku, gdy trzeba w sposób jawny zakodować czynnik niepewności i rozumowania w kategoriach niedeterministycznych związków przyczynowo-skutkowych. Sprecyzowano zasady budowy modelu oraz omówiono metody wnioskowania specyficzne dla sieci bayesowskich.
EN
The paper presents Bayesian Networks (BN) technology in the context of methodological requirements for building knowledge representation systems in the domain of agricultural engineering. BN, by their nature, are especially useful for modeling uncertain domains like agricultural production and food chains management.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.