Wyniki wyszukiwania - BazTech

1

Algorytmy wykrywania struktury sieci Bayesa z danych w ocenie ryzyka powstawania uszkodzeń budynków na terenach górniczych

Rusek Janusz, Chomacki Leszek, Słowik Leszek, Firek Karol

Materiały Budowlane

|

2022

|

nr 11

66--69

PL

W artykule zaprezentowano wyniki badań, które podjęto w celu utworzenia modelu do oceny ryzyka powstania uszkodzeń budynków poddanych wpływom statycznych i dynamicznych oddziaływań górniczych. Uzasadniono przyjętą metodykę na kanwie metod uczenia maszynowego (ML - Machine Learning). Omówiono specyfikę zagadnienia i na tej podstawie przedstawiono główne założenia stosowanego podejścia, a przede wszystkim metodykę pozwalającą na samoistne wyłanianie struktury sieci Bayesa z danych (BSL - Bayesian Structure Learning). Zaprezentowano rezultaty otrzymane w ramach badań w odniesieniu do wielokondygnacyjnych budynków prefabrykowanych oraz murowanych zlokalizowanych na terenie LGOM oraz GZW. W artykule wskazano również możliwość uniwersalnego stosowania przyjętej metodyki w przypadku predykcji ryzyka powstania uszkodzeń i diagnozowania przyczyn zaistniałych szkód.

EN

The article presents the results of research that was undertaken to create a model to assess the damage risk of buildings subjected to static and dynamic mining impacts. The justification of the adopted methodology on the basis of machine learning (ML) methods is given. The specificity of the problem was discussed and, on this basis, the main assumptions of the applied approach were presented, especially the methodology allowing for autonomous extraction of the Bayesian network structure from data (BSL - Bayesian Structure Learning). The results obtained in the research were presented in relation to multi-storey prefabricated and masonry buildings located in LGDC and USB mining terrain. The paper also indicates the possibility of universal application of the adopted methodology in the case of damage risk prediction and diagnosis of the causes of damage.

2

Sieci Bayesa w rozpoznawaniu mowy

Mermon A.

Pomiary Automatyka Robotyka

|

2011

|

R. 15, nr 12

109-111

PL

Problematyka rozpoznawania mowy nie doczekała się, jak dotąd, kompleksowego rozwiązania. Współczesne efektywne systemy rozpoznawania mowy korzystają najczęściej z metod stochastycznych opartych na ukrytych modelach Markowa. Alternatywą dla nich mogą być sieci Bayesa, będące odpowiednią strukturą do formułowania modeli probabilistycznych, które cechują się jednocześnie precyzją oraz zwartością. Sieci Bayesa mogą reprezentować rozkład prawdopodobieństwa dowolnego zbioru zmiennych losowych. Mnogość dostępnych obecnie algorytmów i narzędzi obliczeniowych sprawia, że testowanie i wdrażanie nowych rozwiązań staje się mniej pracochłonne. Zalety te determinują duże możliwości wykorzystania sieci Bayesa do rozwiązywania praktycznych problemów również w zakresie rozpoznawania mowy.

EN

Speech recognition problem hasn't been fully-scaled solved till nowadays. Contemporary effective speech recognition systems mostly use stochastic methods based on Hidden Markov Models. Bayes networks can be alternative to them. BN are appropriate structures to formulate probabilistic models, which are simultaneously precise and compact. They can represent a probability distribution of arbitrary set of random variables. Variety of algorithms and computational tools which are available to use makes testing and implementing new solutions less demanding. Those advantages determine that Bayes networks have potential to be used in solving practical problems also in the area of speech recognition.

3

Should we use a uniform prior in probabilistic decision making?

Piegat A., Landowsky M.

Foundations of Computing and Decision Sciences

|

2010

|

Vol. 35, No. 1

43--61

EN

In probabilistic decision-making and diagnostics problems solved with the use of Bayes' theorem and in Bayes' networks if a priori distribution of probability density is not known the uniform distribution is assumed to determine the working, approximate solution of the problem. However, in many practical problems experts possess some qualitative knowledge about a priori distribution, e.g. the distribution is unimodal (one maximum) or it is unimodal right-asymmetric one, etc. It was explained in the paper that in such cases we need not unconditionally use the uniform distribution but we may use other types of distributions which better correspond to our qualitative knowledge and to the reality. However, to determine a priori distribution compatible with our qualitative knowledge we have to calculate the approximate, average, limit distribution the AAL- distribution of an infinitely large number of all possible distributions that possess the given qualitative feature, e.g., which are unimodal and right-asymmetrical ones. Is it possible at all? In the paper it was shown that it is possible if a special method conceived by one of the authors, the method of event-granulation diminution (GD-method) is applied. With this method the Readers themselves can determine their own limit distribution of all possible distributions which possess required qualitative features. The paper gives 3 such distributions determined by one of the authors that can directly be used in problems. It was also shown that the uniform distribution itself is the average, limit distribution of an infinite number of all possible distributions. According to the authors' knowledge the presented concept of the average, safe distribution is new in the scientific literature.

4

Modelowanie bezpieczeństwa porażeniowego dla dotyków pośrednich do urządzeń elektrycznych niskiego napięcia

Korniluk W., Sajewicz D.

Wiadomości Elektrotechniczne

|

2009

|

R. 77, nr 12

16-22

PL

Przedstawiono model bezpieczeństwa porażeniowego dla dotyków pośrednich do urządzenia elektrycznego niskiego napięcia i poddano analizie ryzyka porażenia w zależności od występowania uszkodzeń wybranych elementów ochrony.

EN

The paper presents a model of electric shock safety for indirect touch of Iow voltage electric equipment and analyses dependence of electric shock risk on failure of selected protection components.

5

Surmounting Information Gaps Using Average Probability Density Function

Piegat A., Landowski M.

Pomiary Automatyka Kontrola

|

2009

|

R. 55, nr 10

793-795

EN

In many problems we come across the lack of complete data. The information gap causes that the task seems to be unsolvable. In many cases where the Bayes' networks or Bayes' rule are used, we come across the information gap which is the lack of a priori distribution. The article presents the methods of identifying the average probability density distribution when we know the range of variable and we have some quality knowledge on the distribution. The obtained average probability density distribution minimizes medium squared error. According to the authors' knowledge the average probability density distribution is the novelty in the word literature.

PL

W wielu rzeczywistych problemach często spotykamy się z brakiem danych koniecznych do ich rozwiązania. Dotyczy to zwłaszcza zadań projektowania nowych systemów technicznych, ale i też ekonomicznych, medycznych, agrarnych i innych. Istnienie luk w problemie powoduje, że zadanie wydaje się nierozwiązywalne. W takiej sytuacji, aby w ogóle rozwiązać postawiony problem konieczne jest zaangażowanie ekspertów, którzy są często w stanie podać przybliżone oszacowanie danej brakującej do rozwiązania problemu. Niestety, oszacowania eksperckie zwykle nie są precyzyjnymi liczbami, lecz przedziałami możliwych wartości zmiennej lub też probabilistycznymi rozkładami możliwej wartości brakującej zmiennej. Zatem, aby rozwiązać dany problem konieczne jest wykonywanie operacji na rozkładach gęstości prawdopodobieństwa. Jednym z narzędzi służących do tego celu jest reguła Bayesa. Jest ona np. podstawą do przetwarzania informacji w sieciach wnioskowania probabilistycznego zwanych skrótowo sieciami Bayesa. Zwykle luką informacyjną w tych sieciach jest brak rozkładu a priori zmiennej koniecznego do obliczenia rozkładu a posteriori. W takiej sytuacji, jako rozkład a priori stosowany jest zwykle rozkład równomierny reprezentujący kompletną niewiedzę dotyczącą jakościowych cech rozkładu. Jednak taką wiedzę często posiada ekspert problemu. Artykuł prezentuje metodę identyfikacji przeciętnego rozkładu gęstości prawdopodobieństwa zmiennej dla przypadku, gdy ekspert zna nie tylko zakres możliwych wartości zmiennej, ale także posiada pewną wiedzę o jakościowych cechach rozkładu. Otrzymany z użyciem wiedzy eksperta przeciętny rozkład gęstości prawdopodobieństwa zmniejsza znacznie ryzyko popełnienia katastrofalnie dużych błędów w rozwiązywaniu problemów z lukami informacyjnymi. Według wiedzy autorów koncepcja przeciętnego rozkładu gęstości prawdopodobieństwa jest nowością w literaturze światowej.

6

A new algorithm for generation of decision trees

Grzymała-Busse J. W., Hippe Z. S., Knap M., Mroczek T.

TASK Quarterly : scientific bulletin of Academic Computer Centre in Gdansk

|

2004

|

Vol. 8, No 2

243-247

EN

A new algorithm for development of quasi-optimal decision trees, based on the Bayes theorem, has been created and tested. The algorithm generates a decision tree on the basis of Bayesian belief networks, created prior to the formation of the decision tree. The efficiency of this new algorithm was compared with three other known algorithms used to develop decision trees. The data set used for the experiments was a set of cases of skin lesions, histopatolgically verified.