Temat: Bayesian - Prolib Integro

Skocz do pozycji: 1.

Tytuł:: Cycles in Bayesian Networks
Autorzy:: Shayakhmetova, Assem
Litvinenko, Natalya
Mamyrbayev, Orken
Wójcik, Waldemar
Zhamangarin, Dusmat
Tematy:: Bayesian networks
directed graphs
directed cycles
propagation
Bayesian evidence; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Powiązania:: https://bibliotekanauki.pl/articles/1844619.pdf Link otwiera się w nowym oknie
Opis:: The article is devoted to some critical problems of using Bayesian networks for solving practical problems, in which graph models contain directed cycles. The strict requirement of the acyclicity of the directed graph representing the Bayesian network does not allow to efficiently solve most of the problems that contain directed cycles. The modern theory of Bayesian networks prohibits the use of directed cycles. The requirement of acyclicity of the graph can significantly simplify the general theory of Bayesian networks, significantly simplify the development of algorithms and their implementation in program code for calculations in Bayesian networks.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: BAYESIAN APPROACH TO THE PROCESS OF IDENTIFICATION OF THE DETERMINANTS OF INNOVATIVENESS
Autorzy:: Czyżewska, Marta
Mroczek, Teresa
Tematy:: Bayesian approach
determinants
innovativeness; Pokaż więcej
Wydawca:: Wyższa Szkoła Informatyki i Zarządzania z siedzibą w Rzeszowie
Powiązania:: https://bibliotekanauki.pl/articles/599472.pdf Link otwiera się w nowym oknie
Opis:: Bayesian belief networks are applied in determining the most important factors of the innovativeness level of national economies. The paper is divided into two parts. The first presentsthe basic theory of Bayesian networks whereas in the second, the belief networks have been generated by an inhouse developed computer system called BeliefSEEKER which was implemented to generate the determinants influencing the innovativeness level of national economies.Qualitative analysis of the generated belief networks provided a way to define a set of the most important dimensions influencing the innovativeness level of economies and then the indicators that form these dimensions. It has been proven that Bayesian networks are very effective methods for multidimensional analysis and forming conclusions and recommendations regarding the strength of each innovative determinant influencing the overall performance of a country’s economy.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Cyclic Bayesian Network : Markov Process Approach
Autorzy:: Kłopotek, M. A.
Tematy:: Bayesian networks
Markov process; Pokaż więcej
Wydawca:: Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Powiązania:: https://bibliotekanauki.pl/articles/92928.pdf Link otwiera się w nowym oknie
Opis:: The paper proposes a new interpretation of the concept of cyclic Bayesian Networks, based on stationary Markov processes over feature vector state transitions.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Robust Bayesian Prediction with Asymmetric Loss Function in Poisson Model of Insurance Risk
Odporna predykcja bayesowska przy asymetrycznej funkcji straty w modelu Poissona dla ryzyka ubezpieczeniowego
Autorzy:: Boratyńska, Agata
Tematy:: Bayesian prediction
Bayesian robustness
LINEX loss
family of priors
collective risk model; Pokaż więcej
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Powiązania:: https://bibliotekanauki.pl/articles/905699.pdf Link otwiera się w nowym oknie
Opis:: In robust Bayesian analysis a prior is assumed to belong to a family instead of being specified exactly. The multiplicity of priors leads to a collection of Bayes actions. It is clearly essential to be able to recommend one action (estimate, predictor) from this set. We consider the problem of robust Bayesian prediction of a Poisson random variable under LINEX loss. Some uncertainty about the prior is assumed by introducing three classes of conjugate priors. The conditional Г-minimax predictors and posterior regret Г-minimax predictors are constructed. The application to the collective risk model is presented.
W odpornej analizie bayesowskiej rozkład a priori nie jest dokładnie wyznaczony, ale należy do pewnej rodziny Г rozkładów a priori. Przy takim założeniu otrzymujemy również rodzinę decyzji bayesowskich. Celem jest natomiast wybór jednej reguły „optymalnej”. W artykule rozważany jest problem odpornej predykcji bayesowskiej zmiennej losowej o rozkładzie Poissona przy lunkcji straty LINEX. Niedokładność w wyznaczeniu rozkładu a priori modeluje się za pomocą trzech rodzin rozkładów a priori. Wyznaczamy predyktor warunkowo Г-minimaksowy i predyktor o Г-minimaksowej utracie a posteriori. Podajemy zastosowania w kolektywnym modelu ryzyka.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: A holistic framework for conceptualising and describing risk
Autorzy:: Aven, T.
Tematy:: risk
probability
models
Bayesian approach; Pokaż więcej
Wydawca:: Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Powiązania:: https://bibliotekanauki.pl/articles/2069545.pdf Link otwiera się w nowym oknie
Opis:: A number of definitions and interpretations of the risk concept exist. Many of these are probability-based. In this paper we present and discuss a structure for characterising the definitions, which is founded on a clear distinction between (a) risk as a concept based on events, consequences and uncertainties; (b) risk as a modelled, quantitative concept; and (c) risk descriptions. The discussion leads to a holistic framework for conceptualising and assessing risk, which is based on risk defined by (a), and the probability-based definitions of risk can be viewed as related model parameters and/or risk descriptions. Two ways of detailing the framework are outlined: the relative frequency-based approach and the Bayesian approach. The Framework provides clear guidance on how to think when conceptualising and assessing risk in practice. Such guidance is strongly needed for the risk analysis discipline which is young and characterised by many different risk perspectives and approaches.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: Multi-layered Bayesian Neural Networks for Simulation and Prediction Stress-Strain Time Series
Autorzy:: Krok, A.
Tematy:: Bayesian neural networks
Kalman filtering; Pokaż więcej
Wydawca:: Instytut Łączności - Państwowy Instytut Badawczy
Powiązania:: https://bibliotekanauki.pl/articles/308596.pdf Link otwiera się w nowym oknie
Opis:: The aim of the paper is to investigate the differences as far as the numerical accuracy is concerned between feedforward layered Artificial Neural Networks (ANN) learned by means of Kalman filtering (KF) and ANN learned by means of the evidence procedure for Bayesian technique. The stress-strain experimental time series for concrete hysteresis loops obtained by the experiment of cyclic loading is presented as considered example.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 7.

Tytuł:: How to reconstruct the unknown physical quantities using neural networks?
Rekonstrukcja wielkości fizycznych z użyciem sieci neuronowych
Autorzy:: Wolter, Marcin
Tematy:: reconstruction
physics
Bayesian
neural network; Pokaż więcej
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Powiązania:: https://bibliotekanauki.pl/articles/905690.pdf Link otwiera się w nowym oknie
Opis:: In this article an application of neural networks to the reconstruction of unknown physical quantities in particle physics is presented. As an example the mass reconstruction of the hypothetical Higgs boson in the typical high energy physics experiment is used. Monte Carlo events are used to determine the probability distributions of observables (energies of two jets and the angle between them) for various Higgs boson mass, which are later fitted using a Neural Network. These distributions are used to determine the mass probability distribution of the measured particle. The mass is reconstructed without knowing the functional dependence between the observables and the measured quantity. The miscalibration of the measured quantities is automatically corrected in this method.
W artykule zaprezentowane jest zastosowanie sieci neuronowych do rekonstrukcji nieznanych wielkości w fizyce cząstek elementarnych. Jako przykład użyta jest rekonstrukcja masy hipotetycznego bozonu Higgsa oparta na symulowanych danych. Dane te zostały użyte do wyznaczenia rozkładów prawdopodobieństwa mierzonych wielkości (energie dwóch dżetów oraz kąt pomiędzy nimi) dla różnych mas cząstki Higgsa. Rozkłady te zostały następnie sparametryzowane za pomocą sieci neuronowych oraz wyznaczenia rozkładu prawdopodobieństwa masy mierzonej cząstki. Masa jest wyznaczona bez użycia zależności funkcyjnej pomiędzy mierzonymi wielkościami a rekonstruowaną masą. Kalibracja wielkości pomiarowych jest automatycznie korygowana poprzez rozkłady prawdopodobieństwa.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: Bayesian Analysis of Weak Form Reduced Rank Structure in VEC Models
Autorzy:: Wróblewska, Justyna
Tematy:: cointegration
Bayesian analysis
common cyclical features; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Powiązania:: https://bibliotekanauki.pl/articles/483347.pdf Link otwiera się w nowym oknie
Opis:: The concept of cointegration that enables the proper statistical analysis of long-run comovements between unit root processes has been of great interest to numerous economic investigators since it was introduced. However, investigation of short-run comovement between economic time series seems equally important, especially for economic decision-makers. The concept of common features and based on it the idea of two additional reduced rank structure forms in a VEC model (the strong and the weak one) may be of some help. The strong form reduced rank structure (SF) takes place when at least one linear combination of the first differences of the variables exists, which is white noise. However, when this assumption seems too strong, the weaker case can be considered. The weak form appears when the linear combination of first differences adjusted for long-run efects exists, which is white noise. The main focus of this paper is a Bayesian analysis of the VEC models involving the weak form of reduced rank restrictions. After the introduction and discussion of the said Bayesian model, the presented methods will be illustrated by an empirical investigation of the price - wage spiral in the Polish economy.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 9.

Tytuł:: Bayesian methods in reliability of search and rescue action
Autorzy:: Burciu, Z.
Tematy:: coordinator
SAR action
reliability
Bayesian network; Pokaż więcej
Wydawca:: Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Powiązania:: https://bibliotekanauki.pl/articles/259315.pdf Link otwiera się w nowym oknie
Opis:: This paper concerns the application of bayesian network to planning and monitoring life saving actions at sea. The presented bayesian network was formed a.o. on the basis of the determined life raft safety function. The proposed bayesian network makes it possible to determine reliability of conducted life saving action, with accounting for a large number of events which influence course of the action. Reliability control was proposed to be applied to search and rescue - SAR action in contrast to risk control. Reliability levels were defined to make the assessing of safety of conducted SAR action, possible.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 10.

Tytuł:: Mathematical Foundations of Cognitive Radios
Autorzy:: Couillet, R.
Debbah, M.
Tematy:: Bayesian inference
cognitive radio
maximum entropy; Pokaż więcej
Wydawca:: Instytut Łączności - Państwowy Instytut Badawczy
Powiązania:: https://bibliotekanauki.pl/articles/308175.pdf Link otwiera się w nowym oknie
Opis:: Recently, much interest has been directed towards software defined radios and embedded intelligence in telecommunication devices. However, no fundamental basis for cognitive radios has ever been proposed. In this paper, we introduce a fundamental vision of cognitive radios from a physical layer viewpoint. Specifically, our motivation in this work is to embed human-like intelligence in mobile wireless devices, following the three century-old work on Bayesian probability theory, the maximum entropy principle and minimal probability update. This allows us to partially answer such questions as, what are the signal detection capabilities of a wireless device, when facing a situation in which most parameters are missing, how to react and so on. As an introductory example, we will present previous works from the same authors following the cognitive framework, and especially the multi-antenna channel modeling and signal sensing.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "Bayesian" wg kryterium: Temat