1) Bayesian networks
Bayes网络
1.
Detection 3-D Structure Objects from Aerial Image with Bayesian Networks;
用Bayes网络检测航空影象中的三维结构体
2.
MCMC approach to Bayesian networks learning;
Bayes网络学习的MCMC方法
3.
Some reliability assessment methods are analyzed thoroughly,including Bayesian statistics,improved Bayesian approach and Bayesian networks.
本文系统地分析了若干可靠性评估方法,包括Bayes方法、改进Bayes方法以及Bayes网络方法,同时结合相应的仿真算例说明了方法的应用,最后对成败型设备可靠性评估问题提出了一些结论和建议。
2) Bayes network
Bayes网络
1.
Research on the method of Project Risk Evaluaton Based on the Bayes Network;
基于Bayes网络的项目风险评估方法研究
2.
Evaluation of Enterprise Capability Based on Bayes Network;
基于Bayes网络的企业能力评估
3.
On the base of Bayes network,the model of fault diagnosis for machine which contains two-layer nodes is constructed in the paper.
组建完成了一个用于机械故障诊断的具有两层节点结构的Bayes网络模型,利用Bayes网络的强大学习功能,探讨了当学习样本集完整时,采用MLE(最大似然估计)法则来合理地调整网络模型的CPT表值,使之更加符合特定机组的运行情况,从而为网络模型的判断推理做好了准备。
3) Bayesian network
Bayes网络
1.
Research on the Risk Decision Based on Bayesian Network and Options Game;
基于Bayes网络和期权博弈的风险决策研究
2.
This paper presents a method of multi-source testing information fusion for inertial navigation system based on Bayesian network,which might provide a new idea to the precision evaluation work.
提出了一种基于Bayes网络的惯导系统多源试验信息融合方法,旨在为惯导系统的精度鉴定工作提供新的研究思路。
3.
In the presence of unobserved hidden variables and selection bias, Bayesian networks may not correctly represent causal relationships among the observed variables.
Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。
4) Bayes networks
Bayes网络
1.
This paper discusses the principles and methods for diagnosing faults in diesel engines based on Bayes networks.
讨论了基于Bayes网络的数据融合技术应用于柴油机故障诊断的原理和方法。
5) Bayesian network base
Bayes网络库
6) subjective bayesian network
主观Bayes网络
补充资料：Bayes公式
Bayes公式
Bayes formula
Ba孵s公式l枷yesl奄旧llula;B哺政，加pMyJI.} 一个公式，利用它可由事件(或假设)的先验概率计算其后验概率.设A、，…，A。是互斥事件的一个完全组:日A一。，A厂)A二⑦(i有).则在给定事件B，p(B)>0，发生之下，事件4，的条件概率户(A，}B)可由Bayes公式 P‘A.、P(B IA‘) p(A，!B)==一丁一一一一一一一(，，· 艺p(A，)p(Bl刀，) 口二几求出，这里P以)是A的先验概率，户(B}A，)是在给定事件A(尸以)>0)发生的条件下，事件B的条件概率，这公式是T.Bayes在1 763年证明的. 公式(*)是下述抽象化的Bayes公式的一个特例.设口和七为取值于可测空间(0，B砂和(X，Bx)的随机元，且E}g(0){<抢，对任一集合A任凡二可。:心伽)}，令 G‘A’二艺“‘“‘·，，〔“月‘。，，厂。’‘。，尸‘d·，，这里凡二a伽:口回)，而众回是集合A的指示函数，则测度G对测度户为绝对连续(G《P)，且〔!g(0)}乓1回二(dG/dP)伽)，后者是G对P的Radom一Niki心ym导数.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条