Диссертация (1149691), страница 28
Текст из файла (страница 28)
Разработаны методы оценки чувствительности и дана оценкачувствительности первой задачи уравнений локального апостериорного вывода для фрагментов знаний над идеалом конъюнктов,идеалом дизъюнктов и набором пропозиций-квантов;7. Спроектирован и разработан комплекс программ на языке C#,реализующий локальные структуры и алгоритмы логико-вероятностного вывода, включая априорный вывод, апостериорныйвывод, проверку и поддержание непротиворечивости для проведения вычислительных экспериментов; разработан графическийпользовательский интерфейс, дающий доступ ко всем функциям170комплекса программ, а также веб-интерфейс, дающий возможностьколлаборативной работы с рассматриваемыми структурами и ихвизуализациями.В качестве рекомендаций по применению результатов работы в индустрии и научных исследованиях предлагается полученные теоретическиеи практические результаты применять в образовательных целях, как этапзнакомства с вероятностными графическими моделями.
Ожидается, что результаты исследования удастся применить при обучении байесовских сетейдоверия в случае данных с неопределенностью (данные с пропусками, комбинирование с экспертными знаниями); при оценке степени защищенностиот социо-инженерных атак и оценке риска, связанных с угрозообразующимповедением, в оценках надежности сложных систем, в эпидемиологическихмоделях распространения инфекции по сетям; при необходимости рассмотрения релаксации предположений о независимости ряда событий.В качестве перспектив дальнейшей разработки тематики можновыделить развитие матрично-векторного подхода в логико-вероятностном выводе, а именно глобальном апостериорном выводе и алгоритмахподдержания глобальной непротиворечивости; исследование возможностииспользования в целях глобального логико-вероятностного вывода глобальных структур отличных от вторичной — третичную и четвертичнуюструктуры, использование которых может ускорить алгоритм распространения свидетельства за счет фокусирования на сепараторах, лежащих наребрах графа смежности алгебраической байесовской сети; интеграцию разработанного прототипа комплекса программ в объемлющие проекты и ихразвитие в направлении веб-приложения.171Список литературы1.
Aizawa, A.An information-theoretic perspective of tf–idf measures /A. Aizawa // Information Processing & Management. –– 2003. –– Vol. 39,no. 1. –– P. 45––65.2. Angular 5 framework. — Доступ: 2018-27-01. https://angular.io/.3. Angular JS framework. — Доступ: 2018-27-01. https://angularjs.org/.4. Arangio, S.Structural health monitoring of a cable-stayed bridge withBayesian neural networks / S. Arangio, F. Bontempi // Structure andInfrastructure Engineering. –– 2015.
–– Vol. 11, no. 4. –– P. 575––587.5. Banjo. Bayesian Network Inference with Java Objects. — Доступ:2018-27-01. https://users.cs.duke.edu/~amink/software/banjo/.6. Bayes Net Library. Belief Networks and Decision Networks. — Доступ:2018-27-01. http://www.norsys.com/netlibrary/index.htm.7. Bayesian Network tools in Java (BNJ). — Доступ: 2018-27-01. http://bnj.sourceforge.net/.8. Bobadilla, J.Recommender systems survey / J.
Bobadilla, F. Ortega,A. Hernando, A. Gutiérrez // Knowledge-based systems.–– 2013.––Vol. 46. –– P. 109––132.9. Boole, G.An investigation of the laws of thought: on which are foundedthe mathematical theories of logic and probabilities / G. Boole. –– DoverPublications, 1854. –– 243 pp.10. Chang, Y.-S.Mobile cloud-based depression diagnosis using an ontologyand a Bayesian network / Y.-S. Chang, C.-T. Fan, W.-T. Lo, W.-C.
Hung,S.-M. Yuan // Future Generation Computer Systems.–– 2015.––Vol. 43. –– P. 87––98.11.Chen, R.Managing massive graphs in relational DBMS / R. Chen // BigData, 2013 IEEE International Conference on. — IEEE. 2013. — С. 1—8.17212. Constantinou, A.
C.pi-football:A Bayesian network model for forecasting Association Football match outcomes / A. C. Constantinou,N. E. Fenton, M. Neil // Knowledge-Based Systems.–– 2012.––Vol. 36. –– P. 322––339.13. Dabrowski, J. J.Maritime piracy situation modelling with dynamicBayesian networks / J. J. Dabrowski, J. P.
de Villiers // Informationfusion. –– 2015. –– Vol. 23. –– P. 116––130.14. Dalir, F.Sensitivity analysis of parameters affecting carbon footprint offossil fuel power plants based on life cycle assessment scenarios / F. Dalir,M. S. Motlagh, K. Ashrafi // Global Journal of Environmental Scienceand Management. –– 2017. –– Vol. 3, no. 1. –– P. 75––88.15. Data Driven Documents javascript library. — Доступ: 2018-27-01. https://angular.io/.16.
Depaoli, S.Using Bayesian statistics to model uncertainty in mixturemodels: a sensitivity analysis of priors / S. Depaoli, Y. Yang, J. Felt //Structural Equation Modeling-a Multidisciplinary Journal.–– 2017.––Vol. 24, no. 2. –– P. 198––215.17. DLib. C++ library for Bayesian networks. — Доступ: 2018-27-01. http://dlib.net/bayes.html.18. Dubois, D.
Qualitative decision theory:from savage’s axioms to nonmonotonic reasoning / D. Dubois, H. Fargier, H. Prade, P. Perny // Journal ofthe ACM (JACM). –– 2002. –– Vol. 49, no. 4. –– P. 455––495.19. Dubois, D.Modeling uncertain and vague knowledge in possibility andevidence theories / D. Dubois, H. Prade // Machine Intelligence & PatternRecognition.–– 1990.–– Vol.
9.–– P. 303––318.–– (Uncertainty inArtificial Intelligence).20. Fagin, R.Alogicforreasoningaboutprobabilities/R.Fagin,J. Y. Halpern, N. Megiddo // Information and computation. –– 1990. ––Vol. 87, no. 1/2. –– P. 78––128.21. Gamma, E.Design patterns: elements of reusable object-oriented software / E. Gamma. –– Pearson Education India, 1995. –– 416 pp.17322.Gao, J.Shortest path computing in relational DBMSs / J.
Gao, J. Zhou,J. X. Yu, T. Wang // IEEE transactions on knowledge and dataengineering. — 2014. — Т. 26, № 4. — С. 997—1011.23. Git version control system. — Доступ: 2018-27-01. https://git-scm.com/.24. Hamilton, S. H.Habitat suitability modelling of rare species usingBayesian networks: Model evaluation under limited data / S. H. Hamilton, C. A. Pollino, A. J.
Jakeman // Ecological Modelling. –– 2015. ––Vol. 299. –– P. 64––78.25. Hongler, C.The energy density in the planar Ising model / C. Hongler, S. Smirnov // Acta mathematica.–– 2013.–– Vol. 211, no. 2.––P. 191––225.26.Kharitonov, N. A.Software implementation of algebraic Bayesiannetworks consistency algorithms / N. A. Kharitonov, A. A. Zolotin,A. L. Tulupyev // 2017 XX IEEE International Conference on SoftComputing and Measurements (SCM-2017).
— St. Petersburg, Russia,2017. — С. 8—10.27. Kim, J. S.Ranking evaluation of institutions based on a Bayesian network having a latent variable / J. S. Kim, C. H. Jun // Knowledge-BasedSystems. –– 2013. –– Vol. 50. –– P. 87––99.28. Kindermann, R.Markov random fields and their applications.
Vol. 1 /R. Kindermann, J. L. Snell. –– American Mathematical Society, 1980.29.Konstantinou, N.An approach for the incremental export of relationaldatabases into RDF graphs / N. Konstantinou, D.-E. Spanos, D. Kouis,N. Mitrou // International Journal on Artificial Intelligence Tools. —2015. — Т. 24, № 2. — С. 15—40.30. Leksin, V. A.Semi-supervised tag extraction in a web recommendersystem / V.
A. Leksin, S. I. Nikolenko // International Conference onSimilarity Search and Applications. –– Springer. 2013. –– P. 206––212.31. Leu, S.-S.Bayesian-network-based fall risk evaluation of steel construction projects by fault tree transformation / S.-S. Leu, C.-M. Chang //Journal of Civil Engineering and Management.no. 3. –– P. 334––342.–– 2015.–– Vol. 21,17432.Levenets, D. G.Decremental and Incremental Reshaping of AlgebraicBayesian Networks Global Structures / D.
G. Levenets, M. A. Zotov,A. V. Romanov, A. L. Tulupyev, A. A. Zolotin, A. A. Filchenkov //Proceedings of the First International Scientific Conference “IntelligentInformation Technologies for Industry” (IITI’16). Т. 451. — Sochi, Russia,2016. — С. 57—67. — (Advances in Intelligent Systems and Computing).33. Liu, K.-R.BayesianUsing fuzzy logic to generate conditional probabilities inbeliefnetworks:acasestudyofecologicalassessment/K.-R. Liu, J.-Y. Kuo, K.
Yeh, C.-W. Chen, H.-H. Liang, Y.-H. Sun // International Journal of Environmental Science and Technology. –– 2015. ––Vol. 12, no. 3. –– P. 871––884.34.Mal’chevskaya, E. A.Algebraic Bayesian Networks: Local ProbabilisticLogic Inference Machine Architecture and Set of Minimal Joint Graphs /E. A. Mal’chevskaya, A. I. Berezin, A. A. Zolotin, A. L. Tulupyev //Proceedings of the First International Scientific Conference “IntelligentInformation Technologies for Industry” (IITI’16).
Т. 451. — Sochi, Russia,2016. — С. 69—79. — (Advances in Intelligent Systems and Computing).35.Malchevskaya, E. A.Algebraic Bayesian Networks: Probabilistic-LogicInference Algorithms and Storage Structures / E. A. Malchevskaya,N. A. Kharitonov, A. A. Zolotin, A. I. Birillo // Proceedings ofthe Finnish-Russian University Cooperation in TelecommunicationsConference(FRUCT’20). — St. Petersburg, Russia, 2017. — С.
628—633.36. Martin, R. C.Clean code: a handbook of agile software craftsmanship /R. C. Martin. –– Pearson Education, 2009. –– 462 pp.37. Material Design. — Доступ: 2018-27-01. https://material.io/.38. Materialize CSS. — Доступ: 2018-27-01. http://materializecss.com/.39. Math.NET Numerics. — Доступ: 2018-27-01. http : / / numerics .mathdotnet.com/.40. McLaughlin, B.Head First Object-Oriented Analysis and Design:ABrain Friendly Guide to OOA&D / B.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
