| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 805273 | 1468214 | 2016 | 14 صفحه PDF | دانلود رایگان |
کلمات کلیدی
1.مقدمه
2- پیش زمینه
1-2 روش هایی برای ارزیابی قابلیت اطمینان سیستم شامل شبکه های بیزی (BNs)
2-2 محدودیت های فعلی در مدلسازی شبکه بیزی برای سیستم های بزرگ
3-2 جداول احتمال شرطی در ساخت شبکه بیزی
شکل 1 – شبکه بیزی سیستم متشکل از n مؤلفه
4-2 مجموعه برشی حداقل برای الگوریتم فشرده سازی
۳-الگوریتم فشرده سازی
1-3 رمزنگاری طول- اجرا
2-3 رمزنگاری لمپل-زیو
4-الگوریتم استنتاجی
1-4 الگوریتم حذف متغیر
2-4 الگوریتم درخت انشعابی
شکل ۲ – نمودار گردشی الگوریتم فشرده سازی
4-4 الگوریتم هایی برای مؤلفه های وابسته
5-مثال آزمایشی
۱-۵ بکارگیری الگوریتم فشرده سازی
۲-۵ کاربرد الگوریتم استنتاجی
3-5 سیستم های نمونه بسط یافته
1-3-5 عملکرد : استنتاج
2-3-5 عملکرد : فضای ذخیره حافظه
۳-۳-۵ عملکرد : راندمان محاسباتی
6- نتیجه گیری
• Novel algorithms developed for Bayesian network modeling of infrastructure systems.
• Algorithm presented to compress information in conditional probability tables.
• Updating algorithm presented to perform inference on compressed matrices.
• Algorithms applied to example systems to investigate their performance.
• Orders of magnitude savings in memory storage requirement demonstrated.
Novel algorithms are developed to enable the modeling of large, complex infrastructure systems as Bayesian networks (BNs). These include a compression algorithm that significantly reduces the memory storage required to construct the BN model, and an updating algorithm that performs inference on compressed matrices. These algorithms address one of the major obstacles to widespread use of BNs for system reliability assessment, namely the exponentially increasing amount of information that needs to be stored as the number of components in the system increases. The proposed compression and inference algorithms are described and applied to example systems to investigate their performance compared to that of existing algorithms. Orders of magnitude savings in memory storage requirement are demonstrated using the new algorithms, enabling BN modeling and reliability analysis of larger infrastructure systems.
Journal: Reliability Engineering & System Safety - Volume 156, December 2016, Pages 134–147