• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pomiary Automatyka Kontrola >Surmounting Information Gaps Using Average Probability Density Function
【24h】

Surmounting Information Gaps Using Average Probability Density Function

机译：使用平均概率密度函数超越信息鸿沟

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

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 nowościąw literaturze światowej.%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.
机译：在许多实际问题中，我们经常会遇到解决这些问题所需的数据。这尤其适用于设计新技术系统的任务，也适用于经济，医疗，农业和其他系统的任务。问题中存在漏洞使任务似乎无法解决。在这种情况下，要彻底解决问题，就必须让通常能够提供解决问题所缺少数据的近似估计的专家参与。不幸的是，专家估计通常不是精确数字，而是可能变量值的范围或缺失变量可能值的概率分布。因此，为了解决给定的问题，必须对概率密度分布进行运算。贝叶斯规则是用于此目的的工具之一。例如，它是在概率推理网络（缩写为贝叶斯网络）中处理信息的基础。通常，这些网络中的信息缺口是缺少计算后验分布所必需的变量的先验分布。在这种情况下，通常使用均匀分布作为先验分布，表示对分布的定性特征完全无知。但是，这种专家知识通常具有这样的知识。本文提出了一种在专家不仅知道变量可能值的范围而且还了解定性分布特征的情况下识别平均变量概率密度分布的方法。使用专家知识获得的平均概率密度分布可以显着降低在解决信息空白问题时产生灾难性大错误的风险。根据作者的知识，平均概率密度分布的概念在世界文学中是一个新概念。％在许多问题中，我们遇到了缺乏完整数据的问题。信息鸿沟导致任务似乎无法解决。在许多使用贝叶斯“网络或贝叶斯”规则的情况下，我们会遇到信息鸿沟，即缺乏先验分布。本文介绍了在知道变量的范围并且对分布有一定质量知识的情况下识别平均概率密度分布的方法。所获得的平均概率密度分布使中等平方误差最小。根据作者的知识，平均概率密度分布是单词文学中的新颖事物。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号