Подходы к диагностике согласованности данных в байесовских сетях доверия
Ключевые слова:
диагностика согласованности данных, байесовские сети доверияАннотация
Байесовские сети доверия предоставляют возможность объединения нескольких видов информации, например полученной от экспертов или статистически, позволяют работать с неполной или неточной информацией, обладают наглядностью и другими полезными свойствами. Благодаря этому они стали популярным и весьма эффективным инструментом. Однако во многих областях исследования исходные используются полученные от экспертов данные, которые могут быть не согласованы, и поэтому в некоторых задачах следует использовать инструменты для проверки их согласованности. В работе рассмотрены примеры применения аппарата байесовских сетей доверия в медицине и здравоохранении, экологии, экономике и риск-анализе, функциональной безопасности, социологии и других предметных областях и показана необходимость разработки методов для проверки согласованности исходных данных. Цель работы – систематизировать с помощью обзора примеры и задачи, в которых применяются байесовские сети доверия, чтобы оценить, в какой степени в этих задачах учитывается диагностика согласованности исходных данных, и насколько важным является ее применение.Литература
1. Бабиков В.М. Некоторые аспекты применения байесовых сетей для оценки надежности автоматизируемых человеко-машинных систем // Труды международной научно-практической конференции «Передовые информационные технологии, средства и системы автоматизации и их внедрение на российских предприятиях» AITA-2011. Москва. 2011. С. 266–276.
2. Белозерский А.Ю., Какатунова Т.В., Иванова И.В. Использование аппарата нечетких байесовых сетей для оценки инновационных рисков // Транспортное дело России. 2011. № 2. С. 43–46.
3. Дорожко И.В., Осипов Н.А. Методика синтеза оптимальных стратегий диагностирования автоматизированных систем управления сложными техническими объектами с использованием априорной информации // Труды СПИИРАН. 2012. № 1(20). С. 165–185.
4. Мусина В.Ф. Байесовские сети доверия как вероятностная графическая модель для оценки медицинских рисков // Труды СПИИРАН. 2013. Вып. 24. С. 135–151.
5. Мусина В.Ф. Байесовские сети доверия как вероятностная графическая модель для оценки экономических рисков // Труды СПИИРАН. 2013. Вып. 25. С. 235–254.
6. Некрасов С.Н., Прохоренков A.A. Комбинированный метод оценки навигационной безопасности при плавании по внутренним водным путям // Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. 2011. № 1. С. 106–108.
7. Николаева М.А., Зотова О.Ф., Агадуллина А.И. Модели и методы управления рисками в социально-экономических системах // Управление риском. 2013. № 1(65). С. 28–34.
8. Пяткова Е.В. Технология комплексных исследований функционирования энергетических отраслей в условиях чрезвычайных ситуаций с применением байесовских сетей // Наука и образование: электронное научно-техническое издание. 2013. № 8. С. 293–314.
9. Солодкий Е.М., Петроченков А.Б. Экспертная оценка в задачах технической диагностики // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. 2009. № 3. С. 209–215.
10. Студенников К.О., Лопин В.Н. О моделировании рисков информационных систем на основе байесовских сетей // Вопросы защиты информации. 2013. № 4(102). С. 3–8.
11. Суворова А.В. Модели и алгоритмы анализа сверхкоротких гранулярных временных рядов на основе байесовских сетей доверия // Дисс. к. ф.-м. н. 2013.
12. Тулупьев А. Л., Сироткин А. В., Николенко С. И. Байесовские сети доверия: логико-вероятностный вывод в ациклических направленных графах. СПб.: Изд-во С.-Петерб. ун-та. 2009. 400 с.
13. Фильченков А.А. Алгебраическая байесовская сеть как основа для медицинской диагностической модели // «Математическое и компьютерное моделирование в биологии и химии. Перспективы развития». Сборник трудов I Международной интернет-конференции. Казань: Из-во «Казанский университет». 2012. С. 162–166.
14. Янников И.М., Телегина М.В., Габричидзе Т.Г. Оценка экологической ситуации с применением методов математического моделирования // Вектор науки Тольяттинского государственного университета. 2011. № 4. С. 38–41.
15. Abu-Hanna A., Lucas P. J F. Prognostic Models in Medicine: AI and Statistical Approaches // Methods of Information in Medicine. 2001. vol. 40. pp. 1–5.
16. Acid S., de Campos L.M., Fernández-Luna J.M., Rodrı́guez S., et al. A comparison of learning algorithms for Bayesian networks: a case study based on data from an emergency medical service // Artificial Intelligence in Medicine. 2004. vol. 30. no. 3. pp. 215–232.
17. Alexander C. Managing operational risks with Bayesian networks // Operational Risk: Regulation, Analysis and Management. 2003. pp. 285–294.
18. Andreassen S., et al. Using probabilistic and decisiontheoretic methods in treatment and prognosis modeling // Artif Intell Med. 1999. vol. 15. pp. 121–134.
19. Antal P., Verrelst H., Timmerman D., Moreau Y., et al. Bayesian Networks in Ovarian Cancer Diagnosis: Potentials and Limitations // Proceedings of the 13th IEEE Symposium on Computer-Based Medical Systems (CBMS 2000). 2000. pp. 103–108.
20. Aquaro V., Bardoscia M., Bellotti R., Consiglio A., et al. A Bayesian Networks approach to Operational Risk // Physica A: Statistical Mechanics and its Applications. 2010. vol. 389. no. 8. pp. 1721–1728.
21. Bonafede C.E., Giudici P. Bayesian networks for enterprise risk assessment // Physica A: Statistical Mechanics and its Applications. 2007. vol. 382. Issue 1. pp. 22–28.
22. Borsuk M.E., Stow C.A., Reckhow K.H. A Bayesian network of eutrophication models for synthesis, prediction, and uncertainty analysis // Ecological Modelling. 2004. vol. 173. no 2. pp. 219–239.
23. Burnside E.S., Rubin D.L., Fine J.P., Shachter R.D., et al. Bayesian Network to Predict Breast Cancer Risk of Mammographic Microcalcifications and Reduce Number of Benign Biopsy Results: Initial Experience // Radiology. 2006. vol. 240. no. 3. pp. 666–673.
24. Cárdenas I.C., Al-jibouri S.SH., Halman J. IM. A Bayesian Belief Networks Approach to Risk Control in Construction Projects // 14th International Conference on Computing and Civil Engineering. Moscow. Russian Federation. The ISCCBE and Moscow State University of Civil Engineering (National Research University).
25. Chattopadhyay S., Davis R.M., Menezes D.D., Singh G., et al. Application of Bayesian Classifier for the Diagnosis of Dental Pain // J Med Syst. 2012. vol. 36. pp. 1425–1439.
26. Fan C.F., Yu Y.C. BBN-based software project risk management // Journal of Systems and Software. 2004. vol. 73. no 2. pp. 193–203.
27. Fenton N., Neil M., Marsh W., Hearty P., et al. Predicting software defects in varying development lifecycles using Bayesian nets //Information and Software Technology. 2007. vol. 49. no. 1. pp. 32–43.
28. Francis R.A., Guikema S.D., Henneman L. Bayesian belief networks for predicting drinking water distribution system pipe breaks // Reliability Engineering & System Safety. 2014. vol. 130. pp. 1–11.
29. Friedman N.I.R., Linial M., Nachman I., Pe’er D. Using Bayesian network to analyze expression data // J Comput Biol. 2000. vol. 7. pp. 601–20.
30. Galan S.F., Aguado F., Dıez F.J., Mira J. NasoNet: joining Bayesian networks and time to model nasopharyngeal cancer spread // Proceedings of the Eighth International Conference on Artificial Intelligence in Medicine in Europe (AIME 2001). Berlin: Springer-Verlag. 2001. LNAI 2101. pp. 207–216.
31. Heckerman D.E., Horvitz E.J., Nathwani B.N. Towards normative expert systems. Part I. The Pathfinder project // Methods of information in medicine. 1992. vol. 31. pp. 90–105.
32. Hofbaur M., Sachenbacher M. On the Role of Model-based Diagnosis in Functional Safety // Proceedings of the 24th International Workshop on Principles of Diagnosis. Jerusalem. 2013. pp. 65–70.
33. Koelle D., Pfautz J., Farry M., Cox Z., et al. Applications of bayesian belief networks in social network analysis // Proceedings of the 4th Bayesian Modeling Applications Workshop during the 22nd Annual Conference on Uncertainty in Artificial Intelligence. 2006.
34. Jansen R., Yu H., Greenbaum D., Kluger Y., et al. A bayesian networks approach for predicting protein-protein interactions from genomic data // Science. 2003. vol. 302(5644). pp. 449–453.
35. Lacave C., Diez F.J. Knowledge Acquisition in PROSTANET – A Bayesian network for diagnosis prostate cancer // Knowledge-Based Intelligent Information and Engineering Systems. Lecture Notes in Computer Science. 2003. vol. 2774. pp. 1345–1350.
36. Landuyt D., Lemmens P., D'hondt R., Broekx S., et al. An ecosystem service approach to support integrated pond management: A case study using Bayesian belief networks — Highlighting opportunities and risks // Journal of Environmental Management. 2014. vol. 145. pp. 79–87.
37. Léger A., Duval C., Farret R., Weber P., et al. Modeling of human and organizational impacts for system risk analyses // 9th International Probabilistic Safety Assessment and Management Conference. Hong Kong. 2008.
38. Lewis R.W., Ransing R.S. A semantically constrained Bayesian network for manufacturing diagnosis // International Journal of Production Research. 1997. vol. 35. no. 8. pp. 2171–2188.
39. Li P.C., Chen G.H., Dai L.C., Zhang L. A fuzzy Bayesian network approach to improve the quantification of organizational influences in HRA frameworks // Safety Science. 2012. vol. 50(7). pp. 1569–1583.
40. Lucas P.J.F., De Bruijn N.C., Schurink K., Hoepelman I.M. A probabilistic and decision-theoretic approach to the management of infectious disease at the ICU // ArtifIntell Med. 2000. vol. 19(3). pp. 251–279.
41. Lucas P., van der Gaag L., Abu-Hanna A. Bayesian networks in biomedicine and healthcare // Artificial Intelligence in Medicine. 2004. vol. 30. pp. 201–214.
42. McCann R. K., Marcot B. G., Ellis R. Bayesian belief networks: applications in ecology and natural resource management // Canadian Journal of Forest Research. 2006. vol. 36. no. 12. pp. 3053–3062.
43. Mengshoel O.J., Darwiche A., Cascio K., Chavira M., et al. Diagnosing faults in electrical power systems of spacecraft and aircraft // Proceedings of IAAI-08. Chicago. 2008. pp. 1699–1705.
44. Molloy B., Balfe N., Lowe E. Developing Bayesian Belief Networks to Support Risk-Based Decision Making in Railway Operations // Conference Proceedings: Applied Human Factors and Ergonomics. Poland. 2014.
45. Nikovsky D. Constructing Bayesian networks for medical diagnosis from incomplete and partially correct statistics // IEEE Transactions on Knowledge and Data Engineering. 2000. vol. 12. no. 4. pp. 509–516.
46. Oteniya L., Cowie J., Coles R. Diagnosis of Dementia and its Pathologies Using Bayesian Belief Networks // Proceedings of the Eighth International Conference on Enterprise Information Systems: Databases and Information Systems Integration (ICEIS 2006). Cyprus. 2006.
47. Radlinski L. A survey of bayesian net models for software development effort prediction // International Journal of Software Engineering and Computing. 2010. vol. 2. no. 2. pp. 95–109.
48. Ramoni M., Sebastiani P., Cohen P. Bayesian clustering by dynamics// Mach Learn 2002. vol. 47. pp. 91–121.
49. Rao Rajesh P.N. Neural Models of Bayesian Belief Propagation// The Bayesian Brain: Probabilistic Approaches to Neural Coding. Cambridge. MIT Press. 2007. 239 p.
50. Ritthaler M., Luger G., Young R. Bayesian Belief Networks for Astronomical Object Recognition and Classification in CTI-II // Astronomical Data Analysis Software and Systems XVI.ASP Conference Series. 2007. vol. 376. pp. 413–416.
51. Romessis C., Mathioudakis K. Bayesian network approach for gas path fault diagnosis // Journal of engineering for gas turbines and power. 2006. vol. 128(1). pp. 64–72.
52. Spiegelhalter D.J., Dawid A.P., Lauritzen S.L., Cowell R.G. Bayesian Analysis in Expert Systems // Statistical Science. 1993. vol. 8. no. 3. pp. 219–247. URL: http://www.jstor.org/stable/2245959 (дата доступа: 02.11.2015).
53. Straub D. Natural hazards risk assessment using Bayesian networks // Safety and Reliability of Engineering Systems and Structures. 2005. pp. 2535–2542.
54. Tang A., Nicholson A., Jin Y., Han J. Using Bayesian belief networks for change impact analysis in architecture design // Journal of Systems and Software. 2007. vol. 80. no. 1. pp. 127–148.
55. Troldborg M., Aalders I., Towers W., Hallett P.D., et al. Application of Bayesian Belief Networks to quantify and map areas at risk to soil threats: Using soil compaction as an example // Soil and Tillage Research. 2013. vol. 132. pp. 56–68.
56. Trucco P., Cagno E, Ruggeri F., Grande O. A Bayesian Belief Network modeling of organizational factors in risk analysis: a case study in maritime transportation // Reliability Engineering and System Safety. 2008. vol. 93. pp. 823–834.
57. Twardy C.R., Nicholson A.E., Korb K.B., McNeil J. Epidemiological data mining of cardiovascular Bayesian networks // Electronic Journal of Health Informatics. 2006. vol. 1(1). pp. 3.
58. Verduijn M., et al. Prognostic Bayesian networks I: rationale, learning procedure, and clinical use // Journal of Biomedical Informatics. 2007. vol. 40(6). pp. 609–618.
59. Walsh S., Whitney P. A Graphical Approach to Diagnosing the Validity of the Conditional Independence Assumptions of a Bayesian Network Given Data // Journal of Computational and Graphical Statistics. 2012. vol. 21. no. 4. pp. 961–978.
60. Wasyluk H., Onisko A., Druzdzel M.J. Support of diagnosis of liver disorders based on a causal Bayesian network model // Medical Science Monitor. 2001. vol. 7. no. 1. pp. 327–332.
61. Yongli Z., Limin H., Jinling L. Bayesian network-based approach for power system fault diagnosis. IEEE Transactions on Power Delivery. 2006. vol. 21. pp. 634–639.
62. Zhang R., Moyle S., McKeever S., Bivens A. Performance problem localization in selfhealing, service-oriented systems using bayesian networks // In Proceedings of the 2007 ACM symposium on Applied computing (SAC ’07). 2007.
2. Белозерский А.Ю., Какатунова Т.В., Иванова И.В. Использование аппарата нечетких байесовых сетей для оценки инновационных рисков // Транспортное дело России. 2011. № 2. С. 43–46.
3. Дорожко И.В., Осипов Н.А. Методика синтеза оптимальных стратегий диагностирования автоматизированных систем управления сложными техническими объектами с использованием априорной информации // Труды СПИИРАН. 2012. № 1(20). С. 165–185.
4. Мусина В.Ф. Байесовские сети доверия как вероятностная графическая модель для оценки медицинских рисков // Труды СПИИРАН. 2013. Вып. 24. С. 135–151.
5. Мусина В.Ф. Байесовские сети доверия как вероятностная графическая модель для оценки экономических рисков // Труды СПИИРАН. 2013. Вып. 25. С. 235–254.
6. Некрасов С.Н., Прохоренков A.A. Комбинированный метод оценки навигационной безопасности при плавании по внутренним водным путям // Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. 2011. № 1. С. 106–108.
7. Николаева М.А., Зотова О.Ф., Агадуллина А.И. Модели и методы управления рисками в социально-экономических системах // Управление риском. 2013. № 1(65). С. 28–34.
8. Пяткова Е.В. Технология комплексных исследований функционирования энергетических отраслей в условиях чрезвычайных ситуаций с применением байесовских сетей // Наука и образование: электронное научно-техническое издание. 2013. № 8. С. 293–314.
9. Солодкий Е.М., Петроченков А.Б. Экспертная оценка в задачах технической диагностики // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. 2009. № 3. С. 209–215.
10. Студенников К.О., Лопин В.Н. О моделировании рисков информационных систем на основе байесовских сетей // Вопросы защиты информации. 2013. № 4(102). С. 3–8.
11. Суворова А.В. Модели и алгоритмы анализа сверхкоротких гранулярных временных рядов на основе байесовских сетей доверия // Дисс. к. ф.-м. н. 2013.
12. Тулупьев А. Л., Сироткин А. В., Николенко С. И. Байесовские сети доверия: логико-вероятностный вывод в ациклических направленных графах. СПб.: Изд-во С.-Петерб. ун-та. 2009. 400 с.
13. Фильченков А.А. Алгебраическая байесовская сеть как основа для медицинской диагностической модели // «Математическое и компьютерное моделирование в биологии и химии. Перспективы развития». Сборник трудов I Международной интернет-конференции. Казань: Из-во «Казанский университет». 2012. С. 162–166.
14. Янников И.М., Телегина М.В., Габричидзе Т.Г. Оценка экологической ситуации с применением методов математического моделирования // Вектор науки Тольяттинского государственного университета. 2011. № 4. С. 38–41.
15. Abu-Hanna A., Lucas P. J F. Prognostic Models in Medicine: AI and Statistical Approaches // Methods of Information in Medicine. 2001. vol. 40. pp. 1–5.
16. Acid S., de Campos L.M., Fernández-Luna J.M., Rodrı́guez S., et al. A comparison of learning algorithms for Bayesian networks: a case study based on data from an emergency medical service // Artificial Intelligence in Medicine. 2004. vol. 30. no. 3. pp. 215–232.
17. Alexander C. Managing operational risks with Bayesian networks // Operational Risk: Regulation, Analysis and Management. 2003. pp. 285–294.
18. Andreassen S., et al. Using probabilistic and decisiontheoretic methods in treatment and prognosis modeling // Artif Intell Med. 1999. vol. 15. pp. 121–134.
19. Antal P., Verrelst H., Timmerman D., Moreau Y., et al. Bayesian Networks in Ovarian Cancer Diagnosis: Potentials and Limitations // Proceedings of the 13th IEEE Symposium on Computer-Based Medical Systems (CBMS 2000). 2000. pp. 103–108.
20. Aquaro V., Bardoscia M., Bellotti R., Consiglio A., et al. A Bayesian Networks approach to Operational Risk // Physica A: Statistical Mechanics and its Applications. 2010. vol. 389. no. 8. pp. 1721–1728.
21. Bonafede C.E., Giudici P. Bayesian networks for enterprise risk assessment // Physica A: Statistical Mechanics and its Applications. 2007. vol. 382. Issue 1. pp. 22–28.
22. Borsuk M.E., Stow C.A., Reckhow K.H. A Bayesian network of eutrophication models for synthesis, prediction, and uncertainty analysis // Ecological Modelling. 2004. vol. 173. no 2. pp. 219–239.
23. Burnside E.S., Rubin D.L., Fine J.P., Shachter R.D., et al. Bayesian Network to Predict Breast Cancer Risk of Mammographic Microcalcifications and Reduce Number of Benign Biopsy Results: Initial Experience // Radiology. 2006. vol. 240. no. 3. pp. 666–673.
24. Cárdenas I.C., Al-jibouri S.SH., Halman J. IM. A Bayesian Belief Networks Approach to Risk Control in Construction Projects // 14th International Conference on Computing and Civil Engineering. Moscow. Russian Federation. The ISCCBE and Moscow State University of Civil Engineering (National Research University).
25. Chattopadhyay S., Davis R.M., Menezes D.D., Singh G., et al. Application of Bayesian Classifier for the Diagnosis of Dental Pain // J Med Syst. 2012. vol. 36. pp. 1425–1439.
26. Fan C.F., Yu Y.C. BBN-based software project risk management // Journal of Systems and Software. 2004. vol. 73. no 2. pp. 193–203.
27. Fenton N., Neil M., Marsh W., Hearty P., et al. Predicting software defects in varying development lifecycles using Bayesian nets //Information and Software Technology. 2007. vol. 49. no. 1. pp. 32–43.
28. Francis R.A., Guikema S.D., Henneman L. Bayesian belief networks for predicting drinking water distribution system pipe breaks // Reliability Engineering & System Safety. 2014. vol. 130. pp. 1–11.
29. Friedman N.I.R., Linial M., Nachman I., Pe’er D. Using Bayesian network to analyze expression data // J Comput Biol. 2000. vol. 7. pp. 601–20.
30. Galan S.F., Aguado F., Dıez F.J., Mira J. NasoNet: joining Bayesian networks and time to model nasopharyngeal cancer spread // Proceedings of the Eighth International Conference on Artificial Intelligence in Medicine in Europe (AIME 2001). Berlin: Springer-Verlag. 2001. LNAI 2101. pp. 207–216.
31. Heckerman D.E., Horvitz E.J., Nathwani B.N. Towards normative expert systems. Part I. The Pathfinder project // Methods of information in medicine. 1992. vol. 31. pp. 90–105.
32. Hofbaur M., Sachenbacher M. On the Role of Model-based Diagnosis in Functional Safety // Proceedings of the 24th International Workshop on Principles of Diagnosis. Jerusalem. 2013. pp. 65–70.
33. Koelle D., Pfautz J., Farry M., Cox Z., et al. Applications of bayesian belief networks in social network analysis // Proceedings of the 4th Bayesian Modeling Applications Workshop during the 22nd Annual Conference on Uncertainty in Artificial Intelligence. 2006.
34. Jansen R., Yu H., Greenbaum D., Kluger Y., et al. A bayesian networks approach for predicting protein-protein interactions from genomic data // Science. 2003. vol. 302(5644). pp. 449–453.
35. Lacave C., Diez F.J. Knowledge Acquisition in PROSTANET – A Bayesian network for diagnosis prostate cancer // Knowledge-Based Intelligent Information and Engineering Systems. Lecture Notes in Computer Science. 2003. vol. 2774. pp. 1345–1350.
36. Landuyt D., Lemmens P., D'hondt R., Broekx S., et al. An ecosystem service approach to support integrated pond management: A case study using Bayesian belief networks — Highlighting opportunities and risks // Journal of Environmental Management. 2014. vol. 145. pp. 79–87.
37. Léger A., Duval C., Farret R., Weber P., et al. Modeling of human and organizational impacts for system risk analyses // 9th International Probabilistic Safety Assessment and Management Conference. Hong Kong. 2008.
38. Lewis R.W., Ransing R.S. A semantically constrained Bayesian network for manufacturing diagnosis // International Journal of Production Research. 1997. vol. 35. no. 8. pp. 2171–2188.
39. Li P.C., Chen G.H., Dai L.C., Zhang L. A fuzzy Bayesian network approach to improve the quantification of organizational influences in HRA frameworks // Safety Science. 2012. vol. 50(7). pp. 1569–1583.
40. Lucas P.J.F., De Bruijn N.C., Schurink K., Hoepelman I.M. A probabilistic and decision-theoretic approach to the management of infectious disease at the ICU // ArtifIntell Med. 2000. vol. 19(3). pp. 251–279.
41. Lucas P., van der Gaag L., Abu-Hanna A. Bayesian networks in biomedicine and healthcare // Artificial Intelligence in Medicine. 2004. vol. 30. pp. 201–214.
42. McCann R. K., Marcot B. G., Ellis R. Bayesian belief networks: applications in ecology and natural resource management // Canadian Journal of Forest Research. 2006. vol. 36. no. 12. pp. 3053–3062.
43. Mengshoel O.J., Darwiche A., Cascio K., Chavira M., et al. Diagnosing faults in electrical power systems of spacecraft and aircraft // Proceedings of IAAI-08. Chicago. 2008. pp. 1699–1705.
44. Molloy B., Balfe N., Lowe E. Developing Bayesian Belief Networks to Support Risk-Based Decision Making in Railway Operations // Conference Proceedings: Applied Human Factors and Ergonomics. Poland. 2014.
45. Nikovsky D. Constructing Bayesian networks for medical diagnosis from incomplete and partially correct statistics // IEEE Transactions on Knowledge and Data Engineering. 2000. vol. 12. no. 4. pp. 509–516.
46. Oteniya L., Cowie J., Coles R. Diagnosis of Dementia and its Pathologies Using Bayesian Belief Networks // Proceedings of the Eighth International Conference on Enterprise Information Systems: Databases and Information Systems Integration (ICEIS 2006). Cyprus. 2006.
47. Radlinski L. A survey of bayesian net models for software development effort prediction // International Journal of Software Engineering and Computing. 2010. vol. 2. no. 2. pp. 95–109.
48. Ramoni M., Sebastiani P., Cohen P. Bayesian clustering by dynamics// Mach Learn 2002. vol. 47. pp. 91–121.
49. Rao Rajesh P.N. Neural Models of Bayesian Belief Propagation// The Bayesian Brain: Probabilistic Approaches to Neural Coding. Cambridge. MIT Press. 2007. 239 p.
50. Ritthaler M., Luger G., Young R. Bayesian Belief Networks for Astronomical Object Recognition and Classification in CTI-II // Astronomical Data Analysis Software and Systems XVI.ASP Conference Series. 2007. vol. 376. pp. 413–416.
51. Romessis C., Mathioudakis K. Bayesian network approach for gas path fault diagnosis // Journal of engineering for gas turbines and power. 2006. vol. 128(1). pp. 64–72.
52. Spiegelhalter D.J., Dawid A.P., Lauritzen S.L., Cowell R.G. Bayesian Analysis in Expert Systems // Statistical Science. 1993. vol. 8. no. 3. pp. 219–247. URL: http://www.jstor.org/stable/2245959 (дата доступа: 02.11.2015).
53. Straub D. Natural hazards risk assessment using Bayesian networks // Safety and Reliability of Engineering Systems and Structures. 2005. pp. 2535–2542.
54. Tang A., Nicholson A., Jin Y., Han J. Using Bayesian belief networks for change impact analysis in architecture design // Journal of Systems and Software. 2007. vol. 80. no. 1. pp. 127–148.
55. Troldborg M., Aalders I., Towers W., Hallett P.D., et al. Application of Bayesian Belief Networks to quantify and map areas at risk to soil threats: Using soil compaction as an example // Soil and Tillage Research. 2013. vol. 132. pp. 56–68.
56. Trucco P., Cagno E, Ruggeri F., Grande O. A Bayesian Belief Network modeling of organizational factors in risk analysis: a case study in maritime transportation // Reliability Engineering and System Safety. 2008. vol. 93. pp. 823–834.
57. Twardy C.R., Nicholson A.E., Korb K.B., McNeil J. Epidemiological data mining of cardiovascular Bayesian networks // Electronic Journal of Health Informatics. 2006. vol. 1(1). pp. 3.
58. Verduijn M., et al. Prognostic Bayesian networks I: rationale, learning procedure, and clinical use // Journal of Biomedical Informatics. 2007. vol. 40(6). pp. 609–618.
59. Walsh S., Whitney P. A Graphical Approach to Diagnosing the Validity of the Conditional Independence Assumptions of a Bayesian Network Given Data // Journal of Computational and Graphical Statistics. 2012. vol. 21. no. 4. pp. 961–978.
60. Wasyluk H., Onisko A., Druzdzel M.J. Support of diagnosis of liver disorders based on a causal Bayesian network model // Medical Science Monitor. 2001. vol. 7. no. 1. pp. 327–332.
61. Yongli Z., Limin H., Jinling L. Bayesian network-based approach for power system fault diagnosis. IEEE Transactions on Power Delivery. 2006. vol. 21. pp. 634–639.
62. Zhang R., Moyle S., McKeever S., Bivens A. Performance problem localization in selfhealing, service-oriented systems using bayesian networks // In Proceedings of the 2007 ACM symposium on Applied computing (SAC ’07). 2007.
Опубликован
2015-11-25
Как цитировать
Торопова, А. В. (2015). Подходы к диагностике согласованности данных в байесовских сетях доверия. Труды СПИИРАН, 6(43), 156-178. https://doi.org/10.15622/sp.43.9
Раздел
Методы управления и обработки информации
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
