Технологія моделювання на основі нечітких об’єктно-орієнтованих байєсівських мереж довіри

Abstract

Представлені основні компоненти інформаційної технології індуктивного моделювання причинно-наслідкових зв’язків в умовах невизначеності на основі нечітких об’єктно-орієнтованих байєсівських мереж довіри. Технологія побудована на основі алгоритмів трансформації байєсівської мережі в вузлове дерево. Розглянуті нові більш ефективні алгоритми трансформації байєсівської мережі, отримані в результаті модифікації відомих алгоритмів, які ґрунтуються на використанні додаткової інформації про графічне представлення мережі. Конструктивно викладена функціональна модель, яка призначена для реалізації процесів трансформації нечіткої об’єктно-орієнтованої байєсівської мережі довіри.

Представлены основные компоненты информационной технологии индуктивного моделирования причинно-следственных связей в условиях неопределенности на основе нечетких объектно-ориентированных байесовских сетей доверия. Технология построена на основе алгоритмов трансформации байесовской сети в узловое дерево. Рассмотрены новые более эффективные алгоритмы трансформации байесовской сети, полученные в результате модификации известных алгоритмов, основанных на использовании дополнительной информации о графическом представлении сети. Конструктивно изложена функциональная модель, которая предназначена для реализации процессов трансформации нечеткой объектно-ориентированной байесовской сети доверия.

The basic components of information technology inductive modeling causation under uncertainty based on fuzzy object-oriented Bayesian networks is proposed. The technology is based on a combination of transformation algorithms Bayesian network in the junction tree. New more efficient algorithms for Bayesian network transformation are resulted from modifications known algorithms; algorithms based on the use of more information on the graphical representation of the network are considered. Structurally functional model are described, it is designed to implement the transformation of fuzzy object-oriented Bayesian networks.