Dynamic Bayesian Belief Network to Model the Development of Walking and Cycling Schemes

Dynamic Bayesian belief network to model the development of walking and cycling schemes

This paper aims to describe a model which represents the formulation of decision making processes (over a number of years) affecting the step-changes of walking and cycling (WaC) schemes. These processes can be seen as being driven by a number of causal factors, many of which are associated with the attitudes of a variety of factors, in terms of both determining whether any scheme will be imple...

the innovation of a statistical model to estimate dependable rainfall (dr) and develop it for determination and classification of drought and wet years of iran

آب حاصل از بارش منبع تأمین نیازهای بی شمار جانداران به ویژه انسان است و هرگونه کاهش در کم و کیف آن مستقیماً حیات موجودات زنده را تحت تأثیر منفی قرار می دهد. نوسان سال به سال بارش از ویژگی های اساسی و بسیار مهم بارش های سالانه ایران محسوب می شود که آثار زیان بار آن در تمام عرصه های اقتصادی، اجتماعی و حتی سیاسی- امنیتی به نحوی منعکس می شود. چون میزان آب ناشی از بارش یکی از مولفه های اصلی برنامه ...

the survey of the virtual higher education in iran and the ways of its development and improvement

این پژوهش با هدف "بررسی وضعیت موجود آموزش عالی مجازی در ایران و راههای توسعه و ارتقای آن " و با روش توصیفی-تحلیلی و پیمایشی صورت پذیرفته است. بررسی اسنادو مدارک موجود در زمینه آموزش مجازی نشان داد تعداد دانشجویان و مقاطع تحصیلی و رشته محل های دوره های الکترونیکی چندان مطلوب نبوده و از نظر کیفی نیز وضعیت شاخص خدمات آموزشی اساتید و وضعیت شبکه اینترنت در محیط آموزش مجازی نامطلوب است.

1 . Guidance on the Appraisal of Walking and Cycling Schemes

Bayesian Belief Network Simulation

A Bayesain belief network is a graphical representation of the underlying probabilistic relationships of a complex system. These networks are used for reasoning with uncertainty, such as in decision support systems. This requires probabilistic inference with Bayesian belief networks. Simulation schemes for probabilistic inference with Bayesian belief networks offer many advantages over exact in...