Elements 1 and 2 together form a BN

Elements 1 and 2 together form a BN flow diagram (or, more formally, a directed
acyclic graph) while the addition of Element 3 creates a fully functioning BN. An
example is shown in Fig. 1 (the equal probability distributions across the states of
each node merely indicate that the BN is not yet fully functional). The structure
of this BN flow diagram encodes the perception that agricultural production is primarily determined by the land available for cultivation and the agricultural water
supply. This, in turn, is affected by the amount of water stored by a dam (‘‘Dam
storage’’) whose construction is being considered (‘‘Construct dam ?’’) and the flow
downstream of that dam (‘‘Downstream flow’’). The other relationships represented
by the BN flow diagram can be read from it in a similar way. Underlying each node
in the BN (and not shown in Fig. 1) are the CPTs. Table 1 shows the CPT describing
the relationships between river flow (the child node) and forest cover and rainfall
(the two parent nodes).
Once all the CPTs have been completed in a similar way, the BN can be compiled
and used for analysis. In general terms, this is performed by altering the states of
some nodes while observing the effect this has on others. As the BN is a network, the
impact of changing any variable is transmitted right through the network in accordance with the relationships expressed by the CPTs. Changes in any node simply
arise from the combined effect of changes in all the nodes linked to it either directly
or indirectly. (In formal terms, the BN encodes a joint probability distribution over
all the nodes. Every time the state of a node changes, the joint distribution is updated through the iterative application of Bayes’ theorem1. Further details are given by
Jensen, 1996.) Changes in the BN are observed as changes in the chance that a node
is in a particular state. Due to the uncertainty in the CPTs, it is rare for a node to
definitely be in one state or another and it is far more common for probability distributions across all the states of a node to be observed.
The description above highlights how Bayesian networks offer one of the main
advantages of DSS use. The complexity of an environmental system is broken down
into individual interactions between nodes, which are described by the BN CPTs.
The BN will then combine these relationships in a mathematically logical way to
allow an integrated analysis to be done on the system as a whole. Even if they were

Kết quả (Việt) 1:

Thành phần 1 và 2 với nhau tạo thành một sơ đồ dòng chảy BN (hoặc, chính thức, một đạo diễn đồ thị acyclic) trong khi việc bổ sung các nguyên tố 3 tạo ra một đầy đủ chức năng BN. Một Ví dụ được thể hiện trong hình 1 (các bằng phân bố xác suất trên toàn tiểu bang mỗi nút chỉ đơn thuần là chỉ ra rằng BN là chưa đầy đủ chức năng). Cấu trúc số BN này flow diagram mã hóa nhận thức rằng sản xuất nông nghiệp chủ yếu được xác định bằng diện tích đất dành cho trồng trọt và nước nông nghiệp cung cấp. Này, lần lượt, có bị ảnh hưởng bởi lượng nước được lưu trữ bởi một con đập ('' Dam lí '') mà xây dựng đang là xem xét ('' xây dựng đập?'') và dòng chảy hạ lưu của Thạt Đăm ('' dòng chảy về phía hạ lưu ''). Các mối quan hệ khác đại diện cho bởi BN sơ đồ dòng chảy có thể được đọc từ nó một cách tương tự. Nằm dưới mỗi nút BN (và không hiển thị trong hình 1) là CPTs. Bảng 1 cho thấy CPT mô tả các mối quan hệ giữa sông chảy (nút trẻ em) và lượng mưa và bìa rừng (cả hai cha mẹ nút). Sau khi tất cả các CPT đã được hoàn thành một cách tương tự, BN có thể được biên dịch và được sử dụng để phân tích. Trong các điều khoản chung, điều này được thực hiện bằng cách thay đổi các tiểu bang một số nút khi quan sát các hiệu ứng này có vào người khác. Như BN là một mạng lưới, các tác động của thay đổi bất kỳ biến được truyền qua mạng theo quy định của mối quan hệ, thể hiện qua những thay đổi CPTs. trong bất kỳ nút đơn giản xuất phát từ ảnh hưởng kết hợp của những thay đổi trong tất cả các nút liên kết đến nó hoặc là trực tiếp hoặc gián tiếp. (Trong điều kiện chính thức, BN mã hóa một phân phối xác suất phần trên Tất cả các nút. Mỗi khi thay đổi trạng thái của một nút, sự phân bố chung được cập nhật thông qua các ứng dụng lặp đi lặp lại của Bayes theorem1. Thông tin chi tiết được đưa ra bởi Jensen, 1996.) Những thay đổi trong BN được quan sát thấy khi các thay đổi trong các cơ hội mà một nút là một nhà nước cụ thể. Do sự không chắc chắn trong các CPT, nó là hiếm hoi cho một nút để chắc chắn là trong một tiểu bang hay cách khác và nó là phổ biến hơn cho các phân bố xác suất trên tất cả các tiểu bang của một nút để được quan sát thấy. Mô tả ở trên nổi bật cách mạng Bayes cung cấp một trong các chính lợi thế của việc sử dụng DSS. Sự phức tạp của một hệ thống môi trường được chia nhỏ vào tương tác cá nhân giữa các nút, được mô tả bởi CPT BN. BN sau đó sẽ kết hợp các mối quan hệ một cách hợp lý về mặt toán học để cho phép một phân tích tích hợp được thực hiện trên hệ thống như một toàn thể. Ngay cả khi họ đã

Kết quả (Việt) 2:

Các yếu tố 1 và 2 với nhau tạo thành một sơ đồ dòng chảy BN (hoặc, chính thức hơn, một đạo
đồ mạch hở) trong khi việc bổ sung các phần tử 3 tạo ra một BN đầy đủ chức năng. Một
ví dụ thể hiện trong hình. 1 (các bản phân phối xác suất bằng nhau trên khắp các bang của
mỗi nút chỉ cho thấy BN chưa đầy đủ chức năng). Cấu trúc
của sơ đồ dòng chảy BN này mã hóa quan niệm cho rằng sản xuất nông nghiệp là chủ yếu quyết định bởi đất để trồng trọt và các nước nông nghiệp
cung ứng. Điều này, đến lượt nó, bị ảnh hưởng bởi số lượng nước được lưu trữ bởi một con đập ( '' Đàm
lưu trữ '') mà xây dựng đang được xem xét ( '' Xây dựng đập? '') Và dòng chảy
hạ lưu của con đập ( '' dòng chảy hạ lưu ''). Các mối quan hệ khác được đại diện
bởi các biểu đồ dòng chảy BN có thể được đọc từ nó trong một cách tương tự. Bên dưới mỗi nút
trong các BN (và không được hiển thị trong hình. 1) là CPT. Bảng 1 cho thấy CPT mô tả
mối quan hệ giữa dòng sông (nút con) và độ che phủ rừng và lượng mưa
(hai nút cha).
Một khi tất cả các CPT đã được hoàn thành một cách tương tự, các BN có thể được biên dịch
và được sử dụng để phân tích. Nói chung, điều này được thực hiện bằng cách thay đổi trạng thái của
một số nút trong khi quan sát hiệu ứng này có trên những người khác. Khi BN là một mạng lưới, các
tác động của thay đổi bất kỳ biến được truyền phải thông qua mạng phù hợp với các mối quan hệ thể hiện bởi CPT. Những thay đổi trong bất kỳ nút đơn giản là
phát sinh từ các hiệu ứng kết hợp của những thay đổi trong tất cả các nút liên quan đến nó, hoặc trực tiếp
hoặc gián tiếp. (Về chính thức, các BN này mã hóa một phân bố xác suất doanh trên
tất cả các nút. Mỗi khi trạng thái của một thay đổi nút, phân phối chung được cập nhật thông qua các ứng dụng lặp đi lặp lại của theorem1 Bayes '. Thông tin chi tiết được đưa ra bởi
Jensen, 1996) những thay đổi trong các BN được quan sát những thay đổi trong các cơ hội mà một nút
là trong một trạng thái đặc biệt. Do sự không chắc chắn trong CPT, nó là hiếm cho một nút để
chắc chắn là trong một tiểu bang hoặc khác và nó là phổ biến hơn đối với phân bố xác suất trên tất cả các tiểu bang của một nút được quan sát.
Các mô tả ở trên điểm nổi bật như thế nào Bayesian mạng phục vụ một trong những chính
lợi thế của DSS sử dụng. Sự phức tạp của một hệ thống môi trường được chia
thành các tương tác cá nhân giữa các nút, được mô tả bởi CPT BN.
Các BN sau đó sẽ kết hợp các mối quan hệ trong một cách toán học hợp lý để
cho phép một phân tích tổng hợp được thực hiện trên hệ thống như một toàn thể. Ngay cả khi họ