Добірка наукової літератури з теми "Markov chains; interval analysis; sensitivity analysis"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Markov chains; interval analysis; sensitivity analysis".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Markov chains; interval analysis; sensitivity analysis"
Liu, Xingliang, Jinliang Xu, Menghui Li, and Jia Peng. "Sensitivity Analysis Based SVM Application on Automatic Incident Detection of Rural Road in China." Mathematical Problems in Engineering 2018 (2018): 1–9. http://dx.doi.org/10.1155/2018/9583285.
Повний текст джерелаElmesmari, Nasir, Farag Hamad, and Abdelbaset Abdalla. "Parameters Estimation Sensitivity of the Linear Mixed Model To Alternative Prior Distribution Specifications." Scholars Journal of Physics, Mathematics and Statistics 8, no. 9 (November 11, 2021): 166–70. http://dx.doi.org/10.36347/sjpms.2021.v08i09.001.
Повний текст джерелаWeedon-Fekjær, Harald, Lars J. Vatten, Odd O. Aalen, Bo Lindqvist, and Steinar Tretli. "Estimating mean sojourn time and screening test sensitivity in breast cancer mammography screening: new results." Journal of Medical Screening 12, no. 4 (December 1, 2005): 172–78. http://dx.doi.org/10.1258/096914105775220732.
Повний текст джерелаSharma, Tarang, Peter Gøtzsche, and Oliver Kuss. "VP26 Comparing Statistical Methods For Meta-Analysis Of Rare Event Data." International Journal of Technology Assessment in Health Care 33, S1 (2017): 158–59. http://dx.doi.org/10.1017/s0266462317003166.
Повний текст джерелаXu, Jie, Zhengyang Zhao, Qian Ma, Ming Liu, and Giuseppe Lacidogna. "Damage Diagnosis of Single-Layer Latticed Shell Based on Temperature-Induced Strain under Bayesian Framework." Sensors 22, no. 11 (June 2, 2022): 4251. http://dx.doi.org/10.3390/s22114251.
Повний текст джерелаACHIM, Luminiţa-Georgiana, Elena MITOI, Valentin MOLDOVEANU, and Codrut-Ioan TURLEA. "Credit Scoring – General Approach in the IFRS 9 Context." Audit Financiar 19, no. 162 (May 20, 2021): 384–96. http://dx.doi.org/10.20869/auditf/2021/162/014.
Повний текст джерелаCassandras, C. G., and S. G. Strickland. "On-line sensitivity analysis of Markov chains." IEEE Transactions on Automatic Control 34, no. 1 (1989): 76–86. http://dx.doi.org/10.1109/9.8651.
Повний текст джерелаLasserre, J. B. "Exact formula for sensitivity analysis of Markov chains." Journal of Optimization Theory and Applications 71, no. 2 (November 1991): 407–13. http://dx.doi.org/10.1007/bf00939928.
Повний текст джерелаHeidergott, Bernd, Haralambie Leahu, Andreas Löpker, and Georg Pflug. "Perturbation analysis of inhomogeneous finite Markov chains." Advances in Applied Probability 48, no. 1 (March 2016): 255–73. http://dx.doi.org/10.1017/apr.2015.16.
Повний текст джерелаRahimi, Ebrahim, Seyed Saeed Hashemi Nazari, Yaser Mokhayeri, Asaad Sharhani, and Rasool Mohammadi. "Nine-month Trend of Time-Varying Reproduction Numbers of COVID-19 in West of Iran." Journal of Research in Health Sciences 21, no. 2 (June 28, 2021): e00517-e00517. http://dx.doi.org/10.34172/jrhs.2021.54.
Повний текст джерелаДисертації з теми "Markov chains; interval analysis; sensitivity analysis"
de, Souza Matos Júnior Rubens. "An automated approach for systems performance and dependability improvement through sensitivity analysis of Markov chains." Universidade Federal de Pernambuco, 2011. https://repositorio.ufpe.br/handle/123456789/2451.
Повний текст джерелаCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Sistemas computacionais estão em constante evolução para satisfazer crescimentos na demanda, ou novas exigências dos usuários. A administração desses sistemas requer decisões que sejam capazes de prover o nível mais alto nas métricas de desempenho e dependabilidade, com mudanças mínimas `a configuração existente. É comum realizar análises de desempenho, confiabilidade, disponibilidade e performabilidade de sistemas através de modelos analíticos, e as cadeias de Markov representam um dos formalismos matemáticos mais utilizados, permitindo estimar algumas métricas de interesse, dado um conjunto de parâmetros de entrada. No entanto, a análise de sensibilidade, quando feita, é executada simplesmente variando o conjunto de parâmetros dentro de suas faixas de valores e resolvendo repetidamente o modelo escolhido. A análise de sensibilidade diferencial permite a quem está modelando encontrar gargalos de uma maneira mais sistemática e eficiente. Este trabalho apresenta uma abordagem automatizada para análise de sensibilidade, e almeja guiar a melhoria de sistemas computacionais. A abordagem proposta é capaz de acelerar o processo de tomada de decisão, no que se refere a optimização de ajustes de hardware e software, além da aquisição e substituição de componentes. Tal metodologia usa as cadeias de Markov como técnica de modelagem formal, e a análise de sensibilidade desses modelos, preenchendo algumas lacunas encontradas na literatura sobre análise de sensibilidade. Por fim, a análise de sensibilidade de alguns sistemas distribuídos selecionados, conduzida neste trabalho, destaca gargalos nestes sistemas e fornece exemplos da acurácia da metodologia proposta, assim como ilustra sua aplicabilidade
Balan, Iulian. "Adjoint sensitivity analysis procedure of Markov chains with application on reliability of IFMIF accelerator system facilities." Karlsruhe : FZKA, 2005. http://bibliothek.fzk.de/zb/berichte/FZKA7080.pdf.
Повний текст джерелаBalan, Iulian [Verfasser]. "Adjoint sensitivity analysis procedure of Markov chains with application on reliability of IFMIF accelerator system facilities / Forschungszentrum Karlsruhe GmbH, Karlsruhe. Iulian Balan." Karlsruhe : FZKA, 2005. http://d-nb.info/976405784/34.
Повний текст джерелаMATOS, JÚNIOR Rubens de Souza. "Identification of Availability and Performance Bottlenecks in Cloud Computing Systems: an approach based on hierarchical models and sensitivity analysis." Universidade Federal de Pernambuco, 2016. https://repositorio.ufpe.br/handle/123456789/18702.
Повний текст джерелаMade available in DSpace on 2017-05-04T17:58:30Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tese_rubens_digital_biblioteca_08092016.pdf: 4506490 bytes, checksum: 251226257a6b659a6ae047e659147a8a (MD5) Previous issue date: 2016-03-01
CAPES
Cloud computing paradigm is able to reduce costs of acquisition and maintenance of computer systems, and enables the balanced management of resources according to the demand. Hierarchical and composite analytical models are suitable for describing performance and dependability of cloud computing systems in a concise manner, dealing with the huge number of components which constitute such kind of system. That approach uses distinct sub-models for each system level and the measures obtained in each sub-model are integrated to compute the measures for the whole system. Identification of bottlenecks in hierarchical models might be difficult yet, due to the large number of parameters and their distribution among distinct modeling levels and formalisms. This thesis proposes methods for evaluation and detection of bottlenecks of cloud computing systems. The methodology is based on hierarchical modeling and parametric sensitivity analysis techniques tailored for such a scenario. This research introduces methods to build unified sensitivity rankings when distinct modeling formalisms are combined. These methods are embedded in the Mercury software tool, providing an automated sensitivity analysis framework for supporting the process. Distinct case studies helped in testing the methodology, encompassing hardware and software aspects of cloud systems, from basic infrastructure level to applications that are hosted in private clouds. The case studies showed that the proposed approach is helpful for guiding cloud systems designers and administrators in the decision-making process, especially for tune-up and architectural improvements. It is possible to employ the methodology through an optimization algorithm proposed here, called Sensitive GRASP. This algorithm aims at optimizing performance and dependability of computing systems that cannot stand the exploration of all architectural and configuration possibilities to find the best quality of service. This is especially useful for cloud-hosted services and their complex underlying infrastructures.
O paradigma de computação em nuvem é capaz de reduzir os custos de aquisição e manutenção de sistemas computacionais e permitir uma gestão equilibrada dos recursos de acordo com a demanda. Modelos analíticos hierárquicos e compostos são adequados para descrever de forma concisa o desempenho e a confiabilidade de sistemas de computação em nuvem, lidando com o grande número de componentes que constituem esse tipo de sistema. Esta abordagem usa sub-modelos distintos para cada nível do sistema e as medidas obtidas em cada sub-modelo são usadas para calcular as métricas desejadas para o sistema como um todo. A identificação de gargalos em modelos hierárquicos pode ser difícil, no entanto, devido ao grande número de parâmetros e sua distribuição entre os distintos formalismos e níveis de modelagem. Esta tese propõe métodos para a avaliação e detecção de gargalos de sistemas de computação em nuvem. A abordagem baseia-se na modelagem hierárquica e técnicas de análise de sensibilidade paramétrica adaptadas para tal cenário. Esta pesquisa apresenta métodos para construir rankings unificados de sensibilidade quando formalismos de modelagem distintos são combinados. Estes métodos são incorporados no software Mercury, fornecendo uma estrutura automatizada de apoio ao processo. Uma metodologia de suporte a essa abordagem foi proposta e testada ao longo de estudos de casos distintos, abrangendo aspectos de hardware e software de sistemas IaaS (Infraestrutura como um serviço), desde o nível de infraestrutura básica até os aplicativos hospedados em nuvens privadas. Os estudos de caso mostraram que a abordagem proposta é útil para orientar os projetistas e administradores de infraestruturas de nuvem no processo de tomada de decisões, especialmente para ajustes eventuais e melhorias arquiteturais. A metodologia também pode ser aplicada por meio de um algoritmo de otimização proposto aqui, chamado Sensitive GRASP. Este algoritmo tem o objetivo de otimizar o desempenho e a confiabilidade de sistemas em cenários onde não é possível explorar todas as possibilidades arquiteturais e de configuração para encontrar a melhor qualidade de serviço. Isto é especialmente útil para os serviços hospedados na nuvem e suas complexas
Teo, Mingmei. "Interval Markov chains: performance measures and sensitivity analysis." Thesis, 2013. http://hdl.handle.net/2440/84424.
Повний текст джерелаThesis (M.Phil.) -- University of Adelaide, School of Mathematical Sciences, 2013
Частини книг з теми "Markov chains; interval analysis; sensitivity analysis"
Bacci, Giovanni, Benoît Delahaye, Kim G. Larsen, and Anders Mariegaard. "Quantitative Analysis of Interval Markov Chains." In Model Checking, Synthesis, and Learning, 57–77. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-91384-7_4.
Повний текст джерелаCaswell, Hal. "Sensitivity Analysis of Discrete Markov Chains." In Sensitivity Analysis: Matrix Methods in Demography and Ecology, 255–80. Cham: Springer International Publishing, 2019. http://dx.doi.org/10.1007/978-3-030-10534-1_11.
Повний текст джерелаCaswell, Hal. "Sensitivity Analysis of Continuous Markov Chains." In Sensitivity Analysis: Matrix Methods in Demography and Ecology, 281–99. Cham: Springer International Publishing, 2019. http://dx.doi.org/10.1007/978-3-030-10534-1_12.
Повний текст джерелаBenedikt, Michael, Rastislav Lenhardt, and James Worrell. "LTL Model Checking of Interval Markov Chains." In Tools and Algorithms for the Construction and Analysis of Systems, 32–46. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013. http://dx.doi.org/10.1007/978-3-642-36742-7_3.
Повний текст джерелаSeneta, E. "Sensitivity Analysis, Ergodicity Coefficients, and Rank-One Updates for Finite Markov Chains." In Numerical Solution of Markov Chains, 121–29. Boca Raton: CRC Press, 2021. http://dx.doi.org/10.1201/9781003210160-7.
Повний текст джерелаCrossen, Dennis M. "Student Retention Performance Using Absorbing Markov Chains." In Advances in Business Information Systems and Analytics, 293–323. IGI Global, 2017. http://dx.doi.org/10.4018/978-1-5225-0654-6.ch015.
Повний текст джерелаPinheiro, Thiago, Danilo Oliveira, Rubens Matos, Bruno Silva, Paulo Pereira, Carlos Melo, Felipe Oliveira, Eduardo Tavares, Jamilson Dantas, and Paulo Maciel. "The Mercury Environment: A Modeling Tool for Performance and Dependability Evaluation." In Intelligent Environments 2021. IOS Press, 2021. http://dx.doi.org/10.3233/aise210075.
Повний текст джерелаТези доповідей конференцій з теми "Markov chains; interval analysis; sensitivity analysis"
Wang, Yan. "Solving Interval Master Equation in Simulation of Jump Processes Under Uncertainties." In ASME 2013 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers, 2013. http://dx.doi.org/10.1115/detc2013-12740.
Повний текст джерелаMerletti, German, Michael Rabinovich, Salim Al Hajri, William Dawson, Russell Farmer, Joaquin Ambia, and Carlos Torres-Verdín. "New Iterative Resistivity Modelling Workflow Reduces Uncertainty in the Assessment of Water Saturation in Deeply-Invaded Reservoirs." In 2022 SPWLA 63rd Annual Symposium. Society of Petrophysicists and Well Log Analysts, 2022. http://dx.doi.org/10.30632/spwla-2022-0057.
Повний текст джерела