Considering that the Bayesian netwo

Considering that the Bayesian network is a directed acyclic graph, it cannot express the interdependence of variables. On the other hand, a Markov network can be created, so as to take into consideration the interdependence of variables. Such a network can be called a Markov random field (MRF) [14]. Despite the recent interest in this approach, little work has been done on its application to soft sensors.

Results (Thai) 1:

พิจารณาว่าเครือข่ายแบบเบย์เป็นผู้กำกับวัฏจักรกราฟก็ไม่สามารถแสดงการพึ่งพาซึ่งกันและกันของตัวแปร บนมืออื่น ๆ , เครือข่ายมาร์คอฟที่สามารถสร้างขึ้นเพื่อให้เป็นไปคำนึงถึงการพึ่งพาซึ่งกันและกันของตัวแปร เครือข่ายดังกล่าวสามารถเรียกได้ว่าเป็นสนามมาร์คอฟแบบสุ่ม (MRF) [14] แม้จะมีความสนใจที่ผ่านมาในแนวทางนี้การทำงานเล็ก ๆ น้อย ๆ ได้รับการดำเนินการเกี่ยวกับการประยุกต์ใช้กับเซ็นเซอร์ที่อ่อนนุ่ม

Results (Thai) 2:

พิจารณาว่าเครือข่ายเบย์เชียเป็นกราฟ acyclic โดยตรง, มันไม่สามารถแสดงการพึ่งพาตัวแปร. ในทางกลับกัน, เครือข่าย Markov สามารถสร้างขึ้น, เพื่อที่จะคำนึงถึงการพึ่งพาตัวแปร. เครือข่ายดังกล่าวสามารถเรียกได้ว่าเป็นเขตข้อมูลแบบสุ่ม Markov (MRF) [14] แม้จะมีความสนใจในวิธีการนี้, การทำงานเล็กๆน้อยๆได้รับการทำในการประยุกต์ใช้กับเซ็นเซอร์อ่อน.

Results (Thai) 3:

เนื่องจากเครือข่ายคชกรรมเป็นแอนนูลัสกราฟไม่สามารถแสดงการพึ่งพาซึ่งกันและกันระหว่างตัวแปร บนมืออื่นๆที่เราสามารถสร้างเครือข่ายมาร์คอฟเพื่อพิจารณาการพึ่งพาซึ่งกันและกันระหว่างตัวแปร เครือข่ายดังกล่าวอาจจะเรียกว่า mr191-14 MRF แม้ว่าวิธีการนี้ได้รับความสนใจมากเมื่อเร็วๆนี้มันไม่ค่อยทำงานกับเซ็นเซอร์อ่อน