J.M.马蒂亚斯。;T·里瓦斯。;马丁,J.E。;J.塔博达。 用于分析工作场所事故的机器学习方法。 (英语) Zbl 1147.68645号 国际期刊计算。数学。 85,编号3-4,559-578(2008). 小结:本文提出了一种分析工作场所事故原因和类型的方法(在本文中,我们特别关注地面坠落)。该方法基于机器学习技术:使用不同算法(有先验信息和无先验信息)训练的贝叶斯网络、分类树、支持向量机和极端学习机。使用不同技术获得的结果在解释能力和预测潜力方面进行了比较,这两个因素都有助于制定风险预防措施。贝叶斯网络被认为是这类研究的最佳全方位技术,因为它们结合了强大的解释能力和可与最佳可用技术相媲美的预测能力。此外,贝叶斯网络迫使专家们采用科学方法来构建和逐步丰富他们的模型,并为有坚实基础的事故预防政策奠定基础。此外,该程序能够更好地定义变量,更好地组织数据捕获、编码和质量控制过程。 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:机器学习;统计学;运筹学;数据挖掘;人工智能 软件:HUGIN公司;4.5条 PDF格式BibTeX公司 XML格式引用 \textit{J.M.Matías}等人,《国际计算杂志》。数学。85,编号3--4,559--578(2008;Zbl 1147.68645) 全文: 内政部 参考文献: [1] Bird F.E.,《实际损失控制领导》(1990年) [2] 《职业健康安全管理体系指南》,BS8800(1996) [3] 内政部:10.1016/0004-3702(86)90072-X·Zbl 0624.68081号 ·doi:10.1016/0004-3702(86)90072-X [4] Breiman L.,分类和回归树(1984)·Zbl 0541.62042号 [5] Vapnik V.,统计学习理论(1998)·兹比尔0935.62007 [6] Huang,G.B.,Zhu,Q.Y.和Siew,C.K.极限学习机:一种新的前馈神经网络学习方案。在国际神经网络联合会议(IJCNN 2004)上提交的论文。匈牙利布达佩斯。第985-990页。 [7] 内政部:10.2307/2986296·doi:10.2307/2986296 [8] 昆兰J.R.,C4.5:机器学习程序(1993) [9] Scholkopf B.,《用内核学习》(2002年) [10] DOI:10.1007/s00477-004-0185-5·Zbl 1120.62350号 ·doi:10.1007/s00477-004-0185-5 [11] Taboada J.,《计算与应用数学杂志》(2006) [12] Seber G.A.F.,线性回归分析(1977)·Zbl 0354.62055号 [13] DOI:10.10109/TNN.2006.875977·doi:10.1109/TNN.2006.875977 [14] Spirtes P.,因果、预测和搜索(2000) [15] Pearl J.,《因果关系:模型、推理和界面》(2000年)·Zbl 0959.68116号 [16] Cowell R.G.,概率网络和专家系统(1999)·Zbl 0937.68121号 [17] 内政部:10.1109/69.494161·doi:10.1109/69.494161 [18] 内政部:10.1201/9780203491294·doi:10.1201/9780203491294 [19] 库珀·G.F.,《机器学习》9,第309页–(1992年) [20] DOI:10.1002/(SICI)1097-0037(199608)28:1<31::AID-NET5>3.0.CO;2-E型·Zbl 0865.90062号 ·doi:10.1002/(SICI)1097-0037(199608)28:1<31::AID-NET5>3.0.CO;2-E型 [21] Lauritzen S.L.,《皇家统计学会杂志》,50 pp 157–(1988) [22] Heckerman D.E.,《机器学习》,第20页,197–(1995) [23] Munteanu,P.和Bendou,M.贝叶斯网络等价类学习的EQ框架。在第一届IEEE数据挖掘国际会议(IEEE ICDM)上发表的论文。第417-424页。 [24] Glover F.,ORSA计算机杂志1第190页–(1989) [25] 数字对象标识码:10.1023/A:1007465528199·Zbl 0892.68077号 ·doi:10.1023/A:1007465528199 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。