Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloApproximate multi-state reliability expressions using a new machine learning technique
Anno di pubblicazione2005
FormatoCartaceo
Autore/iC. M. Rocco, M. Muselli
Affiliazioni autoriC. M. Rocco: Facultad de Ingeniería, Universidad Central, Caracas, Venezuela, M. Muselli CNR IEIIT Genova
Autori CNR e affiliazioni
  • MARCO MUSELLI VQR
Lingua/e
  • inglese
AbstractThe machine-learning-based methodology, previously proposed by the authors for approximating binary reliability expressions, is now extended to develop a new algorithm, based on the procedure of Hamming Clustering, which is capable to deal with multi-state systems and any success criterion. The proposed technique is presented in details and verified on literature cases: experiment results show that the new algorithm yields excellent predictions.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da261
Pagine a270
Pagine totali-
RivistaReliability engineering & systems safety
Attiva dal 1988
Editore: Elsevier Applied Science, - Barking
Paese di pubblicazione: Regno Unito
Lingua: inglese
ISSN: 0951-8320
Titolo chiave: Reliability engineering & systems safety
Titolo proprio: Reliability engineering & systems safety.
Titolo abbreviato: Reliab. eng. syst. saf.
Titolo alternativo: Reliability engineering and systems safety
Numero volume della rivista89
Fascicolo della rivista3
DOI10.1016/j.ress.2004.08.023
Verificato da refereeSì: Internazionale
Stato della pubblicazione-
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000230472000003)
  • Scopus (Codice:2-s2.0-15844418259)
Parole chiaveNetwork reliability evaluation, Reliability expression, Rule generation, Hamming clustering, Multi-state system
Link (URL, URI)-
Titolo parallelo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • IEIIT — Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni
Moduli CNR
    Progetti Europei-
    Allegati
    • Articolo pubblicato

    Dati associati a vecchie tipologie
    I dati associati a vecchie tipologie non sono modificabili, derivano dal cambiamento della tipologia di prodotto e hanno solo valore storico.
    Editore
    • Elsevier Science Ltd., Oxford (Regno Unito)

    Dati storici
    I dati storici non sono modificabili, sono stati ereditati da altri sistemi (es. Gestione Istituti, PUMA, ...) e hanno solo valore storico.
    Area disciplinareComputer Science & Engineering
    Area valutazione CIVRScienze matematiche e informatiche
    Rivista ISIRELIABILITY ENGINEERING & SYSTEM SAFETY [03702J0]