机构名称：
¥ 1.0
为了实现更高性能，安全关键系统变得越来越大、越来越复杂。因此，对这些系统进行建模和评估可能很困难且容易出错。在现有的安全模型中，故障树分析 (FTA) 是一种众所周知的方法，其图形结构易于理解。这项研究提出了一种新方法，该方法使用机器学习 (ML) 和实时数据来理解自然行为。然后，如果对行为模型的引用存在问题，该方法将尝试在错误树中找到错误的描述，然后将该信息分享给接听电话的人。如果故障树无法解释情况，则有许多不同的建议，包括纠正故障树，具体取决于情况的性质。决策树用于此目的。通过采矿业的假设示例证明了所提出方法的有效性。
人工智能与算法的工业安全
主要关键词
相关文件推荐
