Název: Lazy Learning of Environment Model from the Past
Autoři: Štěch, J. ; Guy, Tatiana Valentine ; Pálková, B. ; Kárný, Miroslav
Typ dokumentu: Příspěvky z konference
Konference/Akce: Stochastic and Physical Monitoring Systems (SPMS2015), Drhleny (CZ), 2015-06-22 / 2015-06-27
Rok: 2015
Jazyk: eng
Abstrakt: The paper addresses a lazy learning (LL) approach to decision making (DM) problem described in fully probabilistic way. The key idea of LL is to simplify the actual DM problem by using past DM problems similar to the current one. The approach can decrease computation complexity and increase quality of learning when no rich alternative information available. The proposed LL approach helps to learn the environment model based on a proximity of the past and current DM problem with Kullback-Leibler divergence serving as a proximity measure. The implemented algorithm is verified on the real data. The results show that the proposed approach improves prediction quality.
Klíčová slova: Lazy learning; local modelling; prediction for optimisation
Číslo projektu: GA13-13502S (CEP)
Poskytovatel projektu: GA ČR
Zdrojový dokument: SPMS 2015, ISBN 978-80-01-05841-1

Instituce: Ústav teorie informace a automatizace AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný na externích webových stránkách.
Externí umístění souboru: http://library.utia.cas.cz/separaty/2015/AS/guy-0452709.pdf
Původní záznam: http://hdl.handle.net/11104/0254008

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-201279


Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav teorie informace a automatizace
Konferenční materiály > Příspěvky z konference