|
|
Inference v Bayesovských sítích
Šimeček, Josef ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato diplomová práce se zabývá demonstrací různých přístupů k inferencím v Bayesovských sítích. V teoretické části jsou rozebrány základy pravděpodobnosti, základy teorie Bayesovkých sítí, inferenční metody a oblasti aplikací Bayesovských sítí. Inferenční metody jsou krátce představeny a doplněny jejich algoritmem. Princip každé metody je uveden na příkladu. Praktická část obsahuje popis implementace, experimenty s demonstračními aplikacemi a shrnutí dosažených výsledků.
|
|
|
Gaussian Process Regression under Location Uncertainty using Monte Carlo Approximation
Ptáček, Martin
Gaussian Process Regression (GPR) is a commonstatistical framework for spatial function estimation. While itsflexibility and availability of closed-form estimation solutionafter training are its advantages, it suffers on applicabilityconstraints in scenarios with uncertain training positions. Thispaper presents the derivation of the exact GPR operating onuncertain training positions along with approximation of theresulting terms using Monte Carlo (MC) sampling. This methodis then implemented in a simulation environment and shown toimprove the estimation quality over the standard GPR approachwith uncertain training positions.
|
|
|
Inference v Bayesovských sítích
Šimeček, Josef ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato diplomová práce se zabývá demonstrací různých přístupů k inferencím v Bayesovských sítích. V teoretické části jsou rozebrány základy pravděpodobnosti, základy teorie Bayesovkých sítí, inferenční metody a oblasti aplikací Bayesovských sítí. Inferenční metody jsou krátce představeny a doplněny jejich algoritmem. Princip každé metody je uveden na příkladu. Praktická část obsahuje popis implementace, experimenty s demonstračními aplikacemi a shrnutí dosažených výsledků.
|
|
| |
host ::
RSS.