|
| |
|
|
Towards Distributed Bayesian Estimation A Short Note on Selected Aspects
Dedecius, Kamil ; Sečkárová, Vladimíra
The rapid development of ad-hoc wireless networks, sensor networks and similar calls for efficient estimation of common parameters of a linear or nonlinear model used to describe the operating environment. Therefore, the theory of collaborative distributed estimation has attained a very considerable focus in the past decade, however, mostly in the classical deterministic realm. We conjecture, that the consistent and versatile Bayesian decision making framework, whose applications range from the basic probability counting up to the nonlinear estimation theory, can significantly contribute to the distributed estimation theory. The limited extent of the paper allows to address the considered problem only very superficially and shortly. Therefore, we are forced to leave the rigorous approach in favor of a short survey indicating the arising possibilities appealing to the non- Bayesian literature.
|
|
|
Automated Preferences Elicitation
Kárný, Miroslav ; Guy, Tatiana Valentine
Systems supporting decision making became almost inevitable in the modern complex world. Their efficiency depends on the sophisticated interfaces enabling a user take advantage of the support while respecting the increasing on-line information and incomplete, dynamically changing user’s preferences. The best decision making support is useless without the proper preference elicitation. The paper proposes a methodology supporting automatic learning of quantitative description of preferences. The proposed elicitation serves to fully probabilistic design, which is an extension of Bayesian decision making.
|
|
|
Supra-Bayesian Approach to Merging of Incomplete and Incompatible Data
Sečkárová, Vladimíra
In practice we often need to take every available information into account. Unfortunately the pieces of information given by different sources are often incomplete (with respect to what we are interested in) and have different forms. In this work we try to solve the problem of treating such data in order to get an optimal merger of them. We present a systematic and unified way how to combine the pieces of information by using a Supra-Bayesian approach and other mathematical tools, e.g. Kerridge inaccuracy, maximum entropy principle. To show how the proposed method works a simple example is given at the end of the work.
|
|
| |
|
|
O bayesovském rozhodování s více účastníky
Kracík, Jan
Ve zprávě je shrnut pohled na bayesovské rozhodování s více účastníky, který vyplynul z práce na pro projektu GAAV 1ET100750401 BADDYR. Během práce se postupně ukázalo, že daný problemém je mnohem hlubší než se na první pohled může zdát. Zároveň ale vyšlo najevo, že v některý konkrétních případech lze vhodné řešení získat pouze na základě detailního modelování znalostí a cílů jednotlivých účastníků. Řešení těchto speciálních případů pak může sloužit jako vodíto k návrhu řešení obecnějších problémů.
|
|
| |
|
|
Spojování znalostí jako problém odhadování
Kárný, Miroslav ; Bodini, A. ; Ruggeri, F.
Bayesovké kooperativní rozhodování vyžaduje kombinování modelů spolupracujících sousedů. Konkrétní účastník se pokouší využít nepřesnou pravděpodobnostní znalost poskytnutou jeho sousedy ve formě nízkorozměrných marginálních a podmíněných distribucí. Přes mnoho pokusů v tomto směru tento problém nebyl ještě vyřešen. Tato zpráva řeší problém jako bayesovskou odhadovací úlohu.
|
|
| |
host ::
RSS.