Attributes | Values |
---|
rdf:type
| |
rdfs:seeAlso
| |
Description
| - Graphical Markov models, one of the most popular tools of modern multivariate statistics used for description of multidimensional structured models, is the very technique that dominates probabilistic modelling in Artificial Intelligence. On the other hand, in the last two decades possibility theory has emerged and its applicability in AI has been proven as an alternative to probability theory. Furthermore, within possibilistic framework, several attempts have been made to construct models corresponding to some graphical Markov models, namely Bayesian networks, and properties of conditional possibilistic independence suggest that alternatives of a wider class of graphical models can be defined. Therefore, we propose to investigate and develop new parallels in these two fields, to distil their common features and, simultaneously, not to confine ourselves to graphical models. Our theoretical goal is to obtain a unified view on both kinds of models for which we will employ the apparatus (en)
- Grafické markovské modely, jeden z nejrozšířenějších nástrojů moderní statistiky pro popis mnohorozměrných strukturovaných modelů, jsou technikou, která dominuje pravděpodobnostnímu modelování v umělé inteligenci. Na druhou stranu, v průběhu uplynulých dvaceti let se objevila teorie možnosti (possibility theory) a prokázala svoji použitelnost v oblasti umělé inteligence jako alternativa k teorii pravděpodobnosti. Navíc se v rámci teorie možnosti objevilo několik pokusů konstruovat modely odpovídající některým grafickým markovským modelům, konkrétně bayesovským sítím, a vlastnosti podmíněné posibilistické nezávislosti naznačují, že bude možné definovat protějšky širší třídy grafických modelů. Proto navrhujeme zkoumat a rozvíjet nové paralely mezi těmito dvěma oblastmi, odhalovat jejich společné rysy, a přitom se neomezovat jen na grafické modely. Teoretickým cílem je získat jednotící pohled na oba druhy modelů; zde hodláme využít aparát založený na iterativním použití operátorů skládání. Tuto
|
Title
| - Multidimensional structured models (en)
- Mnohorozměrné strukturované modely
|
skos:notation
| |
http://linked.open...avai/cep/aktivita
| |
http://linked.open...kovaStatniPodpora
| |
http://linked.open...ep/celkoveNaklady
| |
http://linked.open...datumDodatniDoRIV
| |
http://linked.open...i/cep/druhSouteze
| |
http://linked.open...ep/duvernostUdaju
| |
http://linked.open.../cep/fazeProjektu
| |
http://linked.open...ai/cep/hlavniObor
| |
http://linked.open...hodnoceniProjektu
| |
http://linked.open...vai/cep/kategorie
| |
http://linked.open.../cep/klicovaSlova
| |
http://linked.open...ep/partnetrHlavni
| |
http://linked.open...inujicichPrijemcu
| |
http://linked.open...cep/pocetPrijemcu
| |
http://linked.open...ocetSpoluPrijemcu
| |
http://linked.open.../pocetVysledkuRIV
| |
http://linked.open...enychVysledkuVRIV
| |
http://linked.open...okUkonceniPodpory
| |
http://linked.open...okZahajeniPodpory
| |
http://linked.open...iciPoslednihoRoku
| |
http://linked.open...atUdajeProjZameru
| |
http://linked.open.../vavai/cep/soutez
| |
http://linked.open...usZobrazovaneFaze
| |
http://linked.open...ai/cep/typPojektu
| |
http://linked.open.../cep/vedlejsiObor
| |
http://linked.open...jektu+dodavatelem
| - Within the framework of the research project we concentrated on theoretical development of a specific class of models designed for uncertain knowledge representation and processing: models based on both probability and possibility multidimensional distri (en)
- Po celou dobu trvání projektu byla hlavní pozornost soustředěna na teoretický rozvoj aparátu pro modelování nejistých znalostí pomocí mnohorozměrných pravděpodobnostních i posibilistických distribucí. Studovali jsme klasické bayesovské sítě i modely zalo (cs)
|
http://linked.open...tniCyklusProjektu
| |
is http://linked.open...vavai/riv/projekt
of | |
is http://linked.open...vavai/cep/projekt
of | |