Optimal Distributional Design for External Stochastic Knowledge Processing
Project goals
Optimal processing of distributed knowledge is a key agenda in machine learning, signal processing and control, driven by sensor networks for smart environments, autonomous agents and distributed infrastructures (cloud, internet) serving the internet of things. Nodes may communicate via partially specied probability distributions (moments, etc). If a remote node or central coordinator is to process this, a global stochastic dependency model is required, but rarely available. Long-established entropy methods are used for such distributed decision making, extended as Fully Probabilistic Design (FPD) in recent years. Restrictive modelling assumptions - which assume nodes are finitely parametrized - need to be relaxed if progress to mature applications is to be achieved. A consistent procedure for nodes to assign weight to remotely sourced knowledge is also a priority. Applications in recursive signal processing and distributed (Kalman) filtering will consequently be delivered, allowing randomized exploration of the design space, and equipping decisions with uncertainty quantifiers.
Keywords
distributed knowledgeentropic methodsfully probabilistic designrecursive signal processingfilteringuncertainty measuresnon-parametric methods
Public support
Provider
Czech Science Foundation
Programme
Standard projects
Call for proposals
Standardní projekty 22 (SGA0201800001)
Main participants
Ústav teorie informace a automatizace AV ČR, v. v. i.
Contest type
VS - Public tender
Contract ID
18-15970S
Alternative language
Project name in Czech
Optimální zpracování externí stochastické znalosti vyjádřené pomocí pravděpodobnostních distribucí
Annotation in Czech
Optimální zpracování distribuované znalosti je klíčové pro strojové učení, zpracování signálů a řízení. Vyžadují ji sítě čidel, chytrých prostředí, autonomní agenti i distribuované infrastruktury (shluky, internet) sloužící internetu věcí. Uzly mohou komunikovat pomocí částečně popsaných pravděpodobnostních distribucí (momenty, atp). Má-li je vzdálený či centrální uzel zpracovat potřebuje stochastický model závislostí, který je však zřídka k disposici. Proto distribuované rozhodování využívá tradiční entropické metody, nedávno rozšířené pomocí plně pravděpodobnostního návrh (PPN) rozhodovacích strategií. Pro rozšíření byla užita omezující podmínka konečné parametrizace uzlů. Pro plnou využitelnost je nutné ji opustit a navíc je nutno navrhnout jak konsistentně přiřazovat váhu vzdáleně vzniklé informaci. To povede k použitelnosti v průběžném zpracování signálů a distribuované (kalmanovské) filtraci dovolující znáhodněné prozkoumávání návrhového prostoru a doplňující návazná rozhodnutí o kvantifikovaný popis jejich neurčitosti.
Scientific branches
R&D category
ZV - Basic research
OECD FORD - main branch
10103 - Statistics and probability
OECD FORD - secondary branch
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
OECD FORD - another secondary branch
—
AF - Documentation, librarianship, work with information
BB - Applied statistics, operational research
BC - Theory and management systems
BD - Information theory
IN - Informatics
Completed project evaluation
Provider evaluation
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Project results evaluation
The four project objectives were accomplished, reflecting in 2(+1 accepted) journal, 2 book chapter and 12 conference publications. The main result is the FPD-optimal Bayesian transfer learning scheme and its applications. The students were heavily included into the project realisation. From the point of international cooperation, the Trinity College Dublin was the main partner in the project.
Solution timeline
Realization period - beginning
Jan 1, 2018
Realization period - end
Dec 31, 2021
Project status
U - Finished project
Latest support payment
Apr 1, 2021
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP22-GA0-GA-U
Data delivery date
Jun 29, 2022
Finance
Total approved costs
4,258 thou. CZK
Public financial support
4,063 thou. CZK
Other public sources
195 thou. CZK
Non public and foreign sources
0 thou. CZK
Recognised costs
4 258 CZK thou.
Public support
4 063 CZK thou.
0%
Provider
Czech Science Foundation
OECD FORD
Statistics and probability
Solution period
01. 01. 2018 - 31. 12. 2021