Pravděpodobnostní metody práce s částečnými znalostmi

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F08%3A00098606" target="_blank" >RIV/67985556:_____/08:00098606 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61384399:31160/08:00029688

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Probabilistic partial knowledge handling

Popis výsledku v původním jazyce

The paper is a short review and comparison of two probabilistic models for uncertain knowledge representation: Bayesian networks and compositional models. These two approaches were chosen because they represent the same class of distributions and becausethey are typical representatives of the approaches using conditional (for Bayesian networks) and unconditional (for compositional models) distributions as basic building blocks for model construction. The comparison is made from the viewpoint of partialknowledge processing, in particular. Here we have in mind not only their capability to create global models from systems of pieces of local knowledge but most of all their efficiency to infer new pieces of local knowledge, different from those forming agenerating (input) system.

Název v anglickém jazyce

Probabilistic partial knowledge handling

Popis výsledku anglicky

The paper is a short review and comparison of two probabilistic models for uncertain knowledge representation: Bayesian networks and compositional models. These two approaches were chosen because they represent the same class of distributions and becausethey are typical representatives of the approaches using conditional (for Bayesian networks) and unconditional (for compositional models) distributions as basic building blocks for model construction. The comparison is made from the viewpoint of partialknowledge processing, in particular. Here we have in mind not only their capability to create global models from systems of pieces of local knowledge but most of all their efficiency to infer new pieces of local knowledge, different from those forming agenerating (input) system.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

International Journal of Approximate Reasoning

ISSN

0888-613X

e-ISSN

—

Svazek periodika

47

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

9

Strana od-do

359-367

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—