Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Knowledge Elicitation Via Extension of Fragmental Knowledge Pieces

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F09%3A00328657" target="_blank" >RIV/67985556:_____/09:00328657 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Knowledge Elicitation Via Extension of Fragmental Knowledge Pieces

  • Popis výsledku v původním jazyce

    The paper describes an advanced methodology of automatic knowledge elicitation. It merges fragmental uncertain knowledge pieces into the prior distribution of unknown parameter of a probabilistic model of a dynamic system. Careful knowledge elicitation helps in achieving as bump-less start of model-based controllers as possible. It is also important when observed data are poorly informative, which is a typical situation in closed control loops. Rigorous use of the Bayesian paradigm to the knowledge elicitation forms the essence of the methodology. Unlike former solutions, it can handle fragmental and incompletely compatible knowledge pieces in a systematic way. The description of the methodology dominates the paper and just an illustrative example is presented.

  • Název v anglickém jazyce

    Knowledge Elicitation Via Extension of Fragmental Knowledge Pieces

  • Popis výsledku anglicky

    The paper describes an advanced methodology of automatic knowledge elicitation. It merges fragmental uncertain knowledge pieces into the prior distribution of unknown parameter of a probabilistic model of a dynamic system. Careful knowledge elicitation helps in achieving as bump-less start of model-based controllers as possible. It is also important when observed data are poorly informative, which is a typical situation in closed control loops. Rigorous use of the Bayesian paradigm to the knowledge elicitation forms the essence of the methodology. Unlike former solutions, it can handle fragmental and incompletely compatible knowledge pieces in a systematic way. The description of the methodology dominates the paper and just an illustrative example is presented.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA102%2F08%2F0567" target="_blank" >GA102/08/0567: Plně pravděpodobnostní návrh dynamických rozhodovacích strategií</a><br>

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2009

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the European Control Conference 2009

  • ISBN

    978-963-311-369-1

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

  • Název nakladatele

    European Union Control Association

  • Místo vydání

    Budapest

  • Místo konání akce

    Budapest

  • Datum konání akce

    23. 8. 2009

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku