Lazy Fully Probabilistic Design of Decision Strategies

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F14%3A00434674" target="_blank" >RIV/67985556:_____/14:00434674 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-12436-0_16" target="_blank" >http://dx.doi.org/10.1007/978-3-319-12436-0_16</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-12436-0_16" target="_blank" >10.1007/978-3-319-12436-0_16</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Lazy Fully Probabilistic Design of Decision Strategies

Popis výsledku v původním jazyce

Fully probabilistic design of decision strategies (FPD) extends Bayesian dynamic decision making. The FPD species the decision aim via so-called ideal - a probability density, which assigns high probability values to the desirable behaviours and low values to undesirable ones. The optimal decision strategy minimises the Kullback-Leibler divergence of the probability density describing the closed-loop behaviour to this ideal. In spite of the availability of explicit minimisers in the corresponding dynamic programming, it suers from the curse of dimensionality connected with complexity of the value function. Recently proposed a lazy FPD tailors lazy learning, which builds a local model around the current behaviour, to estimation of the closed-loop modelwith the optimal strategy. This paper adds a theoretical support to the lazy FPD and outlines its further improvement.

Název v anglickém jazyce

Lazy Fully Probabilistic Design of Decision Strategies

Popis výsledku anglicky

Fully probabilistic design of decision strategies (FPD) extends Bayesian dynamic decision making. The FPD species the decision aim via so-called ideal - a probability density, which assigns high probability values to the desirable behaviours and low values to undesirable ones. The optimal decision strategy minimises the Kullback-Leibler divergence of the probability density describing the closed-loop behaviour to this ideal. In spite of the availability of explicit minimisers in the corresponding dynamic programming, it suers from the curse of dimensionality connected with complexity of the value function. Recently proposed a lazy FPD tailors lazy learning, which builds a local model around the current behaviour, to estimation of the closed-loop modelwith the optimal strategy. This paper adds a theoretical support to the lazy FPD and outlines its further improvement.

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/GA13-13502S" target="_blank" >GA13-13502S: Plně pravděpodobností návrh dynamických rozhodovacích strategií s nedokonalými účastníky v tržních scénářích</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

Advances in Neural Networks ? ISNN 2014

ISBN

978-3-319-12435-3

ISSN

—

e-ISSN

—

Počet stran výsledku

10

Strana od-do

140-149

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Hong Kong and Macao

Datum konání akce

28. 11. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—