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”

Lazy Learning of Environment Model from the Past

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F15%3A00452709" target="_blank" >RIV/67985556:_____/15:00452709 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Lazy Learning of Environment Model from the Past

  • Popis výsledku v původním jazyce

    The paper addresses a lazy learning (LL) approach to decision making (DM) problem described in fully probabilistic way. The key idea of LL is to simplify the actual DM problem by using past DM problems similar to the current one. The approach can decrease computation complexity and increase quality of learning when no rich alternative information available. The proposed LL approach helps to learn the environment model based on a proximity of the past and current DM problem with Kullback-Leibler divergence serving as a proximity measure. The implemented algorithm is verified on the real data. The results show that the proposed approach improves prediction quality.

  • Název v anglickém jazyce

    Lazy Learning of Environment Model from the Past

  • Popis výsledku anglicky

    The paper addresses a lazy learning (LL) approach to decision making (DM) problem described in fully probabilistic way. The key idea of LL is to simplify the actual DM problem by using past DM problems similar to the current one. The approach can decrease computation complexity and increase quality of learning when no rich alternative information available. The proposed LL approach helps to learn the environment model based on a proximity of the past and current DM problem with Kullback-Leibler divergence serving as a proximity measure. The implemented algorithm is verified on the real data. The results show that the proposed approach improves prediction quality.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

  • 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

Ostatní

  • Rok uplatnění

    2015

  • 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

    SPMS 2015

  • ISBN

    978-80-01-05841-1

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    170

  • Strana od-do

    1-10

  • Název nakladatele

    Nakladatelství ČVUT- výroba, Zikova 4, Praha 6

  • Místo vydání

    Praha 2

  • Místo konání akce

    Drhleny

  • Datum konání akce

    22. 6. 2015

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku