Number of the records: 1  

Kombinace prediktorů v odhadování parametrů

  1. 1.
    SYSNO ASEP0532023
    Document TypeV - Research Report
    R&D Document TypeThe record was not marked in the RIV
    TitleKombinace prediktorů v odhadování parametrů
    TitleMixing of Predictors in Parameter Estimation
    Author(s) Podlesna, Yana (CZ)
    Kárný, Miroslav (UTIA-B) RID
    Issue dataPraha: ÚTIA AV ČR, 2020
    SeriesResearch Report
    Series number2385
    Number of pages32 s.
    Publication formPrint - P
    Languagecze - Czech
    CountryCZ - Czech Republic
    Keywordscurse of dimensionality ; Bayesian estimation ; prediction ; Markov decision process ; decision making
    Subject RIVBC - Control Systems Theory
    R&D ProjectsLTC18075 GA MŠk - Ministry of Education, Youth and Sports (MEYS)
    Institutional supportUTIA-B - RVO:67985556
    AnnotationTato bakalářská práce se zabývá návrhem metody k řešení prokletí rozměrnosti vznikající v kvantitativním modelování složitých vzájemně propojených systémů. Jedná se o předpovídací modely, které jsou založené na diskrétním markovském rozhodovacím procesu. Předpovídání je založeno na odhadu parametrů modelu pomocí bayesovské statistiky. Tato práce obsahuje návod na zmenšení rozměrnosti dat, potřebných k předpovídání v systémech s velkým počtem stavů a akcí. Místo odhadu prediktoru závislého na všech parametrech metoda předpokládá užití několika prediktorů, které vznikají odhadováním parametrických modelů, předpokládajících závislost na různých regresorech. Vlastnosti chování navržené metody jsou ilustrovány simulačními experimenty.
    Description in EnglishThis bachelor thesis deals with the design of the method for solving the curse of dimensionality arising in the quantitative modeling of complex interconnected systems. The employed predictive models are based on a discrete Markov process. Prediction is based on estimating model parameters using Bayesian statistics. This work contains method for reducing the amount of data needed for prediction in systems with a large number of occurring states and actions. Instead of estimating a predictor dependent on all parameters, the method assumes the use of several predictors, which arise from estimating parametric models based on dependences on different regressors. The behavioral properties of the proposed method are illustrated by simulation experiments.
    WorkplaceInstitute of Information Theory and Automation
    ContactMarkéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201.
    Year of Publishing2021
Number of the records: 1