Počet záznamů: 1

Log-Normal Merging for Distributed System Identification

  1. 1.
    0328917 - UTIA-B 2010 RIV FR eng C - Konferenční příspěvek (zahraniční konf.)
    Šmídl, Václav - Kárný, Miroslav
    Log-Normal Merging for Distributed System Identification.
    [Lognormální skládání pravděpodobností pro distribuovanou identifikaci systémů.]
    Proceedings of the 15th IFAC Symposium on System Identification. Saint Malo: IFAC, 2009, s. 1-6.
    [15th IFAC Symposium on System Identification. Saint Malo (FR), 06.07.2009-08.07.2009]
    Grant CEP: GA MŠk 1M0572; GA ČR GP102/08/P250; GA ČR GA102/08/0567
    Výzkumný záměr: CEZ:AV0Z10750506
    Klíčová slova: Bayesian Methods * Hybrid and Distributed System Identification * Particle Filtering/Monte Carlo Methods
    Kód oboru RIV: BC - Teorie a systémy řízení
    http://library.utia.cas.cz/separaty/2009/AS/smidl-log-normal merging for distributed system identification.pdf http://library.utia.cas.cz/separaty/2009/AS/smidl-log-normal merging for distributed system identification.pdf

    Growing interest in applications of distributed systems, such as multi-agent systems, increases demands on identification of distributed systems from partial information sources collected by local agents. We are concerned with fully distributed scenario where system is identified by multiple agents, which do not estimate state of the whole system but only its local `state'. The resulting estimate is obtained by merging of marginal and conditional posterior probability density functions (pdf) on such local states. We investigate the use of recently proposed non-parametric log-normal merging of such `fragmental' pdfs for this task. We derive a projection of the optimal merger to the class of weighted empirical pdfs and mixtures of Gaussian pdfs. We illustrate the use of this technique on distributed identification of a controlled autoregressive model.

    S rozvojem distribuovaných sstémů se zvyšují nároky na jejich identifikaci z distribuovaných a neúplných měření. Tento článek se zabývá plně distribuovaným scénářem, kde každý lokální agent identifikuje pouze svoji část systému. Identifikace celého systému je získána složením aposteriorních distribucí jednotlivých agentů. K tomu je použita nová technika log-normálního skládání hustot pravdepodobnosti. Postup je ilustrován na jednoduchém příkladu.
    Trvalý link: http://hdl.handle.net/11104/0175102