Ansätze zur lokalen Bayes'schen Fusion von Informationsbeiträgen heterogener Quellen

Die Lösung diverser Aufgaben profitiert von der Informationsfusion oder setzt sie sogar voraus. Die Bayes'sche Fusionsmethodik ist anschaulich, fundiert und erfüllt die essentiellen Anforderungen an eine sinnvolle Methodik auch zur Fusion der Beiträge heterogener Informationsquellen. In vielen praktisch relevanten Aufgaben verursachen Bayes'sche Verfahren hohen, oft nicht tragbaren Aufwand. In der Arbeit werden neuartige Ansätze zur Bewältigung Bayes'scher Fusion formuliert und untersucht. The solution of various tasks benefits from information fusion or even requires it. The Bayesian fusion methodology is clear, well-founded and fulfills the essential requirements for a meaningful methodology also for fusing the contributions of heterogeneous information sources. In many practically relevant tasks, Bayesian methods cause high, often unacceptable effort. In the work, novel approaches to cope with Bayesian fusion in such situations are formulated and investigated.

Détails du produit

• Auteurs: Jennifer Sander
• Edition: KIT Scientific Publishing
• Contenu: Livre
• Forme du produit: Livre de poche
• Date de parution: 01.01.2021
• Catégorie: Sciences naturelles, médecine, it, technique > Informatique, ordinateurs > Autres; Livres de conseils
• EAN: 9783731510628
• ISBN: 978-3-7315-1062-8
• Nombre de pages: 342
• Illustrations: graph. Darst.
• Dimensions (emballage): 14,8 x 21 cm
• Poids (emballage): 630 g
• Thème: Karlsruher Schriften zur Anthropomatik / Lehrstuhl für Interaktive Echtzeitsysteme, Karlsruher Institut für Technologie ; Fraunhofer-Inst. für Optronik, Systemtechnik und Bildauswertung IOSB Karlsruhe > 47