Benutzer: Gast  Login
Originaltitel:
Probabilistic Cognition for Autonomous Systems: Abstraction, Semantics and Knowledge 
Übersetzter Titel:
Probabilistische Kognition der Autonomen Systeme: Abstraktion, Semantik und Wissen 
Jahr:
2014 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Elektrotechnik und Informationstechnik 
Betreuer:
von Wichert, Georg (Dr.) 
Gutachter:
von Wichert, Georg (Dr.); Steinbach, Eckehard (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
MSR Meßtechnik, Steuerungs- und Regelungstechnik, Automation; TEC Technik, Ingenieurwissenschaften (allgemein) 
Kurzfassung:
In this dissertation, a knowledge-supervised MCMC (KSMCMC) sampling technique is developed to provide autonomous systems the ability to abstract and to infer based on given knowledge and data. KSMCMC is realized by combining Markov logic and data driven MCMC sampling. We demonstrate the effectiveness of the proposed KSMCMC sampling technique in two typical tasks in the robotic domain: semantic mapping and scene analysis. 
Übersetzte Kurzfassung:
In dieser Arbeit wird eine Knowledge-Supervised-MCMC (KSMCMC) Samplingtechnik entwickelt, um autonomen Systemen die Fähigkeit des Abstrahierens und Schließens zu verleihen. KSMCMC ist auf der Basis der Kombination von Markov-Logic und datengetriebenem MCMC-Sampling realisiert. Wir demonstrieren die entwickelte Methodik und die damit zu erzielenden Ergebnisse anhand zweier klassischer Robotikaufgabenstellungen: semantisches Mapping und Szenenanalyse. 
Mündliche Prüfung:
02.10.2014 
Dateigröße:
17283121 bytes 
Seiten:
155 
Letzte Änderung:
23.10.2014