Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Probabilistic Cognition for Autonomous Systems: Abstraction, Semantics and Knowledge
Übersetzter Titel:
Probabilistische Kognition der Autonomen Systeme: Abstraktion, Semantik und Wissen
Autor:
Liu, Ziyuan
Jahr:
2014
Dokumenttyp:
Dissertation
Fakultät/School:
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.
WWW:
https://mediatum.ub.tum.de/?id=1206073
Eingereicht am:
06.05.2014
Mündliche Prüfung:
02.10.2014
Dateigröße:
17283121 bytes
Seiten:
155
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20141002-1206073-0-6
Letzte Änderung:
23.10.2014
 BibTeX