Estimation and optimization in large networked system is not a trivial task due to the large amount of participants, the complex uncertainties and processes. Probabilistic models provide a powerful tool for organizing all sources of information and describing explicitly the statistical structure of the estimation problem. Estimation is performed by inferring the posterior probability distributions of the variables that are related to the quantities of interest, given the observation variables. The focus of this thesis is the development of distributed and approximate inference algorithms that solve the estimation problems in large networked systems. These new methods are based on the existing inference algorithms but extend them to adapt to the specific properties of applications in networked systems. The developed methods are applied to solve two practical problems: node localization and clock synchronization.     «

Estimation and optimization in large networked system is not a trivial task due to the large amount of participants, the complex uncertainties and processes. Probabilistic models provide a powerful tool for organizing all sources of information and describing explicitly the statistical structure of the estimation problem. Estimation is performed by inferring the posterior probability distributions of the variables that are related to the quantities of interest, given the observation variables. T...     »

Die Schätzung und Optimierung in großen vernetzten Systemen ist aufgrund der großen Anzahl der Systemkomponenten, der Unsicherheiten und der Komplexität der Prozesse, eine nicht triviale Aufgabe. Probabilistische Modelle bieten ein grundlegendes Instrument für die Verarbeitung der Beobachtungen und der a priori Informationen und beschreiben die statistische Struktur des Schätzproblems. Diese Arbeit beschäftigt sich mit der Entwicklung der neuen verteilten und approximativen Inferenzmethoden für die Schätzproblemen in großen vernetzten Systemen. Die neuen Methoden entwickeln die bekannten Inferenzmethoden weiter, indem sie diese auf die spezifischen Eigenschaften von Anwendungen in vernetzten Systemen anpassen. Die entwickelten Methoden werden auf zwei praktische Probleme angewendet: Lokalisierung und Zeitsynchronization in verteilten Systemen.     «

Die Schätzung und Optimierung in großen vernetzten Systemen ist aufgrund der großen Anzahl der Systemkomponenten, der Unsicherheiten und der Komplexität der Prozesse, eine nicht triviale Aufgabe. Probabilistische Modelle bieten ein grundlegendes Instrument für die Verarbeitung der Beobachtungen und der a priori Informationen und beschreiben die statistische Struktur des Schätzproblems. Diese Arbeit beschäftigt sich mit der Entwicklung der neuen verteilten und approximativen Inferenzmethoden für...     »