Temporal Predictions with Bayesian Compositional Hierarchies
| URN | urn:nbn:de:gbv:18-228-7-1693 |
|---|---|
| URL | http://edoc.sub.uni-hamburg.de/informatik/volltexte/2011/169/ |
| Dokumentart: | Report (Bericht) |
| Schriftenreihe: | Mitteilungen des Fachbereichs Informatik der Universität Hamburg |
| Bandnummer: | 343 |
| Sprache: | Englisch |
| Erstellungsjahr: | 2010 |
| Publikationsdatum: | 23.05.2011 |
| Freie Schlagwörter (Deutsch): | Modellierung , Bayes-Verfahren |
| DDC-Sachgruppe: | Informatik |
| BK - Klassifikation: | 54.72 |
Kurzfassung auf Englisch:
In this note I describe a novel approach to modelling and exploiting probabilistic dependencies in compositional hierarchies for model-based scene interpretation. I present Bayesian Compositional Hierarchies (BCHs) which capture all probabilistic information about the objects of a compositional hierarchy in object-centered aggregate representations. BCHs extend typical Bayesian Network models by allowing arbitrary probabilistic dependencies within aggregates, yet providing efficient inference procedures. New closed-form solutions are presented for inferences in a multivariate Gaussian BCH. Results are presented comparing a BCH with existing methods (pure Bayesian Networks, unrestricted Joint Probability Distributions). Monitoring aircraft service operations is presented as a practical application. It is shown that predictions about the expected temporal development of service operations can be generated dynamically from available temporal data.
Kurzfassung auf Deutsch:
In dieser Mitteilung wird ein neuer Ansatz zur Modellierung und Auswertung probabilistischer Abhängigkeiten in kompositionellen Hierarchien für modellbasierte Szeneninterpretation vorgestellt. Mit einer "Bayes'schen Kompositionellen Hierarchie" (Bayesian Compositonal Hierarchy, BCH) werden Zusammenhänge innerhalb von objektzentrierten Aggregaten in uneingeschränkter Form repräsentiert, zwischen Aggregaten jedoch nur entlang der kompositionellen Beziehungen. Dadurch können probabilistische Inferenzen in Szenen sehr effizient berechnet werden. Die Prädiktionsleistungen einer BCH werden mit alternativen Modellen verglichen (reine Bayes-Netze, uneingeschränkte Verbundwahrscheinlichkeiten) und an Beispielen evaluiert. Als praktische Anwendung wird die Überwachung einer Flugzeugabfertigung vorgestellt. Mithilfe einer BCH können Vorhersagen über den zu erwartenden zeitlichen Ablauf einer Flugzeugabfertigung aus bereits vorliegenden zeitlichen Daten schritthaltend angepasst werden.
Hinweis zum Urherberrecht
Für Dokumente, die in elektronischer Form über Datenenetze angeboten werden, gilt uneingeschränkt das Urheberrechtsgesetz (UrhG). Insbesondere gilt:
Einzelne Vervielfältigungen, z.B. Kopien und Ausdrucke, dürfen nur zum privaten und sonstigen eigenen Gebrauch angefertigt werden (Paragraph 53 Urheberrecht). Die Herstellung und Verbreitung von weiteren Reproduktionen ist nur mit ausdrücklicher Genehmigung des Urhebers gestattet.
Der Benutzer ist für die Einhaltung der Rechtsvorschriften selbst verantwortlich und kann bei Mißbrauch haftbar gemacht werden.