Lineare optimale Regelung und Schätzung mittels Message Passing auf Faktorgraphen

Christian Hoffmann; Philipp Rostalski

Lineare optimale Regelung und Schätzung mittels Message Passing auf Faktorgraphen

Institut für Medizinische Elektrotechnik

Abstract

Faktorgraphen bilden eine Klasse probabilistischer graphischer Modelle, welche die Faktorisierung von Wahrscheinlichkeitsdichteverteilungen als bipartite Graphen abbilden [1, 2]. Eine solche Zerlegung kann genutzt werden, um Aussagen bedingter Unabhängigkeiten darzustellen und probabilistische Inferenzprobleme zu lösen. Dazu werden häufig sogenannte Max-Product und Sum-Product Algorithmen [3] verwendet, um Nachrichten auf den Kanten des Graphen zu berechnen, die eine effiziente Zusammenfassung aller vorangegangenen Nachrichten darstellen. So kann die Struktur des Graphen ausgenutzt werden, um Inferenzprobleme mittels der Übermittlung von Nachrichten zwischen den Knoten des Graphen effizient zu lösen bzw. zu approximieren.

Originalsprache	Deutsch
Publikationsstatus	Veröffentlicht - 2017

UN SDGs

Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung

SDG 3 – Gesundheit und Wohlergehen
SDG 9 – Industrie, Innovation und Infrastruktur

Dokumente

https://www.ime.uni-luebeck.de/fileadmin/files/Publications/PDFs/HoRo17b.pdf

Zitieren

@misc{0413960cc7fa4e4981743e1d783b3c73,

title = "Lineare optimale Regelung und Sch{\"a}tzung mittels Message Passing auf Faktorgraphen",

abstract = "Faktorgraphen bilden eine Klasse probabilistischer graphischer Modelle, welche die Faktorisierung von Wahrscheinlichkeitsdichteverteilungen als bipartite Graphen abbilden [1, 2]. Eine solche Zerlegung kann genutzt werden, um Aussagen bedingter Unabh{\"a}ngigkeiten darzustellen und probabilistische Inferenzprobleme zu l{\"o}sen. Dazu werden h{\"a}ufig sogenannte Max-Product und Sum-Product Algorithmen [3] verwendet, um Nachrichten auf den Kanten des Graphen zu berechnen, die eine effiziente Zusammenfassung aller vorangegangenen Nachrichten darstellen. So kann die Struktur des Graphen ausgenutzt werden, um Inferenzprobleme mittels der {\"U}bermittlung von Nachrichten zwischen den Knoten des Graphen effizient zu l{\"o}sen bzw. zu approximieren.",

author = "Christian Hoffmann and Philipp Rostalski",

year = "2017",

language = "Deutsch",

type = "Other",

}

TY - GEN

T1 - Lineare optimale Regelung und Schätzung mittels Message Passing auf Faktorgraphen

AU - Hoffmann, Christian

AU - Rostalski, Philipp

PY - 2017

Y1 - 2017

N2 - Faktorgraphen bilden eine Klasse probabilistischer graphischer Modelle, welche die Faktorisierung von Wahrscheinlichkeitsdichteverteilungen als bipartite Graphen abbilden [1, 2]. Eine solche Zerlegung kann genutzt werden, um Aussagen bedingter Unabhängigkeiten darzustellen und probabilistische Inferenzprobleme zu lösen. Dazu werden häufig sogenannte Max-Product und Sum-Product Algorithmen [3] verwendet, um Nachrichten auf den Kanten des Graphen zu berechnen, die eine effiziente Zusammenfassung aller vorangegangenen Nachrichten darstellen. So kann die Struktur des Graphen ausgenutzt werden, um Inferenzprobleme mittels der Übermittlung von Nachrichten zwischen den Knoten des Graphen effizient zu lösen bzw. zu approximieren.

AB - Faktorgraphen bilden eine Klasse probabilistischer graphischer Modelle, welche die Faktorisierung von Wahrscheinlichkeitsdichteverteilungen als bipartite Graphen abbilden [1, 2]. Eine solche Zerlegung kann genutzt werden, um Aussagen bedingter Unabhängigkeiten darzustellen und probabilistische Inferenzprobleme zu lösen. Dazu werden häufig sogenannte Max-Product und Sum-Product Algorithmen [3] verwendet, um Nachrichten auf den Kanten des Graphen zu berechnen, die eine effiziente Zusammenfassung aller vorangegangenen Nachrichten darstellen. So kann die Struktur des Graphen ausgenutzt werden, um Inferenzprobleme mittels der Übermittlung von Nachrichten zwischen den Knoten des Graphen effizient zu lösen bzw. zu approximieren.

M3 - Andere

ER -