Show
Ignore:
Timestamp:
02/02/12 12:40:37 (12 years ago)
Author:
jabu
Message:

Prvni verze bez vysledku

Location:
applications/doprava/texty/novotny_vyzk_LQ/06_Bayes_rmm_pouziti
Files:
2 modified

Legend:

Unmodified
Added
Removed
  • applications/doprava/texty/novotny_vyzk_LQ/06_Bayes_rmm_pouziti/Bayes_rmm_pouziti.tex

    r1419 r1424  
    11\def \cesta {./06_Bayes_rmm_pouziti} 
    22 
    3 \section{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy}  
     3\subsection{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy}  
    44 
    55V následujícím textu se budeme zabývat konkrétním využitím 
     
    4141\end{figure} 
    4242 
     43\subsection{Zhodnocení} 
     44V článku \cite{4_rmm_formalization} nenjsou podrobně popsány akce agentů ani 
     45způsob, jak hodnotit jejich užitečnost. Proto je tato metoda jen obtížně reprodukovatelná, 
     46modifikovatelná či dále rozvinutelná. V naší situaci popsanné v dalších kapitolách také není nutné 
     47modelovat chování agentů, neboť je možné ho vykomunikovat pomocí posílaných zpráv. V případě 
     48reálného nasazení by však bylo možné vylepšení zapojení RMM pro odhad chování agenta 
     49pokud by nastal výpadek spojení nebo podobná situace. 
    4350 
    4451 
  • applications/doprava/texty/novotny_vyzk_LQ/06_Bayes_rmm_pouziti/Bayes_rmm_pouziti.tex.backup

    r1419 r1424  
    1 \def \cesta {./05_Bayes_rmm_pouziti} 
     1\def \cesta {./06_Bayes_rmm_pouziti} 
    22 
    3 \chapter{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy}  
     3\subsection{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy}  
    44 
    5 V následující kapitole se budeme zabývat konkrétním využitím 
     5V následujícím textu se budeme zabývat konkrétním využitím 
    66rekursivních modelovacích metod v kombinaci s bayesovským učením 
    77v decentralizovaném řízení dopravy pomocí multiagentních systémů. 
     
    2020za použití simulace psané v jazyce VC++ a porovnávána s dvěma dalšími, a to pevně dané sekvence 
    2121stanovené dopravními experty a stochastická metoda "Hill-climbing process". Z tohoto srovnání 
    22 vychází tato metoda podle výsledků prezentovaných v \cite{1_rmm_bayes_learning} nejlépe, jak můžeme vidět v 
    23 \cite{fig:rmm_results}. 
     22vychází metoda  využívající RMM a bayesovského učenís podle výsledků prezentovaných v \cite{1_rmm_bayes_learning} nejlépe,  
     23jak můžeme vidět na obrázku \ref{fig:rmm_results}. 
     24 
     25 
    2426 
    2527\begin{figure}[H] 
     
    3032\end{figure} 
    3133 
     34\newpage 
     35 
    3236\begin{figure}[H] 
    3337\begin{center} 
     
    3741\end{figure} 
    3842 
     43\subsection{Zhodnocení} 
     44V článku \cite{4_rmm_formalization} nenjsou podrobně popsány akce agentů ani 
     45způsob, jak hodnotit jejich užitečnost. 
    3946 
    4047