Ing. Miroslav Kárný, DrSc. (external collaborator)
| e-mail: | show e-mail |
| telephone: | +420 266 052 274 |
| www: | http://www.utia.cz/AS |
| institution: | ÚTIA AVČR, v.v.i. |
| address: | Pod vodárenskou věží 4, 182 08, Praha 8 |
Pravděpodobnostní Dynamické Rozhodování s Aktivním Průběžným Učením
| advisor: | Ing. Miroslav Kárný, DrSc. |
| e-mail: | show e-mail |
| type: | bachelor thesis, master thesis |
| branch of study: | MI_MM, MI_AMSM, MINF, APIN |
| key words: | adaptivita, rozhodování za neurčitosti, Bayesovské odhadování, řízení |
| link: | http://www.utia.cz/people/karny |
| description: | Pravděpodobnostní dynamické systémy nachází uplatnění v široké škále oborů od techniky přes ekonomii a medicínu až po elektronickou demokracii. Lze jimi modelovat například složitá průmyslová zařízení, dopravní toky, lymfatický systém končetiny, nebo třeba výherní automat známý jako jednoruký bandita. Často se setkáváme s případy, kdy je znám parametrizovaný model daného systému, ale jeho parametry nejsou přesně známy. Základní problém, který je pak nutno řešit, bývá odhadování těchto parametrů z pozorovaných (naměřených) dat - učení. V případě, že daný systém obsahuje také volitelné vstupy, přidává se dále problém nalezení optimálních hodnot vstupů takových, aby řízený systém co nejlépe sledoval předem zvolený cíl. Velmi zajímavá úloha vzniká kombinací dvou předchozích - učení a řízení současně. Zvolené hodnoty vstupních veličin mají pochopitelně vliv na chování systému, ale zároveň ovlivňují kvalitu učení. Vyvstává tak otázka, zda volit strategii řízení, která se vzhledem k právě dostupným znalostem jeví jako optimální, nebo zda dělat "úmyslné chyby", které za cenu krátkodobě horšího řízení přinesou lepší odhad parametrů systému a tím umožní dosáhnout celkově lepších výsledků. Úkoly: 1. Seznamte se se základy dynamického rozhodování za neurčitosti. 2. Porovnejte různé strategie řízení systému s neznámými parametry. 3. Najděte tyto strategie pro jednoduchý systém a implementujte je. 4. Experimentálně porovnejte získané výsledky řízení. |
| references: | Vybrané části z: 1.V. Peterka, Bayesian approach to system identification, in P. Eykhoff ed., Trends and Progress in System Identification, p. 239-304, Pergamon Press, Oxford, 1981. 2. M. Kárný et al, Optimized Bayesian Dynamic Advising: Theory and Algorithms, Springer, London, 2006 3. M. Kárný et al, Dynamic Decsion Making: Fully Probabilistic Design, http://www.utia.cas.cz/AS/education/e-materials/main |
| note: | Náplň tématu bude přizpůsobena zájmům studenta. |
| last update: | 27.09.2017 10:03:30 |
Můžeme upravovat své cíle tak, aby vystihovaly co chceme a můžeme?
| advisor: | Ing. Miroslav Kárný, DrSc. |
| e-mail: | show e-mail |
| type: | bachelor thesis, master thesis |
| branch of study: | MI_MM, MI_AMSM, MINF, APIN |
| key words: | adaptivní systémy, bayesovské učení a rozhodování, učení cílů, pravděpodobnostní návrh strategií |
| link: | http://www.utia.cz/people/karny |
| description: | Plně pravděpodobnostní návrh dynamických rozhodovacích strategií tvoří dobře propracovaný teoretický základ učících se rozhodovacích systémů s širokým rozsahem využitelnosti v technických, přírodních i společenských oborech. Užitečnost tohoto návrhu je, stejně jako u jiných metodologií, silně ovlivněna kvantifikací cílů a omezení návrhů. V tomto případě jsou určeny tzv. cílovou distribucí. Její konstrukce vycházející z realizované historie tvoří jádro zadaného tématu. |
| references: | Vybrané části z 1. M. Kárný, T.V.Guy, Fully probabilistic control design, Systems & Control Letters, 55:4, 259-265, 2006 2. M. Kárný et al, Optimized Bayesian Dynamic Advising: Theory and Algorithms, Springer, London, 2006 3. M. Kárný et al, Dynamic Decision Making: Fully Probabilistic Design, http://www.utia.cas.cz/AS/education/e-materials/main |
| note: | Řešení tohoto problému je možno rozdělit na témata několika bakalářských, diplomových a doktorských prací s proměnným důrazem na teorii, algoritmizaci a programové řešení. |
| last update: | 27.09.2017 10:14:06 |
Support of imperfect decision-making agents
| advisor: | Ing. Miroslav Kárný, DrSc. |
| e-mail: | show e-mail |
| type: | phd thesis |
| branch of study: | MI_MM, MI_AMSM |
| key words: | dynamic decision making; uncertainty; decision support |
| description: | Real (imperfect) decision-making (DM) agents can employ advanced, near-optimal, decision policies only if they can prepare the quantitative inputs into the employed policy design. Essentially, they specify: a) belief model of the environment that may contain other DM agents; b) their DM preferences. The specification is a hard problem on its own. It requires to solve a range of specific sub- and meta- DM-tasks. Thesis will focus on a selected important task of this type. Its proper specification and solution will form the thesis core. The prescriptive DM theory known as fully probabilistic design [1,2], which extends Bayesian DM [3,4], combined [5] with a rich knowledge accumulated by descriptive DM theories [6,7] will form the targeted DM to be supported. |
| references: | The literature will be gradually enriched according to the progress and needs.
[1] M. Kárný: Axiomatisation of Fully Probabilistic Design Revisited, Systems and Control Letters 141, (2020) [2] M. Kárný, J. Böhm, T.V. Guy et al: Optimized Bayesian Dynamic Advising: Theory and Algorithms, Springer, London (2006) [3] M.H. DeGroot: Optimal Statistical Decisions, McGraw-Hill, (1970) [4] J.C. Harsanyi: Games with Incomplete Information Played by Bayesian Players I-III, Management Science, 50(12), Suppl, (2004) [5] T.V. Guy, M. Kárný, D. H. Wolpert: Decision Making: Uncertainty, Imperfection, Deliberation and Scalability, Springer, Cham, Studies in Computational Intelligence 538, (2014) [6] D. Kahneman: Thinking, fast and slow, Penguin, (2011) [7] G. Fowler: How emotional AI is creating personalized customer experiences and making a social impact, Forbes, (2019) last update: 6/12/21 |
| last update: | 06.12.2021 15:31:52 |
V3S Database
The application records results of science and research, and other academic activities. The V3S application serves as a tool for submitting data to the RIV database, exporting data for statistic analyses, and internal evaluation of research.
List of publications in V3S
administrator for this page:
Radek Fučík | last update: 08/07/2011