Τα συμβολικά συστήματα αναγνώρισης γεγονότων έχουν χρησιμοποιηθεί επιτυχώς σε μία ποικιλία εφαρμογών. Τα συστήματα αυτά εξάγουν χρήσιμη πληροφορία υπό την μορφή γεγονότων, που δίνουν τη δυνατότητα σε ειδικούς, ή σε άλλα συστήματα, να παρακολουθούν και να ανταποκρίνονται στην παρουσία γεγονότων σημαντικού ενδιαφέροντος. Ωστόσο είναι πολύ συχνό σε μία τυπική εφαρμογή αναγνώρισης γεγονότων να παρουσιάζεται σημαντική αβεβαιότητα. Σε αυτή την διατριβή, εστιάζουμε στα προβλήματα που προκύπτουν από την παρουσία της αβεβαιότητας στην αναγνώριση γεγονότων. Επεκτείνουμε ένα φορμαλισμό λογικής άλγεβρας γεγονότων με πιθανοτικό συμπερασμό. Η χρονικές σχέσεις του λογικού φορμαλισμού εισάγουν ένα πλήθος δυσκολιών στα πιθανοτικά μοντέλα και παρουσιάζουμε τον τρόπο και τις προϋποθέσεις με τις οποίες μπορούμε να ξεπεράσουμε αυτές τις δυσκολίες. Παράλληλα, μελετάμε τον τρόπο με τον οποίο η πιθανοτική μοντελοποίηση επηρεάζει την συμπεριφορά του φορμαλισμού. Επιπλέον, παρουσιάζουμε τις δυνατότητες και τα προτερήματα των πιθανοτικών μεθόδων που αναπτύξαμε με εκτενή πειραματισμό και ανάλυση στον τομέα της αναγνώρισης συμπεριφορών από βίντεο.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.