Compact representation of conditional probability for rule-based mobile context-aware systems
PBN-AR
Instytucja
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Książka
Tytuł książki
Rule Technologies: Foundations, Tools, and Applications. 9th international symposium, RuleML 2015 : Berlin, Germany, August 2–5, 2015 : proceedings
Data publikacji
2015
ISBN
978-3-319-21541-9
Wydawca
Springer International Publishing
Publikacja
Główny język publikacji
EN
Tytuł rozdziału
Compact representation of conditional probability for rule-based mobile context-aware systems
Rok publikacji
2015
Strony (od-do)
83--96
Numer rozdziału
Identyfikator DOI
Liczba arkuszy
1
Hasło encyklopedyczne
Autorzy
(liczba autorów: 2)
Słowa kluczowe
EN
mobile devices
knowledge management
context-awareness
uncertainty
probabilistic rules
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
RuleML
Nazwa konferencji
9th International Symposium on Rule Markup and Modeling Initiative
Początek konferencji
2015-08-02
Koniec konferencji
2015-08-05
Lokalizacja konferencji
Berlin
Kraj konferencji
DE
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
EN
Treść
Context-aware systems gained huge popularity in recent years due to rapid evolution of personal mobile devices. Equipped with variety of sensors, such devices are sources of a lot of valuable information that allows the system to act in an intelligent way. However, the certainty and presence of this information may depend on many factors like measurement accuracy or sensor availability. Such a dynamic nature of information may cause the system not to work properly or not to work at all. To allow for robustness of the context-aware system an uncertainty handling mechanism should be provided with it. Several approaches were developed to solve uncertainty in context knowledge bases, including probabilistic reasoning, fuzzy logic, or certainty factors. In this paper, we present a representation method that combines strengths of rules based on the attributive logic and Bayesian networks. Such a combination allows efficiently encode conditional probability distribution of random variables into a reasoning structure called XTT2. This provides a method for building hybrid context-aware systems that allows for robust inference in uncertain knowledge bases.
Cechy publikacji
chapter-in-a-book
peer-reviewed
Inne
System-identifier
idp:093244
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych