Adaptive Team Decision-Making by Performance Estimation of the Decision-Makers
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: English
View: 949
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIORS01_021
تاریخ نمایه سازی: 16 فروردین 1391
Abstract:
In a decision-making network, each decision-maker decides upon the underlying hypothesis testing problem based on its observation and then transmits this decision to the fusion center, where the final decision is made. The objective of that decision is to minimize the final error probability under the assumption that the local observations are conditionally independent. To implement an optimal fusion center, the performance of each decision-maker (i.e. its error probabilities) as well as the a priori probabilities of the hypotheses must be known. However, these statistics are usually unknown or may vary with time. In this paper, we develop a recursive algorithm that approximates these values on-line and adapts the fusion center. This approach is based on the time-averaging of local decisions and using them to estimate the error probabilities and a priori probabilities of the hypotheses. Our method is efficient and its asymptotic convergence is guaranteed. Simulation results are presented to demonstrate the efficiency and convergence properties of our algorithm
Keywords:
Authors
Ghasem Mirjalily
Assistant Professor Yazd University, Yazd, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :