Fúze heterogenních modelů v sítích spolupracujících agentů

Abstract

Tato práce se zabývá možnostmi zlepšení lokálních predikcí v agentních sítích pomocí sdílení informací se sousedními uzly. Agenti používají různé modely, v důsledku čehož je omezen typ informací, které si mohou vyměnit se sousedy. Je navrženo několik variant ke zlepšení predikce, některé z nich umožňují zahrnutí jistoty predikce. Varianty jsou následně implementovány a porovnány na simulovaných i reálných datech.

This thesis looks into the ways of enhancing the local predictions in agent networks using the information shared by their neighbouring nodes. Agents locally employ different models, thus the diversity of information to share is limited. Multiple variants of improving the predictions are proposed, some of them taking the prediction certainty into consideration. These are then implemented and compared on both simulated and real-world data.