Tento výzkumný úkol popisuje a porovnává dvě metody pro přenos znalosti založené na bayesovském přístupu. Kromě přenosu znalosti se oba algoritmy snaží zamezit negativnímu přenosu tj. zhoršení odhadu. Plně pravděpodobnostní bayesovský přenos znalosti používá relaxaci proměnné, aby nedocházelo k přenosu informace, která by vedla ke zhoršení odhadu. Hierarchická bayesovká fůze měřění porovnává informace ze všech senzorů pomocí Mahalanobisovy vzdálenosti a penalizuje vzdálenější (méně přesné) informace. Na závěr jsou uvedeny výsledky experimentů pro obě metody.
