Unifying parameter learning and modelling complex systems with epistemic uncertainty using probability interval

مدل سازی سیستم های دینامیکی پیچیده از قطعات ناهمگونی دانش متفاوت با دقت و قابلیت اطمینان یک کار چالش برانگیز است. ما ترکیبی از شبکه های بیسیم پویا و احتمالات نامشخص را برای حل آن پیشنهاد می کنیم. برای محدود کردن بار محاسباتی و ایجاد تفسیر ساده تر، ما پیشنهاد می کنیم که تکه های دانش (عددی) را به عنوان فواصل احتمالی کدگذاری کنیم، که در مدل دیریکله نامشخص برای به روز رسانی دانش ما استفاده می شود. ایده این است که مدل را به اندازه کافی انعطاف پذیر بدست آورید تا بتوانید به راحتی با عدم اطمینان های مختلف (به عنوان مثال، تصادفی و معرفتی) مقابله کنید، قطعات جدیدی از دانش را به عنوان آنها وارد کنید و از پیچیدگی محاسباتی محدود استفاده کنید.