Bayesian Prediction and Adaptive Sampling Algorithms for Mobile Sensor Networks Online Environmental Field Reconstruction in Space and Time /

This brief introduces a class of problems and models for the prediction of the scalar field of interest from noisy observations collected by mobile sensor networks. It also introduces the problem of optimal coordination of robotic sensors to maximize the prediction quality subject to communication a...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριοι συγγραφείς: Xu, Yunfei (Συγγραφέας), Choi, Jongeun (Συγγραφέας), Dass, Sarat (Συγγραφέας), Maiti, Tapabrata (Συγγραφέας)
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:English
Έκδοση: Cham : Springer International Publishing : Imprint: Springer, 2016.
Σειρά:SpringerBriefs in Electrical and Computer Engineering,
Θέματα:
Διαθέσιμο Online:Full Text via HEAL-Link
Πίνακας περιεχομένων:
  • Introduction
  • Preliminaries
  • Learning the Covariance Function
  • Prediction with Known Covariance Function
  • Fully Bayesian Approach
  • Gaussian Process with Built-in Gaussian Markov Random Fields
  • Bayesian Spatial Prediction Using Gaussian Markov Random Fields
  • Conclusion.