Prognozowanie ruchu robotów i dziedziczenia chorób
Temat prawdopodobieństwa może być dla większości zniechęcającym zagadnieniem. W rzeczywistości jest ono jednak dość powszechnie wykorzystywane w codziennym życiu, gdzie podawane jest szacowane prawdopodobieństwo wystąpienie jakiegoś zdarzenia – weźmy na przykład prognozę pogody i prawdopodobieństwo opadów bądź prawdopodobieństwo otrzymania oferty pracy. Modele probabilistyczne są często wykorzystywane w nauce w rzeczywistych sytuacjach, takich jak kognitywne procesy myślowe, eksploracja danych itp. Przewidują lub szacują one prawdopodobieństwo zajścia zdarzenia (zasadniczo, przyjęcia przez zmienną określonej wartości) na podstawie wcześniejszych danych. Ma to miejsce często w procesie zwanym wnioskowaniem przybliżonym. Zważywszy, że techniki wnioskowania przybliżonego mają istotne znaczenie w wielu rzeczywistych zastosowaniach, stworzenie lepszych technik doprowadzi do skuteczniejszego rozwiązywania takich problemów. Europejscy naukowcy chcący rozwijać modele probabilistyczne i techniki aproksymacji stosowane w robotyce i bioinformatyce (modele danych genetycznych) zainicjowali projekt "Wnioskowanie przybliżone w modelach probabilistycznych" (Infprobmod). Naukowcy pomyślnie opracowali metodę segmentacji szeregów czasowych (danych, które zmieniają się z upływem czasu), takich jak te istotne dla ruchu człowieka. Technika numeryczna powinna mieć znaczenie w tworzeniu podstawowych bibliotek ruchu istotnych w robotyce. Naukowcy rozszerzyli także popularny model genetyczny, uwzględniając relacje matka-ojciec-dziecko, otwierając drzwi do bardziej ogólnej analizy danych genetycznych osób spokrewnionych. Model znajduje zastosowanie szczególnie w zakresie złożonych chorób dziedzicznych. Oba modele zostały starannie wdrożone z przyjaznym dla użytkownika oprogramowaniem wymagającym minimalnej ingerencji ze strony człowieka lub wiedzy na temat modelowania. Wyniki projektu Infprobmod powinny cieszyć się zainteresowaniem wśród naukowców z dziedzin robotyki i modelowania genetycznego, mając silny wpływ na rozszerzenie wielu innych podobnych modeli matematycznych.
