Bayesian Prediction and Adaptive Sampling Algorithms for Mobile Sensor Networks

Questo documento introduce una classe di problemi e modelli per la previsione del campo scalare di interesse a partire da osservazioni rumorose raccolte da reti di sensori mobili. Affronta anche il problema del coordinamento ottimale dei sensori robotici per massimizzare la qualità della previsione, tenendo conto dei vincoli di comunicazione e mobilità, sia in modo centralizzato che distribuito. Per risolvere questi problemi, vengono adottati approcci completamente bayesiani, che consentono di integrare varie fonti di incertezza in un quadro inferenziale che cattura efficacemente tutti gli aspetti della variabilità coinvolta. L'approccio completamente bayesiano consente inoltre la selezione automatica dei valori più appropriati per i parametri aggiuntivi del modello basati sui dati, raggiungendo un'inferenza e una previsione ottimali per il campo scalare sottostante. In particolare, viene formulata la regressione dei processi gaussiani spaziotemporali per i sensori robotici.