Om modeller för observation och följning av markmål baserade på Dolda Markovprocesser och Bayesianska nät

Dolda Markovprocesser och Bayesianska nät är teoriområden inom sannolikhetsteorin som fått allt fler praktiska tillämpningsområden det senaste decenniet. I denna rapport ges en allmän beskrivning av hur observation och följning av markmål kan modelleras med hjälp av Dolda Markovprocesser och Bayesianska nät. En viktig egenskap hos Bayesianska nät är att ny information snabbt kan omhändertas och spridas inom nätet. I rapporten presenteras också några konvergensresultat för icke tidshomogena Dolda Markovprocesser, resultat som leder till följande enkla konsensusprincip: "Om två personer betraktar en process via ett observationssystem och personerna är överens om observationssannolikheterna för varje tänkbart tillstånd hos den process som betraktas, kommer deras situationsuppfattning att allt mer överensstämma ju fler observationer som erhålles, oberoende av hur olika situationsuppfattning de hade från början."