Průběžné odhadování parametrů modelu je klíčová část adaptivních systémů předpovídajících či ovlivňujících jejich složité náhodné okolí. Většina modelů neumožňuje žádoucí přesné bayesovské odhadování a proto je nutné je realizovat přibližně. V tomto případě je nezbytné zapomínat neplatnou znalost, neboť jinak chování odhadnutého modelu a modelovaného okolí často vzájemně divergují. Volba datově závislé rychlosti zapomínání je stále otevřený problém i přes desetiletí pokračující výzkum této problematiky. Práce bude zaměřena na pokus o původní řešení opřené o užití: i) nedávno odvozeného principu minimální očekávané relativní entropie a; ii) Bayesova pravidla pro odhad důvěry v alternativní popisy neznámých parametrů.