Байесовский метод

Cтраница 2

Прежде, чем приступить к построению инвариантных асимптотических байесовских алгоритмов, рассмотрим синтез алгоритмов проверки гипотез (2.216) при совместном применении принципа инвариантности и классического байесовского метода. [16]

Эта книга имеет двоякую цель: во-первых, дать читателю достаточно полное представление о науке управления как о самостоятельной научной дисциплине и области профессиональной деятельности и, во-вторых, исследовать возможности применения байесовских методов как некоторой общей структуры, вскрывающей принципиальное единство ряда идей в науке управления. В основе книги лежит предположение, что для внесения научных методов в управление необходимы анализ и эксперимент, дедукция и индуктивный вывод, моделирование существующих и проектирование новых систем. Наука управления опирается не только на математику, но и на достижения наук о поведении. Для ее развития необходимы как теоретические лабораторные исследования, так и тщательный анализ сложных проблем, возникающих в практике административной и организационной деятельности. [17]

При ограниченных объемах выборки и параметрической априорной неопределенности хороший эффект дают подходы, основанные на принципах несмещенности и инвариантности, на их совместном использовании, а также на совместном использовании принципа инвариантности и байесовского метода, описанные в гл. В некоторых случаях желаемыми свойствами могут обладать аппроксимирующие распределения, что позволяет синтезировать приближенно оптимальные алгоритмы. Синтезированные с использованием этих подходов алгоритмы обеспечивают стабильные характеристики, в отсутствие полезного сигнала ( вероятность ложной тревоги), и оптимальные характеристики, при его наличии ( максимизируется вероятность правильного обнаружения сигнала, стабилизируется вероятность перепутывания сигналов), при любых изменениях параметров, описывающих сигнально-помеховую обстановку. [18]

Не имея возможности привести полную процедуру реализации кинетических исследований отметим, что дальнейшие шаги заключаются в создании алгоритмов и программ построения стартовых планов эксперимента с вычислением оценок параметров на основе метода наименьших квадратов, максимального правдоподобия, байесовского метода и минимаксных методов; в создании алгоритмов и программ установления идентифицируемости параметров, в создании программного обеспечения оценки адекватности с разработкой методологии для многооткликовых моделей с использованием статистик Бартлетта и Хачао; программного обеспечения процедуры дискриминации механизмов. [19]

Правила распознавания случайных объектов могут быть основаны на теории статистических решений, имеющей хорошо разработанный математический аппарат. В задачах распознавания часто применяется байесовский метод, основанный на известной теореме Байеса из теории вероятностей. Рассмотрим его на некоторых условных примерах, показывающих принципы построения решающих правил. [20]

Фрагмент структуры И-ИЛИ-графа для системы с ненадежными знаниями. [21]

Рассмотрим один из таких подходов, субъективный байесовский метод. [22]

Фрагмент структуры И-ИЛИ-графа для системы с ненадежными знаниями. [23]

Рассмотрим один из таких подходов, субъективный байесовский метод. [24]

Параллельно и, возможно, даже быстрее развиваются модели Байесовской статистики. Чисто практический барьер, препятствовавший использованию Байесовских методов, был преодолен с появлением компьютерных средств обработки информации. Внедрение методов Монте-Карло ( типа Гиббсоновской схемы отбора образцов) позволило избавиться от необходимости цифровой обработки данных для вычисления последующих распределений, что стало самым выдающимся элементом Байесовских методов. [25]

При больших объемах выборки и симметрии распределения вероятностей наблюдаемой выборки относительно подходящей группы преобразований хороший эффект дает предложенный в гл. L-подхода и применения принципа инвариантности совместно с байесовским методом. Синтезированные по этому методу АОИ-алгоритмы имеют высокую эффективность и стабильные показатели качества при неопределенных параметрах сигналов и помех. Благодаря разработанному методу существенно расширяется область применения весьма эффективного принципа инвариантности при решении различных радиотехнических задач. [26]

Среди методов неточных рассуждений с ненадежными данными одним из первых разработан метод с использованием коэффициентов уверенности ( КУ), не имеющий теоретического обоснования, но ставший эффективным средством обработки ненадежных знаний. В настоящее время разработан метод нечетких выводов, названный субъективным байесовским методом. [27]

Вейбулла, биноминальный и экспоненциальный законы, совместно с аналитическими изложены графические методы определения надежности. Кроме того приводится разработанный авторами теоретический материал и обсуждение проблем практического использования нового байесовского метода применительно к испытаниям изделий и деталей, иллюстрируются возможности применения особенностей априорной информации. [28]

В качестве модели долговечности деталей и машин рассматриваются распределения Вейбулла, биноминальный и экспоненциальный законы, совместно с аналитическими изложены графические методы определения надежности. Кроме того, приводится разработанный авторами теоретический материал и обсуждение проблем практического использования нового байесовского метода применительно к испытаниям изделий и деталей, иллюстрируются возможности применения особенностей априорной информации. [29]

Здесь в качестве модели долговечности деталей и машин рассматриваются распределения Вейбулла, биноминальный и экспоненциальный законы, совместно с аналитическими изложены графические методы определения надежности. Кроме того, приводится разработанный авторами теоретический материал и обсуждение проблем практического использования нового байесовского метода применительно к испытаниям изделий и деталей, иллюстрируются возможности применения особенностей априорной информации. [30]

Страницы: 1 2 3