Байесовский подход

Cтраница 1

Байесовский подход к решению сформулированной задачи заключается в следующем. [1]

Байесовский подход, собственно как и остальные подходы предусматривают сотрудничество с опытными экспертами. Концепция субъективных вероятностей лежит в основе большинства современных коммерческих экспертных систем. [2]

Согласно байесовскому подходу индивидуум следует отнести к популяции Пь если имеет место (4.7), и к популяции П2 - в противном случае. [3]

Применение байесовского подхода предполагает трактовку искомого параметра и как случайной величины. [4]

При использовании Байесовского подхода можно было бы предположить, что отобранные гипотезы об искомых микроорганизмах имеют равные априорные вероятности, и, следовательно, равномерно распределить между этими гипотезами веса свидетельств. Но это может привести к тому, что система не будет способна отличить случаи, когда имеются равные свидетельства в пользу каждой гипотезы, от случаев, когда такие свидетельства отсутствуют вовсе. Функция присвоения базовых вероятностей в теории Демпстера-Шефера не делает различия между априорными и апостериорными вероятностями, а потому и не приводит к такому распределению вероятностей. [5]

Сильной стороной байесовского подхода является то, что с теоретических позиций метод позволяет учесть оценки режима, полученные на предыдущих шагах, и тем самым улучшить стратегию-на будущее. Однако в практических условиях матрица параметров газопровода неизвестна, а получение информации о ее свойствах представляет сложную задачу. [6]

Структурная схема идентификации нелинейного объекта. [7]

В рамках байесовского подхода к идентификации систем рассматриваются задачи оценивания параметров и предсказания выхода и состояния, оценивания в замкнутом контуре, устойчивого оценивания, оценивания и предсказания в реальном времени, одноразового оценивания классификации систем. [8]

Основная идея байесовского подхода состоит в использовании при оценке параметра 0 ( 0 может быть векторной величиной) наряду с информацией, получаемой из выборки X, дополнительной априорной информации об оцениваемом параметре. [9]

Замечательным свойством байесовского подхода является возможность получения на основе апостериорного распределения не только точечных оценок параметров, но и доверительных интервалов для оцениваемых параметров. [10]

Можно показать что байесовский подход эквивалентен статистическому подходу при нахождении вероятностей. Этот подшд часто используется на практике в теории принятия решений и других прикладных разделах математической статистики. [11]

Можно показать что байесовский подход эквивалентен статистическому подходу при нахождении вероятностей. Этот подход часто используется на практике в теории принятия решений и других прикладных разделах математической статистики. [12]

Хотя из-за сложности байесовского подхода детальное рассмотрение его здесь неуместно, пример типичного применения его приведен в конце этой главы. [13]

Последовательное изложение различных аспектов байесовского подхода к проблемам принятия решений занимает центральное место в книге Морриса. Говоря об управлении как научной дисциплине, целью которой является оптимизация процесса обучения управлению, автор занимает достаточно осторожную позицию относительно возможностей науки об управлении в такой трактовке. [14]

Предлагаемая читателю монография посвящена байесовскому подходу к статистическим задачам. Преимущества такого подхода общеизвестны. Одно из них состоит в том, что поскольку в этом случае риск всякой решающей процедуры оказывается числом, а не функцией от неизвестного параметра, то, как правило, существует оптимальная ( или, в исключительных случаях, е-оптималь-ная) процедура. Для сравнения стоит указать, что при отказе от байесовского подхода ( или, как иногда говорят, при ортодоксальном подходе) приходится налагать на класс рассматриваемых процедур те или иные ограничения, для того чтобы в этом классе всегда существовала оптимальная процедура. Это объединение реализуется в виде пересчета априорного распределения параметра в апостериорное. [15]

Страницы: 1 2 3 4