1) Bayesian dynamic forecasting model
贝叶斯动态预测模型
2) dynamic bayes prediction
动态贝叶斯预测
3) Bayesian dynamic forecast
贝叶斯动态预测
1.
Anomaly intrusion detection based on classified sample and Bayesian dynamic forecast;
基于分类样本和贝叶斯动态预测的异常入侵检测
4) Bayesian forecasting model
贝叶斯预测模型
1.
Firstly, the paper proposes Bayesian forecasting model for evaluating the original parameters of the distribution network components.
首先,作为可靠性评估的基础性工作,本文提出了贝叶斯预测模型用于配网元件原始参数的评估,引入由历史资料或设计经验形成的先验信息,并结合样本数据形成被估参数的后验分布;在此基础上进行点估计或区间估计,就可以对未来的变化趋势做出预测。
5) Bayesian Dynamic Model
贝叶斯动态模型
1.
Study on Calibration of SIMS Error Coefficients with Bayesian Dynamic Model;
基于贝叶斯动态模型的惯组误差系数标定方法研究
2.
Research on Bayesian Dynamic Model and Forecasting Algorithm in Data Mining Application;
贝叶斯动态模型及其预测算法在数据挖掘中的应用研究
6) Bayesian dynamic models
贝叶斯动态模型
1.
The Simulation of Bayesian Dynamic Models;
贝叶斯动态模型的模拟处理
补充资料：贝叶斯公式
贝叶斯公式为利用搜集到的信息对原有判断进行修正提供了有效手段。在采样之前，经济主体对各种假设有一个判断（先验概率），设为，{}。
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
，= 1， 2， %26#8230;， (5.5)
在实际经济生活中，信息搜寻工作不是一次就完成的。当信息搜寻进行到某一阶段，设已进行了 次采样( =1，2，%26#8230;)，此时经济主体对各假设的后验概率的认识为
=1， 2， %26#8230;， (5.6)
其中，表示在第次采样前对假设的判断，当 =1时即表示第一次采样前的先验概率，从而式(5.5)变成式(5.6)的一个特例，即，将其记为。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条