1) Bayesian learning models
贝叶斯学习模型
1.
The first kind of the theories is based on the imperfection information,including Epidemic models and Bayesian learning models.
以信息不完全为出发点的理论研究主要包括传染病模型和贝叶斯学习模型等;以企业动机为出发点的研究主要包括两阶段的计量模型、门槛模型等。
2) Bayes learning
贝叶斯学习
1.
Negotiation strategies based on un-compromising degree is presented on the basis of Bayes learning and in time-limited multi-issues among multi-Agents.
,为了当协商进入僵持状态时参与协商的买卖双方能确定是否进行妥协,从而使协商继续进行下去,本文在限时条件下的多议题协商中和贝叶斯学习的基础上提出了基于不妥协度的协商策略。
3) Bayesian learning
贝叶斯学习
1.
Video retrieval relevance feedback algorithm based on Bayesian learning;
基于贝叶斯学习的视频检索相关反馈算法设计
2.
Bayesian learning and inference algorithm based on Bayesian Networks Toolbox;
基于贝叶斯网络工具箱的贝叶斯学习和推理
3.
Bayesian learning is a probability method that makes optimal decision based on known probability distribution and recently observed data.
贝叶斯学习是一种基于已知的概率分布和观察到的数据进行推理,做出最优决策的概率手段。
4) Bayesian learning
贝叶斯动态博弈学习模型
1.
Bayesian learning model based dynamic game for pricing between power consumers and generators
电力用户从发电商购电定价的双边贝叶斯动态博弈学习模型
5) Bayesian model
贝叶斯模型
1.
Experimental Researches of Sequential Decision-Making under Imperfect Information——Experimental Tests of the Bayesian Model for Herd Behavior;
不完美信息下序贯决策行为的一项实验考察——关于羊群行为的贝叶斯模型实验检验
2.
Different Bayesian models were constructed with known and unknown information in the process variance,and then the prediction model of the quality characteristics was constructed.
为解决统计过程调整问题,建立了统计过程调整问题模型,采用公差设计和参数设计中的非均衡失效成本作为过程调整的评价指标,构建了过程方差参数未知和已知条件下的过程参数估计贝叶斯模型,进而构建了相应的质量特性值的预测模型。
3.
The Bayesian model and the transferable belief model (TBM) are applied separately to solve an underwater target identification problem.
本文将贝叶斯模型和TBM模型这两种数据融合方法分别应用于一个水下目标识别问题,并对应用效果进行了分析比较。
6) Bayes model
贝叶斯模型
1.
The Bayes model was applied to annual water quality assessment of 12 representative stations of 8 main rivers in Sichuan.
提出了改进的地面水水质评价贝叶斯模型(Bayes),将抽样误差正态分布原理用于估计Bayes公式中的似然概率。
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