1) Bayesian Inference Network
贝叶斯推理网
2) Bayesian net inference
贝叶斯网络推理
1.
Object to the multi sensors character in warship battle damage assessment,a Bayesian net inference arithmetic is up forward considering observation operation.
针对舰船战场损伤评估的多元信息特点,建立了在观测操作条件下的舰船战场损伤评估的贝叶斯网络推理算法。
3) Bayesian inference
贝叶斯推理
1.
Parameters identification for water environmental system based on Bayesian inference;
基于贝叶斯推理的水环境系统参数识别
2.
Video Semantic Annotated Automatically Based on Bayesian Inference;
基于贝叶斯推理的视频语义自动标注
3.
To overcome the parameter inversion s difficulty from the measurement uncertainty,mathematical model based on Bayesian inference was set up to estimate the coefficients in 2D convection-diffusion equation with source.
为了克服观测数据的不确定性给参数反演带来的困难,利用贝叶斯推理建立了二维含源对流扩散方程参数估计的数学模型。
4) Bayesian reasoning
贝叶斯推理
1.
The effect of informational external representation on Bayesian reasoning was studied from the perspective of distributed cognition.
基于分布式认知观点,考察信息的外部表征方式对人们解决贝叶斯推理问题的影响。
2.
The results indicated that(1) Compared to classical mammography problems,the ability of Bayesian reasoning had an apparent improvement from the sixth grade in elementary school to the sophomore year at college,which was reflected by the more accuracy results.
采用生活情境测查任务和经典测查任务探讨了任务情境对青少年贝叶斯推理的影响,以及生活情境测查任务中不同证据信息对青少年贝叶斯判断的影响作用。
3.
Based on literature review, the essay analyzed and explored the influencing factors of Bayesian reasoning from the perspectives of information content, information format and information presentation.
采用文献综述的方法,从问题内容、信息格式,信息呈现方式等方面对贝叶斯推理的影响因素进行了分析和探讨。
6) Bayesian network approximate reasoning
贝叶斯网络近似推理
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