1

假设贝叶斯更新器接收有限数量的信号之一。给他信号的设备质量不确定。如果它是高质量的,那么信号总是关于他感兴趣的某个潜在变量的完美信号。如果它是低质量的,那就是噪声。

在看到信号后,他更新了他对潜在变量和证据设备质量的信念,对吗?但我不确定如何建模。

我试过用两种截然不同的答案来看待它。a) 他使用他对设备质量的更新信念来形成关于基础变量的后验,并使用他对基础变量的更新信念来形成关于设备质量的后验。这给出了一个方程组,每个方程组都有唯一的解。b) 他在两个变量上形成一个联合概率分布并对其进行更新。

前者给出了一些奇怪的结果,例如如果他先前对来自高质量和低质量设备的信号分布的信念,他会向上更新他对专家质量的信念,而不管信号如何。

后者似乎是在强加一个不正确的独立假设。

4

1 回答 1

0

我的建议是考虑变量之间的关系。其他一切都由此而来。

不可靠传感器的一个模型是:测量值P(M | V, R) P(V) P(R)在哪里,您要测量的变量是什么,以及传感器的可靠性。这些变量可以是离散的或连续的,只要对手头的问题有意义。MVRP(M | V, R)

这种模型上的操作可能包括计算P(V | M)P(R | M)P(V, R | M)。哪些对您有用取决于您要解决的问题。

我在论文 [1] 的第 6 章中研究了不可靠传感器的模型。再看一遍,似乎第 6.3 节及以后的部分与您最相关。

[1] http://riso.sourceforge.net/docs/dodier-dissertation.pdf

于 2013-11-07T20:03:24.637 回答