Оптимистичный подход, подходы на основе критерия Гурвица, критерия Байеса — Лапласа и критерия Сэвиджа имеют в данном случае следующий вид [c.218]
Байеса (Лапласа) критерий 27, 224 Байесовский подход 27 Баланс 27 Балансирующая (или равновесная) [c.459]
Следующий метод выбора лучшей стратегии называется методом недостаточного основания (критерий Лапласа-Байеса). [c.110]
Среди этих критериев и правил особое место занимают правила и критерии, основанные на известной теореме Байеса. Подход, основанный на этой теореме, позволяет, во-первых, использовать некоторые методологические принципы естественных наук в управлении, а во-вторых, обеспечить корректировку суждений и принятия решений по мере накопления опыта. Последнее означает обучение управлению (в смысле принятия решений) в процессе самого управления 1. [c.6]
Исходная информация представляется в виде табл. 6.1. Существующие методы выбора базируются в основном на использовании вероятностных мер в качестве критериев выбора. В теории статистических решений обычно используются принцип Байеса, принцип Бернулли и принцип энтропии математического ожидания функции полезности. [c.110]
Принцип Байеса. В качестве критерия выбора стратегии (альтернативы) А применяются взвешенные по вероятности суммы полезностей, т. е. [c.110]
Иногда в ходе операции неопределенность раскрывается постепенно, по мере поступления информации. В этом случае для обоснования решений удобно использовать такой объективный критерий, как апостериорная вероятность события. Саму эту вероятность проще всего вычислять с использованием формулы Байеса в терминах шансов. Рассмотрим суть этого подхода. [c.225]
Критерий Байеса применяется в тех случаях, когда известно распределение вероятностей возможных состояний. Если это дискретное распределение вероятностей задано набором вероятностей [pi,. . . , р ,. . . , рп], то по критерию Байеса стратегия Si предпочтительнее Sj (s > если [c.36]
Частными случаями этого критерия являются критерий Байеса (при А = 1) и критерий Вальда (при А = 0). [c.36]
Критерий Байеса-Лапласа в отличие от критерия Вальда учитывает каждое из возможных следствий всех вариантов решений [c.23]
Критерий Байеса-Лапласа предъявляет к ситуации, в которой принимается решение, следующие требования [c.23]
При z = 1 критерий преобразуется в критерий Байеса-Лапласа, а при z = О превращается в критерий Вальда. Таким образом, выбор параметра z подвержен влиянию субъективизма. Кроме того, без внимания остается и число реализаций. Поэтому этот критерий редко применяется при принятии технических решений. [c.24]
Мы рассмотрели несколько основных подходов к принятию решения в случае неопределенных факторов в изучаемой модели. Можно привести примеры, когда все критерии принятия решения приводят к выбору одного и того же решения x e X, обычно же этого не происходит, каждый критерий приводит к своему решению (пример такого рода рассмотрен в следующей главе). Поэтому возникают дискуссии о том, какой критерий и когда предпочтительнее,. делаются попытки построить на основе нескольких критериев единственный. В частности, критерий Гурвица является таким объединением двух критериев. Предпринимались также попытки объединить критерий Гурвпца и критерий Байеса — Лапласа. Все получаемые критерии имеют высокую степень произвольности. По нашему мнению, единственным путем преодоления этих трудностей является многокритериальный подход, в котором ЛПР смогло бы рассмотреть варианты принимаемого решения, эффективные с точки зрения совокупности показателей, и выбрать среди них наиболее подходящий. Такой подход использован в примере, приведенном в следующей главе. Конечно, совокупность показателей при этом должна, быть не слишком велика. [c.159]
Методы построения решения без участия ЛПР предлагается использовать в тех случаях, когда указывается направление улучшения значения критерия. При этом применяются методы типа максим инного или оптимистичного подхода, критериев Гурвица, Байеса — Лапласа и Сэвиджа, которые были подробно описаны и проиллюстрированы ранее. Напомним, что каждый из них обычно приводит к своему решению, так что об объективности выбора говорить навряд ли можно. [c.319]
Обычно опробуется несколько конфигураций с различным числом элементов и структурой соединений. Одними из наиболее важных показателей являются объем обучающего множества и обеспечение способности к обобщению при дальнейшей работе, и нужного результата можно достичь на различных схемах. Чаще всего используются процедуры последовательного спуска (с подтверждающим множеством) или N-кратного перекрестного подтверждения. Могут быть применены и более мощные информационные критерии (1 ) обобщенное перекрестное подтверждение (G V), итоговая ошибка предсказания Акаике (FPE), критерии Байеса (BI ) и Акаике (AI ) (см. [103]). Для того чтобы улучшить способности к обобщению и устранить опасность переобучения, применяются также уменьшение весов и их исключение (прореживание дерева). При этом изменяется архитектура сети удаляются некоторые связи и изучается, какое влияние они оказывали на эффективность. >, [c.51]
БАЙЕСА (ЛАПЛАСА) КРИТЕРИЙ [Bayes riterion] — в теории решений критерий принятия решений в условиях отсутствия какой-либо информации об относительных вероятностях стратегий "природы". (См. Неопределенные задачи.) По Б.(Л.)к. предлагается придать равные вероятности всем рассматриваемым стратегиям, после чего принять ту из них, при которой ожидаемый выигрыш окажется наибольшим. Имеет тот недостаток, что круг оцениваемых альтернатив в одной и той же задаче может быть различным и соответственно различной может быть также относительная вероятность каждой из них. [c.27]
Критерий Ходжеса — Лемана. При реализации этого критерия используются два субъективных показателя во-первых, распределение вероятностей, используемое в критерии Байеса, во-вторых, "параметр оптимизма" из критерия Гурвица [c.36]
Критерий Ходжа-Лемана базируется одновременно на критериях Вальда и Байеса-Лапласа [c.24]