新论文：“使用不完整模型预测”

Miri 金宝博娱乐Research Associatiate Vanessa Kosoy在归化诱导问题上有一篇论文：“使用不完整模型预测“。抽象的：

We consider the task of forecasting an infinite sequence of future observations based on some number of past observations, where the probability measure generating the observations is “suspected” to satisfy one or more of a set of incomplete models, i.e., convex sets in the space of probability measures.

该设置在某种意义的中间中间的中间，其中概率测量来自一些已知的概率措施（可以使用例如贝叶斯推理来解决）和概率测量完全任意的不完美的设置。

我们展示了一种预测的方法，其保证，每当真正的概率措施在给定的可数集中满足不完全模型时，预测会聚到（适当归一化）Kantorovich-Rubinstein指标中相同的不完整模型。这类似于对贝叶斯推理的意见的合并，除了Kantorovich-Rubinstein度量的收敛性比总变化的收敛性较弱。

Kosoy的工作在逻辑电感器上建立了一个更清洁（纯粹学习的学习）形式主义，用于建模复杂的环境，表明在“逻辑归纳”中开发的方法对于与逻辑无关的经典序列预测中的应用是有用的。

“使用不完整的模型预测”还表明，“不完整”或“部分”模型的直观概念具有与Knightian不确定性相关的优雅和有用的形式化。此外，KOSOY表明，使用不完整的模型概括贝叶斯推断允许代理对可以作为代理本身的环境或更复杂的环境进行预测，或者与古典贝叶斯推断形成对比。

对于更多Kosoy的研究，请参阅“金宝博娱乐最佳多项式估算器“和这一点智能代理基础论坛。