贝叶斯学习理论
通过概率规则来实现学习和推理过程
贝叶斯学习理论是一种通过概率规则来实现学习和推理过程的方法,使用概率去表示所有形式的不确定性。
理论介绍
贝叶斯学习是利用参数的先验分布和由样本信息求来的后验分布,直接求出总体分布。
贝叶斯学习的结果表示为随机变量的概率分布,它可以理解为我们对不同可能性的信任程度。
据介绍,这种技术在分析故障信号模式时,应用了被称为“贝叶斯学习”的自动学习机制,积累的故障事例越多,检测故障的准确率就越高。根据邮件信号判断垃圾邮件的垃圾邮件过滤器也采用了这种机制。
相关
日本富士通公司2010年2月28日宣布,该公司开发出快速检测信息系统故障的新技术。这种技术能从信息系统发出的信号中检测出有故障预兆的信号,从而抢在故障发生前采取措施,并迅速弄清原因。
富士通公司的研究人员大量收集信息系统在遇到故障时出现的错误信号,然后分析出发生不同故障时这些信号的特有模式。研究人员以此为参考,对正在运行的系统中的故障信号进行检测,由此判断发生同样系统故障的可能性。新技术大大缩短了处理故障的时间。
最新修订时间:2024-12-30 22:50
目录
概述
理论介绍
相关
参考资料