1) Bayesian learning
贝叶斯动态博弈学习模型
1.
Bayesian learning model based dynamic game for pricing between power consumers and generators
电力用户从发电商购电定价的双边贝叶斯动态博弈学习模型
2) dynamic bayesian game
动态贝叶斯博弈
1.
Attack prediction model based on dynamic bayesian games;
基于动态贝叶斯博弈的攻击预测模型
2.
This paper describes attack prediction model based on static bayesian game (SBGAPM) and dynamic bayesian games (DBGAPM).
本文提出了基于静态贝叶斯博弈的攻击预测模型(SBGAPM)和基于动态贝叶斯博弈的攻击预测模型(DBGAPM)。
4) Static Fuzzy Bayesian Game
静态模糊贝叶斯博弈
5) static bayesian games
静态叶贝斯博弈
6) static Bayesian game
静态贝叶斯博弈
1.
Attack prediction model based on static Bayesian game;
基于静态贝叶斯博弈的攻击预测模型
2.
This paper describes attack prediction model based on static bayesian game (SBGAPM) and dynamic bayesian games (DBGAPM).
本文提出了基于静态贝叶斯博弈的攻击预测模型(SBGAPM)和基于动态贝叶斯博弈的攻击预测模型(DBGAPM)。
3.
This paper extends the newsboy problem in asymmetric information,and investigates the process of setting a price between two sides in supply chain applying static Bayesian game.
在非对称信息下,对报童问题进行了一定的拓展,并应用静态贝叶斯博弈的方法刻画了供应链中双方的价格制定过程;给出交易双方的线性策略空间,并从供应链利润最大化的角度,运用回购契约,实现供应链的协调。
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