Emacs Artificial General Intelligence Algorithmic Game Theory: Prediction Markets (po polsku) Systemy Inteligentnych Agentów
|
Agents.DecisionAndControl HistoryHide minor edits - Show changes to output June 17, 2007, at 01:36 PM
by - Pfeffer
Added lines 31-32:
[[http://www.eecs.harvard.edu/~avi/Research/nids.html | Modeling agents' beliefs and decision making processes in games]], Avi Pfeffer Changed lines 23-24 from:
[[http://www.egwald.com/optimalcontrol/index.php | Applications of Optimal Control Theory Using the Pontryagin Maximum Principle]] (sterowanie z czasem ciągłym) to:
Możesz też rzucić okiem na: [[http://www.egwald.com/optimalcontrol/index.php | Applications of Optimal Control Theory Using the Pontryagin Maximum Principle]] (sterowanie z czasem ciągłym) Changed lines 5-6 from:
Funkcja ryzyka {$R(\theta, d) = E_\theta L(\theta, d(X)) = \int_ to:
Funkcja ryzyka {$R(\theta, d) = E_\theta L(\theta, d(X)) = \int_X L(\theta, d(x)) dP_\theta$} Changed line 10 from:
Ryzyko bayesowskie: {$r(\tau, d) = E_\tau R(\theta, d) = \int_\Theta R(\theta, d) d\tau(\theta). to:
Ryzyko bayesowskie: {$r(\tau, d) = E_\tau R(\theta, d) = \int_\Theta R(\theta, d) d\tau(\theta)$}. Changed lines 5-6 from:
Funkcja ryzyka {$R(\theta, d) = E_\theta L(\theta, d(X)) = \ to:
Funkcja ryzyka {$R(\theta, d) = E_\theta L(\theta, d(X)) = \int_\Chi L(\theta, d(x)) dP_\theta$} Changed line 10 from:
Ryzyko bayesowskie: {$r(\tau, d) = E_\tau R(\theta, d) = \ to:
Ryzyko bayesowskie: {$r(\tau, d) = E_\tau R(\theta, d) = \int_\Theta R(\theta, d) d\tau(\theta). April 27, 2007, at 09:37 AM
by - teoria decyzji
Added lines 3-18:
Eksperyment {$X=x$}, decyzja {$a=d(x)$}, prawdziwy stan natury {$\theta$}, strata {$L(\theta, a) = L(\theta, d(X))$}. Funkcja ryzyka {$R(\theta, d) = E_\theta L(\theta, d(X)) = \integral_\Chi L(\theta, d(x)) dP_\theta$} !!! Bayesowskie funkcje decyzyjne Zasada Bayesa: {$\theta$} jest zmienną losową o zadanym rozkładzie \tau = rozkład a priori. Ryzyko bayesowskie: {$r(\tau, d) = E_\tau R(\theta, d) = \integral_\Theta R(\theta, d) d\tau(\theta). {$d_0$} jest funkcją bayesowską ze względu na {$\tau$} gdy {$r(\tau, d_0) = {inf}_{d \in D} r(\tau, d)$}. !!! Minimaksowe funkcje decyzyjne {$d_0$} jest minimaksową funkcją decyzyjną gdy {${sup}_{\theta \in \Theta} R(\theta, d_0) = {inf}_{d \in D} {sup}_{\theta \in \Theta} R(\theta, d)$}. Najostrożniejsza strategia: traktuje naturę jako inteligentnego gracza o antagonistycznym nastawieniu. April 26, 2007, at 05:27 PM
by - Markow
Added lines 1-2:
!! Teoria decyzji (statystyka) Changed lines 9-10 from:
!! to:
!! Łańcuchy Markowa April 19, 2007, at 06:29 AM
by - sterowanie
Added lines 1-10:
!! Optymalne sterowanie [[http://www.business.auckland.ac.nz/Departments/econ/workingpapers/full/Text230.pdf | A Simple Introduction to Dynamic Programming in Macroeconomic Models (Ian King)]] (sterowanie z czasem dyskretnym) [[http://www.egwald.com/optimalcontrol/index.php | Applications of Optimal Control Theory Using the Pontryagin Maximum Principle]] (sterowanie z czasem ciągłym) !! Teoria decyzji (statystyka) !! Teoria gier |