在预测框架和决策状态下的Epsilon机器重建
摘要：用於從數據中重建ε-機器的新算法，以及決策狀態的介紹。決策狀態被定義為系統的內部狀態，它們基於用戶提供的效用或回報函數，導致相同的決策。效用函數編碼了系統外部的一些先驗知識，它量化了犯錯的嚴重程度。系統的內在底層結構由ε-機器及其因果狀態模擬。決策狀態形成了較低層次因果狀態的一個划分，該划分是根據更高層次用戶的知識定義的。從複雜系統的角度來看，決策狀態因此是對應於效用函數的“出現”模式。這些決策狀態之間的轉換對應於導致決策變化的事件。新的REMAPF算法從數據中估計出ε-機器和決策狀態。文中給出了隱藏模型重建、細胞自動機過濾和圖像邊緣檢測的應用示例。
作者：Nicolas Brodu
论文ID：0902.0600
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-06-07