贝叶斯学习中的线性联合先验  

Linear opinion pool prior for Bayesian learning

作　　者：胡振宇[1,2] 林士敏[3] 

机构地区：[1]清华大学信息科学与技术国家实验室,北京100084 [2]启明星辰核心研究院,北京100193 [3]广西师范大学计算机科学与信息工程学院,广西桂林541004

出　　处：《计算机工程与应用》2012年第1期33-35,共3页Computer Engineering and Applications

基　　金：国家重点基础研究发展规划(973)(No.G2002cb312205);电子信息产业发展基金资助项目(工信部运[2008]97号)

摘　　要：提出了贝叶斯学习中先验分布选取的一个新技术。该技术将若干个可能的先验进行加权平均,形成一个以权重为参数的线性联合先验,并通过选取权重参数得到一个最合适先验的一个近似。证明了线性联合先验的似然与其组合参数的似然的等价性,并提出了用极大似然或矩估计的方法来确定权重参数的值,从而得到一个最合适的线性联合先验。提出的线性联合先验及确定方法,使得可以利用样本数据对已知先验进行校正,导出未被发现的更合理的先验,从而使贝叶斯学习更为有效。This paper brings forward a new technique for prior choosing in Bayesian learning, in which several priors are averaged in weight to form the Linear Opinion Pool（LOP）, and then compound parameters are chosen to get an approximation of suitable prior. This paper also proves the equivalency between the likelihood of LOP prior and the likelihood of the compound parameters, and offers a method of MLE or moment to determine the compound parameters, therefore a suitable LOP prior is determined. In this way one can use sample data to correct known prior, derive undiscovered and reasonable prior, therefore can make Bayesian learning more effective.

关 键 词：贝叶斯学习 先验分布 线性联合先验 极大似然估计 矩估计 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]