自动设计贝叶斯算法

文章预览

考虑一下孩子如何学习骑自 行⻋。 孩子们并不是先学习自 行⻋动力学然后才开始骑⻋。 相反, 他们会爬上去, 掉下来, 然后重试, 直到做对为止。 从这个意义上说, 孩子们是小科学家, 通过定向行动(实验) 来测试实际假设, 并从结果中学习。 最终, 他们将内化一个实用的自 行⻋动力学模型, 这是任何以前的文献都没有提供过的。 对实用模型的探索定义了一个(巧妙选择的) 试错的交互过程。 在文献中, 这个过程被称为   Box  循环   [11,   12], ⻅图   1.2。 关于环境的信念(例如自 行⻋动力学) 可以用概率模型来表示[13,14]。 更准确地说, 概率生成模型(通过概率分布) 指定环境如何生成?察结果[15]。 然后可以通过应用概率论规则从?察到的结果推断出模型中感兴趣的数量。 这些量可能包括控制序列(例如, 向左或向右转向) 或模型参数(例如, 自行⻋的重量) ………………………………