从正确中学习与会从错误中学习
计算机科学中的逻辑
2021-12-30 v1
摘要
更新（或条件化或修正）概率分布的概念在（机器）学习与预测编码理论中具基础性。这样做的两种主要方法称为 Pearl 规则与 Jeffrey 规则。此处我们首次从数学上精确刻画二者区别：Pearl 规则提升有效性（期望值），Jeffrey 规则降低（Kullback-Leibler）散度。这构成了更一般的从正确中学习与从错误中学习之区别的一个实例。这两种方法的差异在一个模拟认知场景中得以阐明。
引用
@article{arxiv.2112.14045,
title = {Learning from What's Right and Learning from What's Wrong},
author = {Bart Jacobs},
journal= {arXiv preprint arXiv:2112.14045},
year = {2021}
}
备注
In Proceedings MFPS 2021, arXiv:2112.13746