无回忆学习：对数线性学习的一个例证

我们分析了网络中学习与信念形成的一个模型，其中智能体遵循贝叶斯规则，却不回忆其过去观察的历史，且无法推理其他智能体信念是如何形成的。他们通过对自己的观察做出理性推断来做到这一点，这些观察包括一系列独立同分布的私有信号以及每个时刻其相邻智能体的信念。完全理性的智能体会将贝叶斯规则连续应用于整个观察历史。由于缺乏关于导致这些观察的全局网络结构知识，这导致了令人忧惧的复杂推断。为应对这些复杂性，我们考虑了一种无回忆学习模型，它除了为分析社交网络中理性智能体的行为提供易处理的框架外，还能为文献中各种非贝叶斯更新规则提供行为基础。我们给出了此类智能体的时变先验的不同选择的含义，以及该选择如何影响学习及其速率。