语义贝叶斯推理.ppt

语义信息论11：检验的语义信道优化 检验的语义信道优化 根据公式 可得 对于阳性，反例的真值： 对于阴性，反例的真值： 可以验证，用Shannon信道和用优化的语义信道做贝叶斯推理， 结果是一样的。即 * 语义信息论12：检验的可信度和似然比 h1的反例e0的真值优化后是 可谓h1的不信度，或证伪度，在0和1之间， 记为b1’。这个真值越小检验就越可信。T(A0|e1)同理。巧妙的是， 这个结论正好和医学检验似然比兼容： 阳性似然比 阴性似然比 不信度越小越好等价于似然比越大越好。不信度在0和1之间，便于理解。 定义可信度b1=1-b1’, 它就可以作为阳性或任一全称假设的可信度， 表明要确证一个假设， 较少的反例比较多的正例更重要————这样，归纳可以和证伪兼容。 * 语义信息论14：从信息率失真论到保精度信息率论1 Shannon定义了R(D)函数，D是平均失真d(E,H)上限， R是给定D时的最小互信息（为了经济性）。 比如对于估计 , 用估计误差的平方定义失真，于是有 R R(D)函数的一般