Se introduce, basándonos en el aprendizaje de identificación, un proceso de aprendizaje discriminado en tiempo continuo a partir del modelo discreto propuesto por Restle (1955), ampliado por Bourne y Restle (1959) y generalizado por Domínguez (1980), aplicándolo al aprendizaje "pareja-asociada" al considerar sólo dos tipos de respuestas. La contrucción teórica del modelo se basa en la teoría general de los procesos estocásticos de aprendizaje en tiempo continuo (Domínguez, 1979). La introducción...
Se analizan las condiciones bajo las cuales un modelo de aprendizaje no lineal (modelo beta) con dos operadores y reforzamiento no contingente simple es una sub(super)martingala en el supuesto de que todas las respuestas sean reforzadas, generalizándose al caso de ausencia de reforzamiento.
Las condiciones establecidas, que nos conducen a 23 casos posibles, permiten analizar exhaustivamente el comportamiento asintótico del modelo y compararlo con la clasificación de Norman.
En este artículo se prueba que el sencillo método propuesto por De Groot para llegar a un consenso cuando los varios decisores tienen opiniones diferentes expresadas en términos de distribuciones de probabilidad es compatible con la regla de Bayes cuando se tiene en cuenta la información muestral. Se demuestra que si se calculan primero las distribuciones a posteriori y después se aplica el método de De Groot para alcanzar un consenso (cuando esto sea posible), es lo mismo que realizar primero el...
The problem of approximating mixtures of distributions has received considerable attention recently. In this paper we consider problems of estimating the mixing proportions of a finite mixture from a Bayesian perspective. The problems which arise from this methodology are basically approximations of finite measures of distributions. We propose two approximating methods and prove that under certain conditions both methods are asymptotically equivalent to a third method, which turns out to be simpler...
En este artículo se estudia, desde una perspectiva bayesiana, un proceso AR(1) con errores exponenciales, ARE(1): para ello se construye una nueva familia de distribuciones conjugadas, denotada por CDG, que permite construir una especie de filtro de Kalman para la estimación recursiva de los parámetros del modelo.
Download Results (CSV)