貝葉斯學習理論

介紹

貝葉斯學習是利用參數的先驗分布和由樣本信息求來的後驗分布，直接求出總體分布。

貝葉斯學習理論使用機率去表示所有形式的不確定性,通過機率規則來實現學習和推理過程。貝葉斯學習的結果表示為隨機變數的機率分布,它可以理解為我們對不同可能性的信任程度。

據介紹，這種技術在分析故障信號模式時，套用了被稱為“貝葉斯學習”的自動學習機制，積累的故障事例越多，檢測故障的準確率就越高。根據郵件信號判斷垃圾郵件的垃圾郵件過濾器也採用了這種機制。

相關

日本富士通公司2010年2月28日宣布，該公司開發出快速檢測信息系統故障的新技術。這種技術能從信息系統發出的信號中檢測出有故障預兆的信號，從而搶在故障發生前採取措施，並迅速弄清原因。

富士通公司的研究人員大量收集信息系統在遇到故障時出現的錯誤信號，然後分析出發生不同故障時這些信號的特有模式。研究人員以此為參考，對正在運行的系統中的故障信號進行檢測，由此判斷發生同樣系統故障的可能性。新技術大大縮短了處理故障的時間。