Precision, Complexity and Bayesian Model Determination
精度、复杂度与贝叶斯模型确定AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于一般贝叶斯模型选择理论，未指定时间序列、因子或其他领域模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
精度、复杂度与贝叶斯模型确定
- 研究问题
- 如何通过明确的决策理论框架建立贝叶斯模型选择准则，并分析该准则的运行特征及一致性？
- 方法与思路
- 作者采用决策理论方法推导贝叶斯决策规则，形成新的模型确定准则；摘要未说明损失函数或复杂度的具体表达。
- 材料陈述的贡献
- 摘要称提出新的模型选择准则、讨论其运行特征并证明一致性，但未说明一致性的定义、成立条件或比较结果。
- 阅读关注点
- 应核对决策对象、损失与先验设定，查明精度和复杂度如何进入准则，以及一致性针对何种模型空间和样本增长。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体准则与一致性条件未提供，不能据此判断模型选择准确性或预测优势。
原文摘要
SUMMARY In this paper a new criterion for model determination is proposed. An explicit decision theoretic approach to model selection is employed to derive a Bayes decision rule. The operational characteristics of the criterion are discussed and consistency is shown.