Algorithmic probability
http://dbpedia.org/resource/Algorithmic_probability an entity of type: Software
アルゴリズム的情報理論において、ソロモノフのアルゴリズム的確率とはある観察にたいし事前確率を割り当てる数学的方法である。理論的には、その事前確率は普遍的である。帰納的推論の理論やアルゴリズムの解析などに使われている。計算可能ではなく、近似できるのみである。
rdf:langString
In algorithmic information theory, algorithmic probability, also known as Solomonoff probability, is a mathematical method of assigning a prior probability to a given observation. It was invented by Ray Solomonoff in the 1960s. It is used in inductive inference theory and analyses of algorithms. In his general theory of inductive inference, Solomonoff uses the method together with Bayes' rule to obtain probabilities of prediction for an algorithm's future outputs.
rdf:langString
En théorie algorithmique de l'information, la probabilité algorithmique, aussi connue comme probabilité de Solomonoff, est une méthode permettant d’assigner une probabilité à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960. Elle est utilisée dans la théorie de l'inférence inductive et dans l'analyse des algorithmes. En particulier, dans sa , Solomonoff utilise une telle formulation pour exprimer la probabilité a priori dans la formule de Bayes.
rdf:langString
rdf:langString
Algorithmic probability
rdf:langString
Probabilité algorithmique
rdf:langString
アルゴリズム的確率
xsd:integer
402688
xsd:integer
1098246192
rdf:langString
September 2015
rdf:langString
According to his wikipedia article, 'Popper is known for his rejection of the classical inductivist views on the scientific method'. Consequently, he didn't give an 'inductive inference theory'.
rdf:langString
In algorithmic information theory, algorithmic probability, also known as Solomonoff probability, is a mathematical method of assigning a prior probability to a given observation. It was invented by Ray Solomonoff in the 1960s. It is used in inductive inference theory and analyses of algorithms. In his general theory of inductive inference, Solomonoff uses the method together with Bayes' rule to obtain probabilities of prediction for an algorithm's future outputs. In the mathematical formalism used, the observations have the form of finite binary strings viewed as outputs of Turing machines, and the universal prior is a probability distribution over the set of finite binary strings calculated from a probability distribution over programs (that is, inputs to a universal Turing machine). The prior is universal in theTuring-computability sense, i.e. no string has zero probability. It is not computable, but it can be approximated.
rdf:langString
En théorie algorithmique de l'information, la probabilité algorithmique, aussi connue comme probabilité de Solomonoff, est une méthode permettant d’assigner une probabilité à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960. Elle est utilisée dans la théorie de l'inférence inductive et dans l'analyse des algorithmes. En particulier, dans sa , Solomonoff utilise une telle formulation pour exprimer la probabilité a priori dans la formule de Bayes. Dans le formalisme mathématique utilisé, les observations se présentent sous la forme de chaînes binaires finies et l'a priori universel est une distribution de probabilité sur l'ensemble des chaînes binaires finies. Cet a priori est universel dans au sens de théorie de la calculabilité, c'est-à-dire qu'aucune chaîne n'a une probabilité nulle. Ce n'est pas calculable, mais on peut en faire une approximation.
rdf:langString
アルゴリズム的情報理論において、ソロモノフのアルゴリズム的確率とはある観察にたいし事前確率を割り当てる数学的方法である。理論的には、その事前確率は普遍的である。帰納的推論の理論やアルゴリズムの解析などに使われている。計算可能ではなく、近似できるのみである。
xsd:nonNegativeInteger
8999