我正在研究客观贝叶斯理论。这是一个理性程度的信念理论，而不是一个统计推断理论。开云体育网址
该账户的独特之处在于:
- 它拒绝了通常的贝叶斯识别条件置信度与条件概率。
- 它并没有预先假设相信的程度应该通过贝叶斯条件化来更新。
- 它拒绝了一个常见的客观贝叶斯假设，即证据唯一地决定了一个理性信念函数。
- 它需要客观的机会在决定信仰的理性程度方面发挥核心作用。
该账户建立在三种规范之上:
- 结构性的。agent的信念函数应该是一个概率函数。
- 证据。如果智能体根据证据确定机会函数在某个概率函数集中，那么她的信念函数应该在该集合的凸包中。
- 含糊其辞。否则，代理人的信仰程度应该是模棱两可的，只有在结构或证据规范迫使他们接受承诺的信仰程度(接近0或1)。
动机
关于这种方法的一些最近的争论，请参见:
乔恩·威廉姆森:贝叶斯账户的建立，英国科学哲学杂志, 2022年。
．doi:10.1086/714798
乔恩·威廉姆森:直接推理和归纳法的概率解释，普通科学哲学杂志, 2022年。．doi:10.1007 / s10838 - 021 - 09584 - 0
有关该方法的介绍，请参见:
乔恩·威廉姆森:为客观贝叶斯主义辩护，牛津大学出版社，开云体育主頁(欢迎您)2010年。
客观贝叶斯归纳逻辑
我还对客观贝叶斯主义的使用感兴趣，它为归纳逻辑提供了一种新的方法。我目前正在与于尔根·兰德斯而且Rafiee Rad在这。
近期工作包括:
Juergen Landes, Soroush Rafiee Rad和Jon Williamson:确定客观贝叶斯归纳逻辑的最大熵函数，哲学逻辑学杂志，doi:10.1007 / s10992 - 022 - 09680 - 6
Juergen Landes, Soroush Rafiee Rad和Jon Williamson:趋向熵极限猜想，纯粹与应用逻辑年鉴172(2): 102870、2021。．doi:10.1016 / j.apal.2020.102870
有关该方法的介绍，请参见:
乔恩·威廉姆森：归纳逻辑讲座，牛津大学出版社，开云体育主頁(欢迎您)2017年。勘误表．
目标贝叶斯网
图形模型可以用来表示和推理客观贝叶斯概率。
近期工作包括:
于尔根·兰德斯和乔恩·威廉姆森:目的贝叶斯网用于整合一致性数据集，人工智能研究杂志74: 393-458, 2022。．doi10.1613 / jair.1.13363
有关介绍，请参见:
Rolf Haenni, Jan-Willem Romeijn, Gregory Wheeler和Jon Williamson:概率逻辑和概率网络，综合库，施普林格，2011。
乔恩·威廉姆森:贝叶斯网和因果关系:哲学和计算基础，牛津大学出版社，开云体育主頁(欢迎您)2005年。