2 基于查询的分布优化该识别模型的参数,使得输出平均上尽可能接近真实的后验概率。这导致了习得性偏差,即忽略哪些信息源,这取决于这些信息源中的哪一个可靠地与真实后验相关。...精确的贝叶斯推断几乎总是不可能的。学习推理指的是一种特定的近似推理方案,使用模式识别系统(例如神经网络,但它也可以是范例概括模型)来发现和利用假设给定数据的条件分布中的模式(后验)。...直观上,退化导致模型作为后验对数优势的函数具有相对平坦的响应,这意味着偏差也将随着后验对数优势而增加。
操纵查询分布
在本节中,我们更直接地关注查询分布的作用。...我们的模型的一个基本预测是,它将更重视先验或可能性,这取决于两者中哪一个在历史上更能提供关于真实后验的信息。...我们在一个新的实验中通过操纵先验的信息含量和学习阶段的可能性来实证检验这一预测,试图在随后的实验条件固定的测试阶段引发对数据的过度反应和反应不足。