罗素·杏仁;严端丽;丽莎·赫马特 使用诊断贝叶斯网络模型进行参数恢复研究。 (英语) Zbl 1153.68412号 行为测量学 35,第2期,159-185(2008). 小结:本文描述了一个用于候选评估设计的贝叶斯网络模型,该设计有四个熟练度变量和48个任务,每个任务有3-12个可观察的结果变量,以及用于识别子量表位置的标度锚。领域专家对熟练度和任务之间关系的观点建立了585个参数的复杂先验分布。马尔可夫链蒙特卡罗(MCMC)估计从专家模型中恢复了模拟数据的参数。样本大小和先验强度对参数恢复的影响不大,但会影响估计参数的标准误差。最后,在本研究的背景下,讨论了一个可识别性问题,包括熟练状态的重新标记和矩阵的排列。 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:贝叶斯网络;模型构造;马尔可夫链蒙特卡罗(MCMC)估计;先验启发;刻度固定器 软件:对;化学需氧量 PDF格式BibTeX公司 XML格式引用 \textit{R.Almond}等人,Behaviormetrica 35,No.2,159--185(2008;Zbl 1153.68412) 全文: 内政部