کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5759945 1623784 2017 30 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Can natural selection encode Bayesian priors?
ترجمه فارسی عنوان
آیا انتخاب طبیعی می تواند جایگزین بیزی را کد گذاری کند؟
کلمات کلیدی
برادران بیزی، یادگیری بیزی، تصمیم گیری مطلوب، اثر بالدوین، سیر تکاملی، انتخاب طبیعی،
ترجمه چکیده
ما یک مدل تکاملی را ارائه می دهیم تا کشف کنیم که چگونه برآوردهای پیشین بیزی می توانند به صورت ژنتیکی کد گذاری شوند و با انتخاب طبیعی انتخاب شوند وقتی تصمیم گیرندگان از اطلاعات نامشخص یاد می گیرند. این مدل شبیه سازی تکامل جمعیت افرادی است که مورد نیاز برای برآورد احتمال رخداد هستند. هر فرد دارای پیش بینی قبلی از این احتمال است و نشانه های پر سر و صدا از محیط زیست را جمع آوری می کند تا باور قبلی خود را به برآورد خلفی بیزی با شواهد به دست آورد. قبلا به ارث برده شده و به فرزندان منتقل شده است. تناسب اندام با دقت برآوردهای خلفی افزایش می یابد. شبیه سازی نشان می دهد که برآوردهای پیشین در طول زمان تکاملی دقیق می شوند. علاوه بر این افراد "بیزی"، ما همچنین افراد "مکرر" را معرفی می کنیم که از ارزیابی پیشین و به جای استفاده از استنتاج مکرر استفاده نمی کنند. رقابت بین دو نشان می دهد که سابق تمایل دارند تا مزایای تکاملی نسبت به دومی داشته باشند، همانطور که در ادبیات پیشبینی شده است، و این مزیت پایین ترین میزان زمانی است که اطلاعات موجود در افراد حداقل نامطمئن را نشان می دهد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم کشاورزی و بیولوژیک (عمومی)
چکیده انگلیسی
We present an evolutionary model to explore how accurately Bayesian prior estimates can be encoded genetically and shaped by natural selection when decision-makers learn from uncertain information. The model simulates the evolution of a population of individuals that are required to estimate the probability of an event. Every individual has a prior estimate of this probability and collects noisy cues from the environment in order to update its prior belief to a Bayesian posterior estimate with the evidence gained. The prior is inherited and passed on to offspring. Fitness increases with the accuracy of the posterior estimates produced. Simulations show that prior estimates become accurate over evolutionary time. In addition to these 'Bayesian' individuals, we also introduce 'frequentist' individuals that do not use a prior and instead use frequentist inference when estimating the probability. Competition between the two shows that the former tend to have an evolutionary advantage over the latter, as predicted by the literature, and that this advantage is lowest when the information available to individuals poses the least uncertainty.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Theoretical Biology - Volume 426, 7 August 2017, Pages 57-66
نویسندگان
, ,