مقاله یادگیری در مورد وضعیت در حال تغییر

چکیده

A long-lived Bayesian agent observes costly signals of a time-varying state. He chooses the signals’ precisions sequentially, balancing their costs and marginal informativeness. I compare the optimal myopic and forward-looking precisions when the state follows a Brownian motion. I also compare the myopic precisions induced by other Gaussian processes.

چکیده به فارسی (ترجمه ماشینی)

یک مأمور بیزیایی طولانی مدت سیگنال های پرهزینه ای از یک کشور متغیر را مشاهده می کند.او دقت سیگنال ها را به صورت متوالی انتخاب می کند و هزینه های آنها و اطلاع رسانی حاشیه ای را متعادل می کند.من وقتی دولت از یک حرکت براونی پیروی می کند ، دقت بهینه میوپی و آینده نگر را مقایسه می کنم.من همچنین دقت های میوپی ناشی از سایر فرآیندهای گاوسی را مقایسه می کنم.