Le Neural Bayesian Sequential Routing (NBSR) est un nouveau cadre qui modélise l'inférence neuronale comme une accumulation active de preuves sur un graphe acyclique dirigé hiérarchique. Il utilise un cadre conjugué de Dirichlet-Catégorique pour mettre à jour un état de croyance de Dirichlet, permettant un routage dépendant du chemin et la quantification de l'incertitude.
Le framework Distill-Belief résout le défi de la localisation et de la caractérisation inverse de sources (ISLC) pour les agents mobiles, en équilibrant correction et efficacité. Il propose un modèle enseignant-étudiant où un filtre particulaire bayésien correct guide un étudiant compact pour des décisions rapides et conscientes de l'incertitude en temps réel.
Au fil des siècles, la théorie des probabilités est passée du calcul des jeux de hasard à un cadre central pour le raisonnement en situation d'incertitude. Cet article interprète cette évolution comme une transformation de la rationalité elle-même, aboutissant à l'inférence bayésienne moderne.