Динамическая байесовская сеть
Динамическая байесовская сеть (DBN) — это байесовская сеть (BN), которая связывает переменные друг с другом на соседних временных шагах. Это часто называют двухкратным BN (2TBN), потому что в нем говорится, что в любой момент времени T значение переменной может быть вычислено из внутренних регрессоров и непосредственно предшествующего значения (время T-1). DBN были разработаны Полом Дагумом в начале 1990-х годов в Секции медицинской информатики Стэнфордского университета . [1] [2] Dagum разработала DBN для унификации и расширения традиционных линейных моделей в пространстве состояний, таких как фильтры Калмана , линейные и нормальные модели прогнозирования, такие как ARMA.и простые модели зависимости, такие как скрытые марковские модели , в общее вероятностное представление и механизм вывода для произвольных нелинейных и ненормальных областей, зависящих от времени. [3] [4]
Сегодня DBN широко распространены в робототехнике и продемонстрировали потенциал для широкого спектра приложений интеллектуального анализа данных. Например, они использовались в распознавании речи , цифровой криминалистике , секвенировании белков и биоинформатике . ДБН является обобщением скрытых марковских моделей и фильтров Калмана . [5]
DBN концептуально связаны с вероятностными булевыми сетями [6] и могут аналогичным образом использоваться для моделирования динамических систем в стационарном состоянии.
