Динамичен байесов йерархичен модел
Динамичен байесов йерархичен модел (Dynamic Bayesian Hierarchical Model) съчетава многостепенната структура на байесовите йерархични модели с изрично уравнение за времева еволюция на латентните състояния. Наблюденията във всяка времева точка са свързани с ненаблюдавани динамични състояния, които се развиват според вероятностен закон за преход, докато общ хиперприор обединява информация между единици или нива, позволявайки кохерентно извеждане на заключения във времето и между групите едновременно.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Как да цитирате тази страница
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/bg/bayesian/dynamic-bayesian-hierarchical-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Йерархично Бейсианско заключениеБейсови методи↔ compare
- Калманов филтърБейсови методи↔ compare
- Частицов филтър (последователен Монте Карло)Бейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →