Dynamický bayesovský hierarchický model
Dynamický bayesovský hierarchický model kombinuje víceúrovňovou strukturu bayesovských hierarchických modelů s explicitní rovnicí časové evoluce pro latentní stavy. Pozorování v každém časovém bodě jsou spojena s nepozorovanými dynamickými stavy, které se vyvíjejí podle pravděpodobnostního přechodového zákona, zatímco sdílený hyperprior shromažďuje informace napříč jednotkami nebo úrovněmi, což umožňuje koherentní inferenci v čase a napříč skupinami současně.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/cs/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.
- Hierarchické Bayesovské odvozováníBayesovská statistika↔ compare
- Kalmanův filtrBayesovská statistika↔ compare
- Částicový filtr (sekvenční Monte Carlo)Bayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →