Dynamisk Bayesiansk Netværk
Et dynamisk Bayesiansk netværk (DBN) udvider et standard Bayesiansk netværk over tid ved at repræsentere, hvordan et sæt stokastiske variable udvikler sig på tværs af diskrete tidstrin. Det indfanger både den betingede uafhængighedsstruktur blandt variable i hvert øjeblik og de probabilistiske afhængigheder mellem på hinanden følgende tidsskiver, hvilket muliggør principiel ræsonnering om tidsmæssige processer under usikkerhed.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Kilder
- Dean, T. & Kanazawa, K. (1989). A model for reasoning about persistence and causation. Computational Intelligence, 5(3), 142–150. DOI: 10.1111/j.1467-8640.1989.tb00324.x ↗
- Murphy, K. P. (2002). Dynamic Bayesian Networks: Representation, Inference and Learning. PhD thesis, University of California, Berkeley. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Dynamic Bayesian Network. ScholarGate. https://scholargate.app/da/bayesian/dynamic-bayesian-network
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.
- Bayesiansk netværkBayesiansk↔ compare
- Hierarkisk Bayesiansk InferensBayesiansk↔ compare
- Kalman-filterBayesiansk↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →