Dinamikus Bayes-i Hierarchikus Modell
A dinamikus Bayes-i hierarchikus modell (Dynamic Bayesian Hierarchical Model) a Bayes-i hierarchikus modellek több-szintű struktúráját egy explicit időbeli evolúciós egyenlettel kombinálja a rejtett állapotok (latent states) számára. Az egyes időpontokban vett megfigyelések összekapcsolódnak megfigyelésen kívüli dinamikus állapotokkal, amelyek valószínűségi átmeneti törvény (probabilistic transition law) szerint fejlődnek, míg egy közös hiperprior (hyperprior) információmegosztást tesz lehetővé az egységek vagy szintek között, lehetővé téve a koherens következtetést időben és csoportokon keresztül egyidejűleg.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/hu/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.
- Hierarchikus Bayes-féle következtetésBayes-statisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- A részecskeszűrő (szekvenciális Monte Carlo)Bayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →