Dynamisch Bayesiaans Netwerk
Een Dynamisch Bayesiaans Netwerk (DBN) breidt een standaard Bayesiaans netwerk uit over de tijd door weer te geven hoe een set van stochastische variabelen evolueert over discrete tijdstappen. Het legt zowel de conditionele onafhankelijkheidsstructuur tussen variabelen op elk moment vast als de probabilistische afhankelijkheden tussen opeenvolgende tijdslices, wat principieel redeneren over temporele processen onder onzekerheid mogelijk maakt.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Bayesian Network. ScholarGate. https://scholargate.app/nl/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.
- Bayesiaans NetwerkBayesiaanse statistiek↔ compare
- Hiërarchische Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →