Dynamic Bayesian Network
A Dynamic Bayesian Network (DBN) extends a standard Bayesian network over time by representing how a set of random variables evolve across discrete time steps. It captures both the conditional independence structure among variables at each instant and the probabilistic dependencies between consecutive time slices, enabling principled reasoning about temporal processes under uncertainty.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- 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. · URL
Gecureerde claims
Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.
Deze weergave verzint geen claimbeoordeling als het register er geen heeft.
Gerelateerde methoden
Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.