Sieci Bayesowskie Dynamiczne
Sieć Bayesowska Dynamiczna (DBN) rozszerza standardową sieć Bayesowską w czasie, reprezentując ewolucję zbioru zmiennych losowych w dyskretnych krokach czasowych. Ujmuje ona zarówno strukturę warunkowych niezależności między zmiennymi w każdej chwili, jak i probabilistyczne zależności między kolejnymi wycinkami czasowymi, umożliwiając poprawne wnioskowanie o procesach czasowych w warunkach niepewności.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Bayesian Network. ScholarGate. https://scholargate.app/pl/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.
- Sieć bayesowskaStatystyka bayesowska↔ compare
- Hierarchiczna inferencja bayesowskaStatystyka bayesowska↔ compare
- Filtr KalmanaStatystyka bayesowska↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →