แบบจำลองลำดับชั้นแบบเบย์แบบพลวัต
แบบจำลองลำดับชั้นแบบเบย์แบบพลวัต (Dynamic Bayesian Hierarchical Model) ผสมผสานโครงสร้างหลายระดับของแบบจำลองลำดับชั้นแบบเบย์เข้ากับสมการวิวัฒนาการเวลาที่ชัดเจนสำหรับสถานะแฝง การสังเกต ณ จุดเวลาแต่ละจุดจะเชื่อมโยงกับสถานะพลวัตที่ไม่มีการสังเกต ซึ่งวิวัฒนาการตามกฎการเปลี่ยนผ่านเชิงความน่าจะเป็น ในขณะที่ prior ร่วม (hyperprior) จะรวบรวมข้อมูลข้ามหน่วยหรือระดับ ทำให้สามารถอนุมานได้อย่างสอดคล้องกันทั้งในมิติเวลาและข้ามกลุ่มพร้อมกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/th/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.
- การอนุมานแบบเบย์ตามลำดับชั้นเบย์↔ compare
- Kalman Filterเบย์↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare