เปรียบเทียบวิธี

	เครือข่ายเบย์เซียนแบบลำดับชั้น	เครือข่ายเบย์เซียนพลวัต
สาขาวิชา	เบย์	เบย์
ตระกูล	Bayesian methods	Bayesian methods
ปีกำเนิด	1990s–2000s	1989
ผู้ริเริ่ม	Koller, Friedman, and colleagues	Thomas Dean & Keiji Kanazawa
ประเภท	probabilistic graphical model	probabilistic graphical model for sequences
แหล่งต้นตำรับ	Koller, D. & Friedman, N. (2009). Probabilistic Graphical Models: Principles and Techniques. MIT Press. ISBN: 978-0262013192	Dean, T. & Kanazawa, K. (1989). A model for reasoning about persistence and causation. Computational Intelligence, 5(3), 142–150.
ชื่อเรียกอื่น	HBN, layered Bayesian network, multi-level Bayesian network, hierarchical probabilistic graphical model	DBN, temporal Bayesian network, dynamic probabilistic graphical model, two-slice temporal Bayesian network
ที่เกี่ยวข้อง	6	5
สรุป	A hierarchical Bayesian network is a probabilistic graphical model that organizes variables across multiple levels of abstraction. Higher-level nodes govern the prior distributions of lower-level nodes through hyperparameters, enabling structured sharing of information across groups, contexts, or data subsets while preserving the directed acyclic graph (DAG) representation of conditional dependencies.	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.