เปรียบเทียบวิธี

	การอนุมานแบบเบย์สำหรับอนุกรมเวลา	เครือข่ายเบย์เซียนพลวัต
สาขาวิชา	เบย์	เบย์
ตระกูล	Bayesian methods	Bayesian methods
ปีกำเนิด	1989	1989
ผู้ริเริ่ม	Mike West and Jeff Harrison	Thomas Dean & Keiji Kanazawa
ประเภท	Bayesian probabilistic model	probabilistic graphical model for sequences
แหล่งต้นตำรับ	West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259	Dean, T. & Kanazawa, K. (1989). A model for reasoning about persistence and causation. Computational Intelligence, 5(3), 142–150.
ชื่อเรียกอื่น	Bayesian time series analysis, Bayesian state-space modeling, probabilistic time series inference, BSTS	DBN, temporal Bayesian network, dynamic probabilistic graphical model, two-slice temporal Bayesian network
ที่เกี่ยวข้อง	6	5
สรุป	Time series Bayesian inference applies Bayes' theorem sequentially to time-ordered observations, maintaining a full probability distribution over hidden states and model parameters at every time step. This framework unifies state-space models, dynamic linear models, and particle filters, producing calibrated uncertainty for both filtering (real-time) and retrospective smoothing tasks.	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.