Динамічна байєсівська ієрархічна модель
Динамічна байєсівська ієрархічна модель поєднує багаторівневу структуру байєсівських ієрархічних моделей з явним рівнянням еволюції часу для прихованих станів. Спостереження в кожній часовій точці пов'язані з ненав'язливими динамічними станами, які еволюціонують відповідно до ймовірнісного закону переходу, тоді як спільний гіперпріор об'єднує інформацію між одиницями або рівнями, забезпечуючи узгоджений висновок у часі та між групами одночасно.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/uk/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.
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Фільтр частинок (послідовний Монте-Карло)Баєсові методи↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →