Динамічна баєсова мережа

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку
Динамічна баєсова мережа, складена з 3 змінних.
Динамічна баєсова мережа, розгорнута на 3 кроки часу.
Спрощена динамічна баєсова мережа. Всім змінним дублюватися не треба, але вони також є динамічними.

Динамі́чна ба́єсова мере́жа (ДБМ, англ. Dynamic Bayesian Network, DBN) — це баєсова мережа, що співвідносить змінні між собою через суміжні проміжки часу. Її також часто називають двочасовою БМ (2ЧБМ, англ. Two-Timeslice BN, 2TBN), оскільки вона каже, що значення змінної на будь-який момент часу T може бути обчислено із внутрішніх регресорів та безпосередньо попереднього значення (на момент часу T-1). ДБМ було розроблено Полом Деґамом на початку 1990-х років, коли він вів фінансовані двома грантами Національного наукового фонду дослідження на Відділенні медичної інформатики Стенфордського університету.[1][2] Деґам розробив ДБМ, щоби уніфікувати та розширити традиційні лінійні станово-просторові моделі, такі як фільтри Калмана, лінійні та нормальні прогностичні моделі, такі як ARMA, і прості залежнісні моделі, такі як приховані марковські моделі, до загального ймовірнісного представлення та механізму отримання висновків для довільних нелінійних та не нормальних залежних від часу областей.[3][4]

Нині ДБМ є поширеними в робототехніці, та продемонстрували потенціал для широкого спектра застосунків для добування даних. Наприклад, вони використовувалися у розпізнаванні мовлення, цифровій експертизі[en], секвенуванні білків та біоінформатиці. ДБМ є узагальненням прихованих марковських моделей та фільтрів Калмана.[5]

Див. також[ред. | ред. код]

Примітки[ред. | ред. код]

  1. Paul Dagum; Adam Galper; Eric Horvitz[en] (1992). Dynamic Network Models for Forecasting. Proceedings of the Eighth Conference on Uncertainty in Artificial Intelligence (AUAI Press): 41–48. Архів оригіналу за 4 березня 2016. Процитовано 11 липня 2016.  (англ.)
  2. Paul Dagum; Adam Galper; Eric Horvitz[en]; Adam Seiver (1995). Uncertain Reasoning and Forecasting. International Journal of Forecasting. 11 (1): 73–87. Архів оригіналу за 4 березня 2016. Процитовано 11 липня 2016.  (англ.)
  3. Paul Dagum; Adam Galper; Eric Horvitz[en] (June 1991). Temporal Probabilistic Reasoning: Dynamic Network Models for Forecasting. Knowledge Systems Laboratory. Section on Medical Informatics, Stanford University. Архів оригіналу за 4 березня 2016. Процитовано 11 липня 2016.  (англ.)
  4. Paul Dagum; Adam Galper; Eric Horvitz[en] (1993). Forecasting Sleep Apnea with Dynamic Network Models. Proceedings of the Ninth Conference on Uncertainty in Artificial Intelligence (AUAI Press): 64–71. Архів оригіналу за 11 вересня 2015. Процитовано 11 липня 2016.  (англ.)
  5. Stuart Russell[en]; Peter Norvig (2010). Artificial Intelligence: A Modern Approach (вид. III). Prentice Hall. с. 566. ISBN 978-0136042594. Архів оригіналу за 20 жовтня 2014. Процитовано 22 жовтня 2014. «динамічні баєсові мережі (що включають приховані марковські моделі та фільтри Калмана як окремі випадки)»  (англ.)

Література[ред. | ред. код]

Програмне забезпечення[ред. | ред. код]