Динамічна баєсова мережа

Матеріал з Вікіпедії — вільної енциклопедії.
Версія від 11:42, 27 листопада 2021, створена Andriy.vBot (обговорення | внесок) (виправлення дат)
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

Примітки

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

Література

Програмне забезпечення

  • bnt на GitHub: Bayes Net Toolbox (Інструментарій баєсових мереж) для Matlab, від Кевіна Мерфі (англ. Kevin Murphy) (випущений під ліцензією GPL)
  • Graphical Models Toolkit (GMTK): публічно доступний інструментарій з відкритим кодом для швидкого макетування статистичних моделей з використанням динамічних графічних моделей (англ. Dynamic Graphical Models, DGMs) та динамічних баєсових мереж. GMTK може використовуватися для розробки застосунків та досліджень в обробці мовлення та мови, біоінформатиці, розпізнаванні діяльності, та будь-яких застосувань часових рядів.
  • DBmcmc: Виведення динамічних баєсових мереж за допомогою методів Монте-Карло марковських ланцюгів, для Matlab (вільне програмне забезпечення)
  • GlobalMIT Matlab toolbox на Google Code: Моделювання генної регуляторної мережі шляхом глобальної оптимізації динамічної баєсової мережі (випущене під ліцензією GPL)
  • libDAI: бібліотека C++, що пропонує реалізації різноманітних (наближених) методів виведення для дискретних графічних моделей[en]; підтримує довільні графи розкладу[en] з дискретними змінними, включно з дискретними марковськими та баєсовими мережами (випущена під ліцензією FreeBSD)
  • aGrUM: бібліотека C++ (зі обв'язками для Python) для різних типів ІГМ, включно з баєсовими мережами та динамічними баєсовими мережами (випускається під ліцензією GPLv3)


В іншому мовному розділі є повніша стаття Réseau bayésien dynamique(фр.). Ви можете допомогти, розширивши поточну статтю за допомогою перекладу з французької.
  • Дивитись автоперекладену версію статті з мови «французька».
  • Перекладач повинен розуміти, що відповідальність за кінцевий вміст статті у Вікіпедії несе саме автор редагувань. Онлайн-переклад надається лише як корисний інструмент перегляду вмісту зрозумілою мовою. Не використовуйте невичитаний і невідкоригований машинний переклад у статтях української Вікіпедії!
  • Машинний переклад Google є корисною відправною точкою для перекладу, але перекладачам необхідно виправляти помилки та підтверджувати точність перекладу, а не просто скопіювати машинний переклад до української Вікіпедії.
  • Не перекладайте текст, який видається недостовірним або неякісним. Якщо можливо, перевірте текст за посиланнями, поданими в іншомовній статті.
  • Докладні рекомендації: див. Вікіпедія:Переклад.


Статистика Це незавершена стаття зі статистики.
Ви можете допомогти проєкту, виправивши або дописавши її.
Отримано з https://uk.wikipedia.org/w/index.php?title=Динамічна_баєсова_мережа&oldid=33891243