Dinamička Bajesova mreža

Dinamička Bajesova mreža (DBN) je Bajesova mreža (BN) koja povezuje varijable jedne sa drugima u susednim vremenskim koracima.

Dinamička Bajesova mreža sastavljena od 3 promenljive.

Bajesova mreža je razvijena u 3 vremenska koraka.

Pojednostavljena dinamička Bajesova mreža. Sve varijable ne moraju da se dupliraju u grafičkom modelu, ali su i one dinamičke.

Istorija

Dinamička Bajesova mreža (DBN) se često naziva BN sa „dvostrukim presekom「 (2TBN) jer se u bilo kom trenutku u vremenu T vrednost promenljive može izračunati iz internih regresora i neposredne prethodne vrednosti (vreme T-1). DBN je razvio Pol Dagam tokom ranih 1990-ih na Odseku za medicinsku informatiku Univerziteta Stanford.^[1][2] Dagam je razvio DBN-ove kako bi objedinio i proširio tradicionalne linearne modele prostora stanja kao što su Kalmanovi filteri, linearni i normalni modeli predviđanja kao što je ARMA i jednostavni modeli zavisnosti kao što su skriveni Markovljevi modeli u opšte probabilističke reprezentacije i mehanizam zaključivanja za proizvoljne nelinearne vremenski zavisne domene.^[3][4]

Danas su DBN uobičajeni u robotici i pokazali su potencijal za širok spektar aplikacija za istraživanje podataka. Na primer, korišćeni su u prepoznavanju govora, digitalnoj forenzici, sekvenciranju proteina i bioinformatici. DBN je generalizacija skrivenih Markovljevih modela i Kalmanovih filtera.^[5]

DBN-ovi su konceptualno povezani sa probabilističkim Bulovim mrežama^[6] i mogu se, na sličan način, koristiti za modelovanje dinamičkih sistema u stabilnom stanju.