Динамічна баєсова мережа

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]

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.

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

Див. також

• Рекурсивне баєсове оцінювання
• Узагальнене фільтрування^[en]