来自维基百科
动态贝叶斯网络(DBN)是贝叶斯网络,它在相邻的时间步长上相互关联变量。这通常被称为“两倍时间BN”,因为它表示在任何时间点T上,变量的值都可以从内部回归值和紧邻的先验值(时间T-1)中计算出来。DBN在机器人技术中很常见,并且已经显示出了广泛的数据挖掘应用程序的潜力。例如,它们已用于语音识别,蛋白质测序和生物信息学。DBN已显示出产生与隐马尔可夫模型和卡尔曼滤波器等效的解决方案。
- 我想知道“即时优先值(时间T-1)”是否意味着DBN中的时间索引始终是离散的?
- “在任何时间点T上,都可以从内部回归变量中计算出变量的值,并且立即数在先值(时间T-1)”是否意味着DBN是离散时间的马尔可夫过程?
如果我理解正确,那么如果同时忽略状态的输出,那么HMM也是离散时间的马尔可夫过程。所以我想知道HMM和DBN是否是相同的概念?但是另一篇维基百科文章 说
隐马尔可夫模型(HMM)是一种统计马尔可夫模型,其中将要建模的系统假定为具有未观察(隐藏)状态的马尔可夫过程。HMM可被视为最简单的动态贝叶斯网络。
第一篇文章还有另一句话:
DBN已显示出产生与隐马尔可夫模型和卡尔曼滤波器等效的解决方案。
谢谢!