动态贝叶斯系统的定义及其与HMM的关系?


11

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。

  1. 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?
  2. “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?
  3. 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

    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!

Answers:


16

我建议您浏览以下两篇出色的评论文章:

HMM不等同于DBN,而是HMM的特例,其中,整个世界状态由单个隐藏状态变量表示。DBN框架中的其他模型对基本HMM进行了概括,从而允许更多隐藏状态变量(有关更多品种,请参见上面的第二篇论文)。

最后,不,DBN并不总是离散的。例如,可以将线性高斯状态模型(卡尔曼滤波器)构想为连续值HMM,通常用于跟踪空间中的对象。


谢谢,我会看那些论文。我想知道如果Wikipedia不适合DBN,那么您认为哪种定义最合适?
蒂姆(Tim)
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.