| dbo:abstract
|
- A Dynamic Bayesian Network (DBN) is a Bayesian network (BN) which relates variables to each other over adjacent time steps. This is often called a Two-Timeslice BN (2TBN) because it says that at any point in time T, the value of a variable can be calculated from the internal regressors and the immediate prior value (time T-1). DBNs were developed by in the early 1990s at Stanford University's Section on Medical Informatics. Dagum developed DBNs to unify and extend traditional linear state-space models such as Kalman filters, linear and normal forecasting models such as ARMA and simple dependency models such as hidden Markov models into a general probabilistic representation and inference mechanism for arbitrary nonlinear and non-normal time-dependent domains. Today, DBNs are common in robotics, and have shown potential for a wide range of data mining applications. For example, they have been used in speech recognition, digital forensics, protein sequencing, and bioinformatics. DBN is a generalization of hidden Markov models and Kalman filters. DBNs are conceptually related to Probabilistic Boolean Networks and can, similarly, be used to model dynamical systems at steady-state. (en)
- Un réseau bayésien dynamique ou temporel (souvent noté RBD, ou DBN pour Dynamic Bayesian Network) est un modèle statistique et stochastique qui étend la notion de réseau bayésien. À la différence de ces derniers, un réseau bayésien dynamique permet de représenter l'évolution des variables aléatoires en fonction d'une séquence discrète, par exemple des pas temporels. Le terme dynamique caractérise le système modélisé, et non le réseau qui lui ne change pas. (fr)
- 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 на початку 1990-х років, коли він вів фінансовані двома грантами Національного наукового фонду дослідження на Відділенні медичної інформатики Стенфордського університету. 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. Нині ДБМ є поширеними в робототехніці, та продемонстрували потенціал для широкого спектра застосунків для добування даних. Наприклад, вони використовувалися у розпізнаванні мовлення, , секвенуванні білків та біоінформатиці. ДБМ є узагальненням прихованих марковських моделей та фільтрів Калмана. (uk)
|
| dbo:thumbnail
| |
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 7419 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| dbp:wikiPageUsesTemplate
| |
| dcterms:subject
| |
| gold:hypernym
| |
| rdf:type
| |
| rdfs:comment
|
- Un réseau bayésien dynamique ou temporel (souvent noté RBD, ou DBN pour Dynamic Bayesian Network) est un modèle statistique et stochastique qui étend la notion de réseau bayésien. À la différence de ces derniers, un réseau bayésien dynamique permet de représenter l'évolution des variables aléatoires en fonction d'une séquence discrète, par exemple des pas temporels. Le terme dynamique caractérise le système modélisé, et non le réseau qui lui ne change pas. (fr)
- A Dynamic Bayesian Network (DBN) is a Bayesian network (BN) which relates variables to each other over adjacent time steps. This is often called a Two-Timeslice BN (2TBN) because it says that at any point in time T, the value of a variable can be calculated from the internal regressors and the immediate prior value (time T-1). DBNs were developed by in the early 1990s at Stanford University's Section on Medical Informatics. Dagum developed DBNs to unify and extend traditional linear state-space models such as Kalman filters, linear and normal forecasting models such as ARMA and simple dependency models such as hidden Markov models into a general probabilistic representation and inference mechanism for arbitrary nonlinear and non-normal time-dependent domains. (en)
- 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 на початку 1990-х років, коли він вів фінансовані двома грантами Національного наукового фонду дослідження на Відділенні медичної інформатики Стенфордського університету. 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 (uk)
|
| rdfs:label
|
- Réseau bayésien dynamique (fr)
- Dynamic Bayesian network (en)
- Динамічна баєсова мережа (uk)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:depiction
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageDisambiguates
of | |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is foaf:primaryTopic
of | |
