Dynamická Bayesiánská síť - Dynamic Bayesian network - Wikipedia



A Dynamická Bayesiánská síť (DBN) je a Bayesovská síť (BN), který spojuje proměnné navzájem v sousedních časových krocích. Toto se často nazývá a Dvakrát BN (2TBN), protože říká, že kdykoli v čase T lze hodnotu proměnné vypočítat z interních regresorů a okamžité předchozí hodnoty (čas T-1). DBN byly vyvinuty Paulem Dagumem na počátku 90. let v Stanfordská Univerzita Sekce lékařské lékařské informatiky.[1][2] Dagum vyvinul DBN pro sjednocení a rozšíření tradiční lineární stavové modely jako Kalmanovy filtry, lineární a normální předpovědní modely, jako např ARMA a jednoduché modely závislostí, jako je skryté Markovovy modely do obecné pravděpodobnostní reprezentace a odvozovacího mechanismu pro libovolné nelineární a nereálné časově závislé domény.[3][4]
Dnes jsou DBN běžné v robotika, a prokázaly potenciál pro širokou škálu dolování dat aplikace. Například byly použity v rozpoznávání řeči, digitální forenzní, protein sekvenování, a bioinformatika. DBN je zobecněním skryté Markovovy modely a Kalmanovy filtry.[5]
DBN koncepčně souvisí s pravděpodobnostními booleovskými sítěmi [6] a lze je podobně použít k modelování dynamických systémů v ustáleném stavu.
Viz také
Reference
- ^ Paul Dagum; Adam Galper; Eric Horvitz (1992). „Dynamické síťové modely pro prognózy“ (PDF). Sborník příspěvků z osmé konference o nejistotě v umělé inteligenci. AUAI Press: 41–48.
- ^ Paul Dagum; Adam Galper; Eric Horvitz; Adam Seiver (1995). „Nejisté odůvodnění a prognóza“. International Journal of Forecasting. 11 (1): 73–87. doi:10.1016 / 0169-2070 (94) 02009-e.
- ^ Paul Dagum; Adam Galper; Eric Horvitz (Červen 1991). „Dočasné pravděpodobnostní uvažování: Dynamické síťové modely pro prognózy“ (PDF). Laboratoř znalostních systémů. Sekce o lékařské informatice, Stanford University.
- ^ Paul Dagum; Adam Galper; Eric Horvitz (1993). „Předpovídání spánkové apnoe pomocí dynamických síťových modelů“. Sborník z deváté konference o nejistotě v umělé inteligenci. AUAI Press: 64–71.
- ^ Stuart Russell; Peter Norvig (2010). Umělá inteligence: moderní přístup (PDF) (Třetí vydání.). Prentice Hall. p. 566. ISBN 978-0136042594. Archivovány od originál (PDF) dne 20. října 2014. Citováno 22. října 2014.
dynamické Bayesovské sítě (které zahrnují skryté Markovovy modely a Kalmanovy filtry jako speciální případy)
- ^ Harri Lähdesmäki; Sampsa Hautaniemi; Ilya Shmulevich; Olli Yli-Harja (2006). „Vztahy mezi pravděpodobnostními booleovskými sítěmi a dynamickými Bayesiánskými sítěmi jako modely genových regulačních sítí“. Zpracování signálu. 86 (4): 814–834. doi:10.1016 / j.sigpro.2005.06.008. PMC 1847796. PMID 17415411.
Další čtení
- Murphy, Kevin (2002). Dynamic Bayesian Networks: Reprezentace, inference a učení. UC Berkeley, divize počítačové vědy.
- Ghahramani, Zoubin (1997). Učení se dynamickým Bayesovským sítím. Přednášky z informatiky. 1387. str. 168–197. CiteSeerX 10.1.1.56.7874. doi:10.1007 / BFb0053999. ISBN 978-3-540-64341-8.
- Friedman, N .; Murphy, K .; Russell, S. (1998). Naučit se strukturu dynamických pravděpodobnostních sítí. UAI'98. Morgan Kaufmann. str. 139–147. CiteSeerX 10.1.1.75.2969.
Software
- bnt na GitHub: Bayes Net Toolbox pro Matlab, Kevin Murphy, (vydáno pod a Licence GPL )
- Sada grafických modelů (GMTK): otevřený zdrojový, veřejně dostupný soubor nástrojů pro rychlé vytváření prototypů statistických modelů pomocí dynamických grafických modelů (DGM) a dynamických Bayesiánských sítí (DBN). GMTK lze použít pro aplikace a výzkum v oblasti zpracování řeči a jazyků, bioinformatiky, rozpoznávání aktivit a jakékoli aplikace časových řad.
- DBmcmc : Inferring Dynamic Bayesian Networks with MCMC, for Matlab (free software)
- Sada nástrojů GlobalMIT Matlab v Google Code: Modelování genové regulační sítě prostřednictvím globální optimalizace dynamické bayesovské sítě (vydané pod a Licence GPL )
- libDAI: Knihovna C ++, která poskytuje implementace různých (přibližných) odvozovacích metod pro diskrétní grafické modely; podporuje libovolné faktorové grafy s diskrétními proměnnými, včetně diskrétních náhodných polí Markov a Bayesian Networks (vydané pod Licence FreeBSD )
- GRUM: Knihovna C ++ (s vazbami Pythonu) pro různé typy PGM včetně Bayesian Networks a Dynamic Bayesian Networks (vydáno pod GPLv3)
- SOKOL: Sada nástrojů Matlab pro kontextualizaci DBNs modelů regulačních sítí s biologickými kvantitativními daty, včetně různých regulačních schémat pro modelování předchozích biologických znalostí (zveřejněno pod GPLv3)
![]() | Tento statistika související článek je a pahýl. Wikipedii můžete pomoci pomocí rozšiřovat to. |