Из Википедии
Динамическая байесовская сеть (DBN) - это байесовская сеть, которая связывает переменные друг с другом в течение смежных временных шагов. Это часто называют BN с двумя временами, потому что оно говорит, что в любой момент времени T значение переменной может быть вычислено из внутренних регрессоров и непосредственного предшествующего значения (время T-1) . DBN распространены в робототехнике и показали потенциал для широкого спектра приложений для интеллектуального анализа данных. Например, они использовались в распознавании речи, секвенировании белков и биоинформатике. ДБН показали, что производят эквивалентные решения для скрытых марковских моделей и фильтров Калмана.
- Мне было интересно, если «непосредственное предшествующее значение (время T-1)» означает, что индекс времени в DBN всегда дискретен?
- Означает ли «в любой момент времени T значение переменной, которое может быть вычислено из внутренних регрессоров, и непосредственное предшествующее значение (время T-1)», означает, что DBN является марковским процессом с дискретным временем?
Если я правильно понимаю, HMM - это тоже марковский процесс с дискретным временем, если одновременно игнорировать вывод из состояния. Поэтому мне интересно, являются ли HMM и DBN одной и той же концепцией? Но другая статья в Википедии гласит
скрытая марковская модель (HMM) - это статистическая марковская модель, в которой моделируемая система считается марковским процессом с ненаблюдаемыми (скрытыми) состояниями. HMM можно рассматривать как простейшую динамическую байесовскую сеть.
и есть еще одна цитата из первой статьи :
ДБН показали, что производят эквивалентные решения для скрытых марковских моделей и фильтров Калмана.
Благодаря!