Динамичка Бајесова мрежа

Динамичка Бајесова мрежа (ДБН) је Бајесова мрежа (БН) која повезује варијабле једне са другима у суседним временским корацима.

Историја

Динамичка Бајесова мрежа (ДБН) се често назива БН са „двоструким пресеком“ (2ТБН) јер се у било ком тренутку у времену Т вредност променљиве може израчунати из интерних регресора и непосредне претходне вредности (време Т-1). ДБН је развио Пол Дагам током раних 1990-их на Одсеку за медицинску информатику Универзитета Станфорд.^[1]^[2] Дагам је развио ДБН-ове како би објединио и проширио традиционалне линеарне моделе простора стања као што су Калманови филтери, линеарни и нормални модели предвиђања као што је АРМА и једноставни модели зависности као што су скривени Марковљеви модели у опште пробабилистичке репрезентације и механизам закључивања за произвољне нелинеарне временски зависне домене.^[3]^[4]

Данас су ДБН уобичајени у роботици и показали су потенцијал за широк спектар апликација за истраживање података. На пример, коришћени су у препознавању говора, дигиталној форензици, секвенцирању протеина и биоинформатици. ДБН је генерализација скривених Марковљевих модела и Калманових филтера.^[5]

ДБН-ови су концептуално повезани са пробабилистичким Буловим мрежама^[6] и могу се, на сличан начин, користити за моделовање динамичких система у стабилном стању.

Референце

^ Паул Дагум; Адам Галпер; Ериц Хорвитз (1992). „Дyнамиц Нетwорк Моделс фор Форецастинг” (ПДФ). Процеедингс оф тхе Еигхтх Цонференце он Унцертаинтy ин Артифициал Интеллигенце. АУАИ Пресс: 41—48.
^ Паул Дагум; Адам Галпер; Ериц Хорвитз; Адам Сеивер (1995). „Унцертаин Реасонинг анд Форецастинг”. Интернатионал Јоурнал оф Форецастинг. 11 (1): 73—87. дои:10.1016/0169-2070(94)02009-е  .
^ Паул Дагум; Адам Галпер; Ериц Хорвитз (јун 1991). „Темпорал Пробабилистиц Реасонинг: Дyнамиц Нетwорк Моделс фор Форецастинг” (ПДФ). Кноwледге Сyстемс Лабораторy. Сецтион он Медицал Информатицс, Станфорд Университy.
^ Паул Дагум; Адам Галпер; Ериц Хорвитз (1993). „Форецастинг Слееп Апнеа wитх Дyнамиц Нетwорк Моделс”. Процеедингс оф тхе Нинтх Цонференце он Унцертаинтy ин Артифициал Интеллигенце. АУАИ Пресс: 64—71. Архивирано из оригинала 11. 09. 2015. г. Приступљено 23. 03. 2024.
^ Стуарт Русселл; Петер Норвиг (2010). Артифициал Интеллигенце: А Модерн Аппроацх (ПДФ) (Тхирд изд.). Прентице Халл. стр. 566. ИСБН 978-0136042594. Архивирано из оригинала (ПДФ) 20. 10. 2014. г. Приступљено 22. 10. 2014. „дyнамиц Баyесиан нетwоркс (wхицх инцлуде хидден Марков моделс анд Калман филтерс ас специал цасес)”
^ Харри Лäхдесмäки; Сампса Хаутаниеми; Илyа Схмулевицх; Олли Yли-Харја (2006). „Релатионсхипс бетwеен пробабилистиц Боолеан нетwоркс анд дyнамиц Баyесиан нетwоркс ас моделс оф гене регулаторy нетwоркс”. Сигнал Процессинг. 86 (4): 814—834. ПМЦ 1847796  . ПМИД 17415411. дои:10.1016/ј.сигпро.2005.06.008.

Литература

Мурпхy, Кевин (2002). Дyнамиц Баyесиан Нетwоркс: Репресентатион, Инференце анд Леарнинг. УЦ Беркелеy, Цомпутер Сциенце Дивисион.
Гхахрамани, Зоубин (1998). „Леарнинг дyнамиц Баyесиан нетwоркс”. Адаптиве Процессинг оф Сеqуенцес анд Дата Струцтурес. Лецтуре Нотес ин Цомпутер Сциенце. 1387. стр. 168—197. ЦитеСеерX 10.1.1.56.7874  . ИСБН 978-3-540-64341-8. дои:10.1007/БФб0053999.
Фриедман, Н.; Мурпхy, К.; Русселл, С. (1998). Леарнинг тхе струцтуре оф дyнамиц пробабилистиц нетwоркс. УАИ’98. Морган Кауфманн. стр. 139—147. ЦитеСеерX 10.1.1.75.2969  .
Схигуихара, П.; Де Андраде Лопес, А.; Маурицио, D. (2021). „Дyнамиц Баyесиан Нетwорк Моделинг, Леарнинг, анд Инференце: А Сурвеy”. ИЕЕЕ Аццесс. дои:10.1109/АЦЦЕСС.2021.3105520  .

Софтвер

бнт на веб-сајту ГитХуб: тхе Баyес Нет Тоолбоx фор Матлаб, бy Кевин Мурпхy, (релеасед ундер а ГПЛ лиценсе)
Грапхицал Моделс Тоолкит (ГМТК): ан опен-соурце, публицлy аваилабле тоолкит фор рапидлy прототyпинг статистицал моделс усинг дyнамиц грапхицал моделс (ДГМс) анд дyнамиц Баyесиан нетwоркс (ДБНс). ГМТК цан бе усед фор апплицатионс анд ресеарцх ин спеецх анд лангуаге процессинг, биоинформатицс, ацтивитy рецогнитион, анд анy тиме-сериес апплицатион.
ДБмцмц Архивирано на сајту Wayback Machine (15. април 2012) : Инферринг Дyнамиц Баyесиан Нетwоркс wитх МЦМЦ, фор Матлаб (фрее софтwаре)
ГлобалМИТ Матлаб тоолбоx ат Гоогле Цоде: Моделинг гене регулаторy нетwорк виа глобал оптимизатион оф дyнамиц баyесиан нетwорк (релеасед ундер а ГПЛ лиценсе)
либДАИ: C++ либрарy тхат провидес имплементатионс оф вариоус (аппроxимате) инференце метходс фор дисцрете грапхицал моделс; суппортс арбитрарy фацтор грапхс wитх дисцрете вариаблес, инцлудинг дисцрете Марков Рандом Фиелдс анд Баyесиан Нетwоркс (релеасед ундер тхе ФрееБСД лиценсе)
аГрУМ: C++ либрарy (wитх Пyтхон биндингс) фор дифферент тyпес оф ПГМс инцлудинг Баyесиан Нетwоркс анд Дyнамиц Баyесиан Нетwоркс (релеасед ундер тхе ГПЛв3)
ФАЛЦОН: Матлаб тоолбоx фор цонтеxтуализатион оф ДБНс моделс оф регулаторy нетwоркс wитх биологицал qуантитативе дата, инцлудинг вариоус регуларизатион сцхемес то модел приор биологицал кноwледге (релеасед ундер тхе ГПЛв3)

[1] Паул Дагум; Адам Галпер; Ериц Хорвитз (1992). „Дyнамиц Нетwорк Моделс фор Форецастинг” (ПДФ). Процеедингс оф тхе Еигхтх Цонференце он Унцертаинтy ин Артифициал Интеллигенце. АУАИ Пресс: 41—48.

[2] Паул Дагум; Адам Галпер; Ериц Хорвитз; Адам Сеивер (1995). „Унцертаин Реасонинг анд Форецастинг”. Интернатионал Јоурнал оф Форецастинг. 11 (1): 73—87. дои:10.1016/0169-2070(94)02009-е  .

[3] Паул Дагум; Адам Галпер; Ериц Хорвитз (јун 1991). „Темпорал Пробабилистиц Реасонинг: Дyнамиц Нетwорк Моделс фор Форецастинг” (ПДФ). Кноwледге Сyстемс Лабораторy. Сецтион он Медицал Информатицс, Станфорд Университy.

[4] Паул Дагум; Адам Галпер; Ериц Хорвитз (1993). „Форецастинг Слееп Апнеа wитх Дyнамиц Нетwорк Моделс”. Процеедингс оф тхе Нинтх Цонференце он Унцертаинтy ин Артифициал Интеллигенце. АУАИ Пресс: 64—71. Архивирано из оригинала 11. 09. 2015. г. Приступљено 23. 03. 2024.

[5] Стуарт Русселл; Петер Норвиг (2010). Артифициал Интеллигенце: А Модерн Аппроацх (ПДФ) (Тхирд изд.). Прентице Халл. стр. 566. ИСБН 978-0136042594. Архивирано из оригинала (ПДФ) 20. 10. 2014. г. Приступљено 22. 10. 2014. „дyнамиц Баyесиан нетwоркс (wхицх инцлуде хидден Марков моделс анд Калман филтерс ас специал цасес)”

[6] Харри Лäхдесмäки; Сампса Хаутаниеми; Илyа Схмулевицх; Олли Yли-Харја (2006). „Релатионсхипс бетwеен пробабилистиц Боолеан нетwоркс анд дyнамиц Баyесиан нетwоркс ас моделс оф гене регулаторy нетwоркс”. Сигнал Процессинг. 86 (4): 814—834. ПМЦ 1847796  . ПМИД 17415411. дои:10.1016/ј.сигпро.2005.06.008.

[1]

[2]

[3]

[4]

[5]

[6]