Dari Wikipedia
Dynamic Bayesian Network (DBN) adalah Bayesian Network yang menghubungkan variabel satu sama lain melalui langkah waktu yang berdekatan. Ini sering disebut BN Two-Timeslice karena dikatakan bahwa pada titik waktu T, nilai variabel dapat dihitung dari regresi internal dan nilai sebelumnya langsung (waktu T-1) . DBN adalah umum dalam robotika, dan telah menunjukkan potensi untuk berbagai aplikasi penambangan data. Sebagai contoh, mereka telah digunakan dalam pengenalan suara, pengurutan protein, dan bioinformatika. DBN telah terbukti menghasilkan solusi setara dengan Hidden Markov Models dan Filter Kalman.
- Saya bertanya-tanya apakah "nilai awal langsung (waktu T-1)" berarti indeks waktu dalam DBN selalu terpisah?
- Apakah "pada setiap titik waktu T, nilai variabel dapat dihitung dari regresi internal dan nilai sebelumnya langsung (waktu T-1)" berarti DBN adalah proses Markov waktu diskrit?
Jika saya mengerti dengan benar, HMM adalah proses Markov diskrit waktu juga, jika mengabaikan output dari negara pada saat yang sama. Jadi saya ingin tahu apakah HMM dan DBN adalah konsep yang sama? Tetapi artikel Wikipedia lainnya mengatakan
hidden Markov model (HMM) adalah model Markov statistik di mana sistem yang dimodelkan diasumsikan sebagai proses Markov dengan status (tersembunyi) yang tidak teramati. HMM dapat dianggap sebagai jaringan Bayesian dinamis paling sederhana.
dan ada kutipan lain dari artikel pertama :
DBN telah terbukti menghasilkan solusi setara dengan Hidden Markov Models dan Filter Kalman.
Terima kasih!