Динамическая байесовская сеть - Dynamic Bayesian network
Динамическая байесовская сеть (ДБНО) является байесовской сетью (BN) , которая относится переменный друг с другом на соседние временные шаги. Это часто называют двухкратным BN (2TBN), потому что в нем говорится, что в любой момент времени T значение переменной может быть вычислено из внутренних регрессоров и непосредственного предшествующего значения (время T-1). DBN были разработаны Полом Дагумом в начале 1990-х в секции медицинской информатики Стэнфордского университета . Дагум разработал DBN для унификации и расширения традиционных линейных моделей в пространстве состояний, таких как фильтры Калмана , линейные и нормальные модели прогнозирования, такие как ARMA, и простые модели зависимостей, такие какскрытые марковские модели в общее вероятностное представление и механизм вывода для произвольных нелинейных и ненормальных зависящих от времени областей.
Сегодня DBN широко используются в робототехнике и показали потенциал для широкого спектра приложений интеллектуального анализа данных. Например, они использовались в распознавании речи , цифровой криминалистике , секвенировании белков и биоинформатике . DBN - это обобщение скрытых моделей Маркова и фильтров Калмана .
DBN концептуально связаны с вероятностными булевыми сетями и могут аналогичным образом использоваться для моделирования динамических систем в установившемся состоянии.
Смотрите также
использованная литература
дальнейшее чтение
- Мерфи, Кевин (2002). Динамические байесовские сети: представление, вывод и обучение . Калифорнийский университет в Беркли, Отдел компьютерных наук.
- Гахрамани, Зубин (1997). Изучение динамических байесовских сетей . Конспект лекций по информатике . 1387 . С. 168–197. CiteSeerX 10.1.1.56.7874 . DOI : 10.1007 / BFb0053999 . ISBN 978-3-540-64341-8.
- Friedman, N .; Мерфи, К .; Рассел, С. (1998). Изучение структуры динамических вероятностных сетей . UAI'98. Морган Кауфманн. С. 139–147. CiteSeerX 10.1.1.75.2969 .
Программное обеспечение
- bnt на GitHub : набор инструментов Bayes Net Toolbox для Matlab от Кевина Мерфи (выпущен под лицензией GPL )
- Набор инструментов для графических моделей (GMTK): общедоступный набор инструментов с открытым исходным кодом для быстрого создания прототипов статистических моделей с использованием динамических графических моделей (DGM) и динамических байесовских сетей (DBN). GMTK можно использовать для приложений и исследований в области обработки речи и языка, биоинформатики, распознавания активности и любых приложений временных рядов.
- DBmcmc : вывод динамических байесовских сетей с помощью MCMC для Matlab (бесплатное программное обеспечение)
- Инструментарий GlobalMIT Matlab в Google Code : Моделирование регулирующей сети генов посредством глобальной оптимизации динамической байесовской сети (выпущено под лицензией GPL )
- libDAI : библиотека C ++, которая предоставляет реализации различных (приближенных) методов вывода для дискретных графических моделей; поддерживает произвольные факторные графы с дискретными переменными, включая дискретные марковские случайные поля и байесовские сети (выпущены под лицензией FreeBSD )
- aGrUM : библиотека C ++ (с привязками Python) для различных типов PGM, включая байесовские сети и динамические байесовские сети (выпущена под лицензией GPLv3)
- FALCON : набор инструментов Matlab для контекстуализации моделей DBN регуляторных сетей с биологическими количественными данными, включая различные схемы регуляризации для моделирования предшествующих биологических знаний (выпущен под GPLv3)