คำถามติดแท็ก bayesian-networks

ฉันได้อ่านแล้วว่า HMMs ตัวกรองอนุภาคและตัวกรองคาลมานเป็นกรณีพิเศษของเครือข่ายเบย์แบบไดนามิก อย่างไรก็ตามฉันรู้เพียง HMM และฉันไม่เห็นความแตกต่างของเครือข่าย Bayes แบบไดนามิก ใครช่วยอธิบายหน่อยได้ไหม มันจะดีถ้าคำตอบของคุณอาจคล้ายกับต่อไปนี้ แต่สำหรับเครือข่ายเบย์: โมเดลมาร์คอฟที่ซ่อนอยู่ โมเดลมาร์คอฟที่ซ่อนอยู่ (HMM) คือ 5-tuple :λ=(S,O,A,B,Π)λ=(S,O,A,B,Π)\lambda = (S, O, A, B, \Pi) : ชุดของรัฐ (เช่น "จุดเริ่มต้นของฟอนิม", "กึ่งกลางของฟอนิม", "จุดสิ้นสุดของฟอนิม")S≠∅S≠∅S \neq \emptyset : ชุดการสังเกตที่เป็นไปได้ (สัญญาณเสียง)O≠∅O≠∅O \neq \emptyset : เมทริกซ์สุ่มซึ่งจะช่วยให้Probabilités ( ฉันเจ )ที่จะได้รับจากรัฐฉันไปยังรัฐเจA∈R|S|×|S|A∈R|S|×|S|A \in \mathbb{R}^{|S| \times |S|}(aij)(aij)(a_{ij})iiijjj : เมทริกซ์สุ่มซึ่งจะช่วยให้Probabilités ( ขk L …

14 bayesian-networks  pgm 

วันนี้ในการบรรยายมันอ้างว่าทิศทางของขอบในเครือข่าย Bayes นั้นไม่สำคัญ พวกเขาไม่จำเป็นต้องเป็นตัวแทนของเวรกรรม เห็นได้ชัดว่าคุณไม่สามารถสลับขอบเดียวในเครือข่าย Bayes ตัวอย่างเช่นสมมติกับและ\} หากคุณจะเปลี่ยนเป็นดังนั้นจะไม่เป็นอีกต่อไปดังนั้นจึงไม่ใช่เครือข่าย Bayes นี่น่าจะเป็นปัญหาที่เกิดขึ้นจริงในทางปฏิบัติแล้วจะประเมินความน่าจะเป็นได้อย่างไร กรณีนี้ดูเหมือนจะตอบยากกว่าดังนั้นฉันจะข้ามไปG=(V,E)G=(V,E)G = (V, E)V={v1,v2,v3}V={v1,v2,v3}V = \{v_1, v_2, v_3\}E={(v1,v2),(v1,v3),(v2,v3)}E={(v1,v2),(v1,v3),(v2,v3)}E=\{(v_1, v_2), (v_1, v_3), (v_2, v_3)\}(v1,v3)(v1,v3)(v_1, v_3)(v3,v1)(v3,v1)(v_3, v_1)GGG นี่ทำให้ฉันถามคำถามต่อไปนี้ซึ่งฉันหวังว่าจะได้คำตอบที่นี่: เป็นไปได้หรือไม่ที่กราฟเชิงเส้นกำกับ (DAG) จะกลับขอบทั้งหมดและยังมี DAG อยู่? สมมติว่าได้รับ DAGและข้อมูล ตอนนี้เราสร้างผกผัน DAG ข้อความ g _ \ {} สำหรับ DAG ทั้งสองเราพอดีข้อมูลกับเครือข่าย Bayes ที่เกี่ยวข้อง ตอนนี้เรามีชุดข้อมูลที่เราต้องการใช้เครือข่าย Bayes เพื่อทำนายคุณสมบัติที่ขาดหายไป อาจมีผลลัพธ์ที่แตกต่างกันสำหรับ DAG …

10 bayesian-networks