Red bayesiana dinámica
Una red bayesiana dinámica (DBN) es una red bayesiana (BN) que relaciona variables entre sí en pasos de tiempo adyacentes. Esto a menudo se denomina Two-Timeslice BN (2TBN) porque dice que en cualquier momento T, el valor de una variable se puede calcular a partir de los regresores internos y el valor anterior inmediato (tiempo T-1). Las DBN fueron desarrolladas por Paul Dagum a principios de la década de 1990 en la Sección de Informática Médica de la Universidad de Stanford . [1] [2] Dagum desarrolló DBN para unificar y ampliar los modelos de espacio de estado lineales tradicionales , como los filtros de Kalman , y los modelos de pronóstico lineal y normal, como ARMA.y modelos de dependencia simples como los modelos ocultos de Markov en una representación probabilística general y un mecanismo de inferencia para dominios dependientes del tiempo arbitrarios no lineales y no normales. [3] [4]
Hoy en día, las DBN son comunes en robótica y han mostrado potencial para una amplia gama de aplicaciones de minería de datos . Por ejemplo, se han utilizado en reconocimiento de voz , análisis forense digital , secuenciación de proteínas y bioinformática . DBN es una generalización de modelos ocultos de Markov y filtros de Kalman . [5]
Las DBN están conceptualmente relacionadas con las redes booleanas probabilísticas [6] y, de manera similar, pueden usarse para modelar sistemas dinámicos en estado estacionario.
