動態貝葉斯網路

動態貝葉斯網路（Dynamic Bayesian Network, DBN），是一個隨著毗鄰時間步驟把不同變數聯繫起來的貝葉斯網路。這通常被叫做“兩個時間片”的貝葉斯網路，因為DBN在任意時間點T，變數的值可以從內在的回歸量和直接先驗值（time T-1）計算。

內容

DBNs常用於機器人技術中，並已經被證明在大量的數據挖掘套用中的有巨大潛力。例如，DBNs已經被用在語音識別、數字取證、蛋白質測序和生物信息學上。DBN被證明也可以產生隱馬爾科夫模型（Hidden Markov Models）及卡爾曼濾波（Kalman Filters）等價的解決方案。

DBN是BN（Baysian Network）的擴展，BN也稱作機率網路（Probabilistic Network）或信念網路（Belief Network）。