View source for डायनेमिक बायेसियन नेटवर्क

{{Short description|Probabilistic graphical model}}
[[File:Réseau bayésien dynamique.svg|frame|right|डायनेमिक बायेसियन नेटवर्क 3 चरों से बना है।]]
[[File:Réseau bayésien 3t.svg|frame|right|बायेसियन नेटवर्क 3 टाइम स्टेप्स पर विकसित हुआ।]]
[[File:Réseau bayésien simplifié.svg|frame|right|सरलीकृत डायनेमिक बायेसियन नेटवर्क। ग्राफिकल मॉडल में सभी चरों को डुप्लिकेट करने की आवश्यकता नहीं है, किंतु वे गतिशील भी हैं।]]डायनेमिक [[बायेसियन नेटवर्क]] (डीबीएन) एक बायेसियन नेटवर्क (बीएन) है जो आसन्न समय चरणों में चर को एक दूसरे से संबंधित करता है।

== इतिहास ==










डायनेमिक बायेसियन नेटवर्क (डीबीएन) को अधिकांशतः टू-टाइमस्लाइस बीएन (2टीबीएन) कहा जाता है क्योंकि यह कहता है कि किसी भी समय टी पर, एक चर के मान की गणना आंतरिक प्रतिगामी और तत्काल पूर्व मान (समय टी-) से की जा सकती है। 1). 1990 के दशक की प्रारंभ में चिकित्सा सूचना विज्ञान पर [[स्टैनफोर्ड विश्वविद्यालय]] के अनुभाग में [[पॉल डागम]] द्वारा डीबीएन विकसित किए गए थे।<ref>
{{cite journal
|url=http://research.microsoft.com/en-us/um/people/horvitz/dynamic_network_models_UAI_1992.pdf
|author1=Paul Dagum
|author-link=Paul Dagum
|author2=Adam Galper
|author2-link=Adam Galper
|author3=Eric Horvitz
|author3-link=Eric Horvitz
|title=Dynamic Network Models for Forecasting
|journal = Proceedings of the Eighth Conference on Uncertainty in Artificial Intelligence
|date=1992|publisher=AUAI Press|pages=41–48}}
</ref><ref>
{{cite journal
|url=http://research.microsoft.com/en-us/um/people/horvitz/FORECAST.HTM
|author1=Paul Dagum
|author-link=Paul Dagum
|author2=Adam Galper
|author2-link=Adam Galper
|author3=Eric Horvitz
|author3-link=Eric Horvitz
|author4=Adam Seiver
|author4-link=Adam Seiver
|title=Uncertain Reasoning and Forecasting
|journal = International Journal of Forecasting  |volume=11 |issue=1 |date=1995 |pages=73–87 |doi=10.1016/0169-2070(94)02009-e}}
</ref> डगम ने डीबीएन को पारंपरिक रैखिक [[ राज्य अंतरिक्ष मॉडल |अवस्था स्थान मॉडल]] को एकीकृत करने और विस्तारित करने के लिए विकसित किया अवस्था स्थान मॉडल जैसे [[कलमन फिल्टर]], रैखिक और सामान्य पूर्वानुमान मॉडल जैसे एआरएमए मॉडल और सरल निर्भरता मॉडल जैसे छिपे [[छिपा हुआ मार्कोव मॉडल]] को एक सामान्य संभाव्य प्रतिनिधित्व और इच्छा के लिए अनुमान तंत्र में गैर-रैखिक और गैर-सामान्य समय-निर्भर डोमेन है <ref>
{{cite journal
|url=https://dslpitt.org/uai/papers/93/p64-dagum.pdf
|author1=Paul Dagum
|author-link=Paul Dagum
|author2=Adam Galper
|author2-link=Adam Galper
|author3=Eric Horvitz
|author3-link=Eric Horvitz
|title=Temporal Probabilistic Reasoning: Dynamic Network Models for Forecasting
|journal = Knowledge Systems Laboratory. Section on Medical Informatics, Stanford University
|date=June 1991}}
</ref><ref>
{{cite journal
|url=http://www-ksl.stanford.edu/KSL_Abstracts/KSL-91-64.html
|author1=Paul Dagum
|author-link=Paul Dagum
|author2=Adam Galper
|author2-link=Adam Galper
|author3=Eric Horvitz
|author3-link=Eric Horvitz
|title=Forecasting Sleep Apnea with Dynamic Network Models
|journal = Proceedings of the Ninth Conference on Uncertainty in Artificial Intelligence 
|date=1993|publisher=AUAI Press|pages=64–71}}
</ref>

आज डीबीएन [[रोबोटिक]] में सामान्य हैं और [[डेटा खनन]] अनुप्रयोगों की एक विस्तृत श्रृंखला के लिए संभावित क्षमता दिखाते हैं। उदाहरण के लिए, उनका उपयोग [[वाक् पहचान]], [[डिजिटल फोरेंसिक]], [[प्रोटीन]] [[अनुक्रमण]] और जैव सूचना विज्ञान में किया गया है। डीबीएन [[छिपे हुए मार्कोव मॉडल]] और कलमन फिल्टर का एक सामान्यीकरण है।<ref>{{cite book|author1=Stuart Russell|author-link=Stuart J. Russell|author2=Peter Norvig|author2-link=Peter Norvig|title=Artificial Intelligence: A Modern Approach|date=2010|publisher=[[Prentice Hall]]|isbn=978-0136042594|page=566|edition=Third|url=http://51lica.com/wp-content/uploads/2012/05/Artificial-Intelligence-A-Modern-Approach-3rd-Edition.pdf|accessdate=22 October 2014|quote='''डायनेमिक बायेसियन नेटवर्क''' (जिसमें विशेष मामलों के रूप में छिपे हुए मार्कोव मॉडल और कलमन फिल्टर शामिल हैं)|url-status=dead|archiveurl=https://web.archive.org/web/20141020191456/http://51lica.com/wp-content/uploads/2012/05/Artificial-Intelligence-A-Modern-Approach-3rd-Edition.pdf|archivedate=20 October 2014}}</ref>

डीबीएन वैचारिक रूप से संभाव्य बूलियन नेटवर्क से संबंधित हैं <ref>
{{cite journal
|pmc=1847796
|author1=Harri Lähdesmäki
|author-link=Harri Lähdesmäki
|author2=Sampsa Hautaniemi
|author2-link=Sampsa Hautaniemi
|author3=Ilya Shmulevich
|author3-link=Ilya Shmulevich
|author4=Olli Yli-Harja
|author4-link=Olli Yli-Harja
|title=Relationships between probabilistic Boolean networks and dynamic Bayesian networks as models of gene regulatory networks
|journal = Signal Processing
|volume=86
|issue=4
|date=2006|pages=814–834|pmid=17415411
|doi=10.1016/j.sigpro.2005.06.008
}}
</ref> और इसी तरह, स्थिर-अवस्था में गतिशील प्रणालियों को मॉडल करने के लिए उपयोग किया जा सकता है।

== यह भी देखें                         ==

* [[पुनरावर्ती बायेसियन अनुमान]]
* [[संभाव्य तर्क नेटवर्क]]
* [[सामान्यीकृत फ़िल्टरिंग]]

== संदर्भ ==
{{Reflist}}


== अग्रिम पठन ==
*{{cite book|last=Murphy|first=Kevin|title=Dynamic Bayesian Networks: Representation, Inference and Learning|year=2002|publisher=UC Berkeley, Computer Science Division|url=http://www.cs.ubc.ca/~murphyk/Thesis/thesis.html}}
*{{cite book | citeseerx = 10.1.1.56.7874 | chapter = Learning Dynamic Bayesian Networks | year = 1997 | first = Zoubin | last = Ghahramani | title = Adaptive Processing of Sequences and Data Structures | journal = [[Lecture Notes in Computer Science]] | volume = 1387 | pages = 168–197 | doi = 10.1007/BFb0053999 | isbn = 978-3-540-64341-8 }}
*{{cite conference | citeseerx = 10.1.1.75.2969 | last1 = Friedman | first1 = N. | last2 = Murphy | first2 = K. | last3 = Russell | first3 = S. | year = 1998 | title = Learning the structure of dynamic probabilistic networks | conference = UAI’98 | pages = 139–147 | publisher = Morgan Kaufmann }}


== सॉफ्टवेयर ==
* {{github|bayesnet/bnt}}: मैटलैब के लिए बेयस नेट टूलबॉक्स, केविन मर्फी द्वारा, ([[जीएनयू जनरल पब्लिक लाइसेंस]] के तहत जारी)
* [https://web.archive.org/web/20150228005644/http://melodi.ee.washington.edu/gmtk/ ग्राफिकल मॉडल टूलकिट] (GMTK): तेजी से प्रोटोटाइपिंग सांख्यिकीय के लिए एक ओपन-सोर्स, सार्वजनिक रूप से उपलब्ध टूलकिट डायनेमिक ग्राफिकल मॉडल (DGMs) और डायनेमिक बायेसियन नेटवर्क (DBNs) का उपयोग करने वाले मॉडल। GMTK का उपयोग भाषण और भाषा प्रसंस्करण, जैव सूचना विज्ञान, गतिविधि मान्यता और किसी भी समय-श्रृंखला अनुप्रयोग में अनुप्रयोगों और अनुसंधान के लिए किया जा सकता है।
* [http://www.bioss.ac.uk/~dirk/software/DBmcmc/ DBmcmc] : मैटलैब के लिए एमसीएमसी के साथ डायनामिक बायेसियन नेटवर्क का उल्लेख (मुफ्त सॉफ्टवेयर)
* {{Google Code|globalmit|GlobalMIT Matlab toolbox}}: डायनेमिक बायेसियन नेटवर्क के वैश्विक अनुकूलन के माध्यम से मॉडलिंग जीन नियामक नेटवर्क (जीएनयू जनरल पब्लिक लाइसेंस के तहत जारी)
* [http://staff.science.uva.nl/~jmooij1/libDAI/ libDAI]: C++ लाइब्रेरी जो असतत ग्राफिकल मॉडल के लिए विभिन्न (अनुमानित) अनुमान विधियों का कार्यान्वयन प्रदान करती है; असतत मार्कोव रैंडम फील्ड्स और बायेसियन नेटवर्क सहित असतत चर के साथ मनमाने कारक ग्राफ का समर्थन करता है ([[फ्रीबीएसडी लाइसेंस]] के तहत जारी)
* [http://agrum.gitlab.io aGrUM]: विभिन्न प्रकार के पीजीएम के लिए सी++ लाइब्रेरी (पायथन बाइंडिंग के साथ) जिसमें बायेसियन नेटवर्क और डायनेमिक बायेसियन नेटवर्क शामिल हैं (जीपीएलवी3 के तहत जारी)
* [https://github.com/sysbiolux/FALCON/ FALCON]: पूर्व जैविक ज्ञान को मॉडल करने के लिए विभिन्न नियमितीकरण योजनाओं सहित जैविक मात्रात्मक डेटा के साथ नियामक नेटवर्क के DBNs मॉडल के प्रासंगिकीकरण के लिए मैटलैब टूलबॉक्स (GPLv3 के तहत जारी)

श्रेणी:बायेसियन नेटवर्क


{{statistics-stub}}


[[Category: Machine Translated Page]]
[[Category:Created On 12/05/2023]]