डायनेमिक बायेसियन नेटवर्क: Difference between revisions
From Vigyanwiki
No edit summary |
No edit summary |
||
| Line 1: | Line 1: | ||
{{Short description|Probabilistic graphical model}} | {{Short description|Probabilistic graphical model}} | ||
[[File:Réseau bayésien dynamique.svg|frame|right|डायनेमिक बायेसियन नेटवर्क 3 चरों से बना है।]] | [[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 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। | [[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 == | == इतिहास == | ||
| Line 16: | Line 16: | ||
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 | 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 T-1) से की जा सकती है।. 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 | {{cite journal | ||
|url=http://research.microsoft.com/en-us/um/people/horvitz/dynamic_network_models_UAI_1992.pdf | |url=http://research.microsoft.com/en-us/um/people/horvitz/dynamic_network_models_UAI_1992.pdf | ||
| Line 65: | Line 65: | ||
|journal = Proceedings of the Ninth Conference on Uncertainty in Artificial Intelligence | |journal = Proceedings of the Ninth Conference on Uncertainty in Artificial Intelligence | ||
|date=1993|publisher=AUAI Press|pages=64–71}} | |date=1993|publisher=AUAI Press|pages=64–71}} | ||
</ref> | </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> | 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> | डीबीएन वैचारिक रूप से संभाव्य बूलियन नेटवर्क से संबंधित हैं <ref> | ||
| Line 87: | Line 87: | ||
|doi=10.1016/j.sigpro.2005.06.008 | |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। | </ref> और इसी तरह स्थिर-अवस्था में गतिशील प्रणालियों को मॉडल करने के लिए उपयोग किया जा सकता है। | ||
== यह भी देखें == | == यह भी देखें == | ||
* [[पुनरावर्ती बायेसियन अनुमान]] | * [[पुनरावर्ती बायेसियन अनुमान]] | ||
* [[संभाव्य तर्क नेटवर्क]] | * [[संभाव्य तर्क नेटवर्क]] | ||
* [[सामान्यीकृत फ़िल्टरिंग]] | * [[सामान्यीकृत फ़िल्टरिंग]] | ||
== संदर्भ == | == संदर्भ == | ||
Revision as of 16:32, 25 May 2023
डायनेमिक बायेसियन नेटवर्क 3 चरों से बना है।
बायेसियन नेटवर्क 3 टाइम स्टेप्स पर विकसित हुआ।
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 T-1) से की जा सकती है।. 1990 के दशक की प्रारंभ में चिकित्सा सूचना विज्ञान पर स्टैनफोर्ड विश्वविद्यालय के अनुभाग में पॉल डागम द्वारा डीबीएन विकसित किए गए थे।[1][2] डगम ने डीबीएन को पारंपरिक रैखिक 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 [3][4]
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।[5]
डीबीएन वैचारिक रूप से संभाव्य बूलियन नेटवर्क से संबंधित हैं [6] और इसी तरह स्थिर-अवस्था में गतिशील प्रणालियों को मॉडल करने के लिए उपयोग किया जा सकता है।
यह भी देखें
संदर्भ
- ↑ Paul Dagum; Adam Galper; Eric Horvitz (1992). "Dynamic Network Models for Forecasting" (PDF). Proceedings of the Eighth Conference on Uncertainty in Artificial Intelligence. AUAI Press: 41–48.
- ↑ Paul Dagum; Adam Galper; Eric Horvitz; Adam Seiver (1995). "Uncertain Reasoning and Forecasting". International Journal of Forecasting. 11 (1): 73–87. doi:10.1016/0169-2070(94)02009-e.
- ↑ Paul Dagum; Adam Galper; Eric Horvitz (June 1991). "Temporal Probabilistic Reasoning: Dynamic Network Models for Forecasting" (PDF). Knowledge Systems Laboratory. Section on Medical Informatics, Stanford University.
- ↑ Paul Dagum; Adam Galper; Eric Horvitz (1993). "Forecasting Sleep Apnea with Dynamic Network Models". Proceedings of the Ninth Conference on Uncertainty in Artificial Intelligence. AUAI Press: 64–71.
- ↑ Stuart Russell; Peter Norvig (2010). Artificial Intelligence: A Modern Approach (PDF) (Third ed.). Prentice Hall. p. 566. ISBN 978-0136042594. Archived from the original (PDF) on 20 October 2014. Retrieved 22 October 2014.
डायनेमिक बायेसियन नेटवर्क (जिसमें विशेष मामलों के रूप में छिपे हुए मार्कोव मॉडल और कलमन फिल्टर शामिल हैं)
- ↑ Harri Lähdesmäki; Sampsa Hautaniemi; Ilya Shmulevich; Olli Yli-Harja (2006). "Relationships between probabilistic Boolean networks and dynamic Bayesian networks as models of gene regulatory networks". Signal Processing. 86 (4): 814–834. doi:10.1016/j.sigpro.2005.06.008. PMC 1847796. PMID 17415411.
अग्रिम पठन
- Murphy, Kevin (2002). Dynamic Bayesian Networks: Representation, Inference and Learning. UC Berkeley, Computer Science Division.
- Ghahramani, Zoubin (1997). "Learning Dynamic Bayesian Networks". Adaptive Processing of Sequences and Data Structures. pp. 168–197. CiteSeerX 10.1.1.56.7874. doi:10.1007/BFb0053999. ISBN 978-3-540-64341-8.
{{cite book}}:|journal=ignored (help) - Friedman, N.; Murphy, K.; Russell, S. (1998). Learning the structure of dynamic probabilistic networks. UAI’98. Morgan Kaufmann. pp. 139–147. CiteSeerX 10.1.1.75.2969.
सॉफ्टवेयर
- bnt on GitHub: मैटलैब के लिए बेयस नेट टूलबॉक्स, केविन मर्फी द्वारा, (जीएनयू जनरल पब्लिक लाइसेंस के तहत जारी)
- 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।
- DBmcmc : मैटलैब के लिए एमसीएमसी के साथ डायनामिक बायेसियन नेटवर्क का उल्लेख (मुफ्त सॉफ्टवेयर)
- GlobalMIT Matlab toolbox at Google Code: डायनेमिक बायेसियन नेटवर्क के वैश्विक अनुकूलन के माध्यम से मॉडलिंग जीन नियामक नेटवर्क (जीएनयू जनरल पब्लिक लाइसेंस के तहत जारी)
- 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)
- 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)
- 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
 | This statistics-related article is a stub. You can help Wikipedia by expanding it. |
