基于模板的表示
Template-Based Representations
Temporal Models
马尔科夫链如上定义,每一帧变量值只和上一帧有关。给定当前一帧的信息,未来的每一帧信息都和历史信息无关,因为当前帧已经包含了所有的历史信息。
针对一个问题和场景,状态变量建模地越完全,模型的马尔可夫性就越容易得到保证。但是模型的复杂度就会提高,这里我们需要一定的权衡。
Dynamic Bayesian Network
在每个迭代步中,带撇的变量就是后一帧的,不带的就是当前帧的,每一个后一帧变量
针对于所有变量的条件概率,等于其对于界面变量(Interface Var)的条件概率。界面变量其实际上就是后一帧变量的Parents。最简单的事件模型就是隐马尔可夫模型了(单状态变量、单观测。把他看作动态贝叶斯网络,就如下所示了: