27
Gambar 2.3 Pohon Keputusan Teorema Bayes
2.5.1.
Bayesian Jaringan Dinamis
Sebelum beralih
ke
jaringan
Bayesian, kita
berhenti
sejenak
untuk
mempertimbangkan metode
sementara.
Sementara
semua
metode
memaintain
keadaan
representasi dan beroperasi
tersembunyinya dalam domain
waktu diskrit, ada perbedaan
danketerbatasan
yang
sangat
signifikan.
Hal
ini menjadi
pertimbangan
sepanjang
sumbu linearity, interpretability, factorization, and extensibility.
Linearity. Teknik
Kalman
fi
ltering
dasarnya
linier:
mengasumsikan
bahwa
keadaan berturut-turut
terkait
dengan
transformasi
linear,
dan
bahwa
keadaan
dan
observasi
variabel
terkait
dengan
transformasi
linier.
Meskipun
berbagai
skema
telah dikembangkan
untuk pemodelan
sistem
nonlinear dengan Kalman
filters
(Anderson
&
Moore
1979),
mereka
cenderung rumit
dan
diterapkan
secara
terbatas.
Sebaliknya,
baik
HMMs
dan
NNS
secara
alami
cocok
untuk
model
proses
nonlinier.
Dalam
HMMs, kemampuan
ini berasal
dari kesewenang-wenangan
probabilitas
 |