34
2.5.4. Kekuatan DBNs
Jaringan
Bayesian
Dinamis
secara
ideal
cocok
untuk
pemodelan
proses
temporal,
DBNs
memiliki
keuntungan
sebagai
berikut:
1.
Nonlinier.
Dengan
menggunakan
representasi
tabular
probabilitas
bersyarat,
sangat
mudah
untuk
mewakili
fenomena
nonlinier
sewenang-wenang, apalagi
mungkin
untuk
melakukan
perhitungan
yang
spesifik
dengan
DBNs
bahkan
ketika
variabel
kontinyu
dan probabilitas bersyarat yang diwakili oleh Gaussians.
2. Interpretability. Masing-masing
variabel mewakili sebuah konsep
yang spesifik.
3.
Faktorisasi.
Distribusi
gabungan
adalah
pemfaktoran sebanyak
mungkin.
Hal
ini
menyebabkan:
Efesiensi statistik. Dibandingkan dengan HMM
tidak terfaktorkan dengan kemungkinan
yang sama, DBN dengan representasi negara diperhitungkan dan jarang
hubungan antara
variabel akan memerlukan parameter secara eksponensial
lebih sedikit.
Efisiensi
komputasi.
Tergantung
dari
topologi
grafik
yang
tepat,
pengurangan dalam
model
parameter
dapat
mungkin
dibalikan
dalam
pengurangan
running
time.
4.
Extensibility.
DBNs
dapat
menangani sejumlah
besar
variabel,
memberikan struktur-
grafik yang sangat jarang.
 |