Parameter Updating in a Bayes Network
贝叶斯网络中的参数更新AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究离散时间动态线性模型及延迟观测更新，直接涉及时间序列方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
贝叶斯网络中的参数更新
- 研究问题
- 如何把贝叶斯网络作为动态线性模型的参数更新工具，统一其计算过程，并处理非顺序到达或延迟到达的数据？
- 方法与思路
- 作者利用有向无环图中的条件概率传播表示动态线性模型，提出在线诊断、后验近似及多元高斯树的数据传播算法。
- 材料陈述的贡献
- 摘要称网络表示能够统一动态线性模型及其计算，并便利地纳入延迟数据，同时补充传统预测误差诊断与后验近似。
- 阅读关注点
- 应核对网络与动态线性模型的对应关系、延迟数据更新规则，以及在线诊断的解释和后验近似误差的评估方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明近似精度与计算复杂度，图结构本身也不足以建立因果解释。
原文摘要
A Bayes network is a directed acyclic graph in which the links are quantified by fixed conditional probabilities and the nodes represent random variables. The primary use of the network is to provide an efficient method for updating conditional probabilities in the graph. We consider the consequences of using the network as the computational device for updating parameter estimates in the dynamic linear model, a discrete time Bayesian model. We show that using the network characterizes the dynamic linear model and its computations in a unified way. The generality of the network permits nonsequential data collection and thereby provides a straightforward method of incorporating delayed data. An on-line diagnostic is offered to complement the conventional forecast error and an approximation to the posterior distribution is proposed. Algorithms for data propagation in multivariate Gaussian causal trees are presented.