4、概率图模型：Template Modles

　　本章总结几个模板模型：动态贝叶斯、隐马尔科夫和Plate模型

1 OverView of Template Models

　　为了达到不用每一都对问题建立模型，而是每次都对某一类问题有一个统一的模型进行处理，而提出了模板模型。模板模型（template model）编码了具有重复结构和共享参数的模型。从而使图模型的描述方式更加的紧凑，可以应用于无限大的贝叶斯网络。主要包括模板变量（Template variables）和语言（language）。

　　模板变量（Template variables）是图模型中多次被实例化的变量；模版模型语言（language）描述了模版变量如何从模版中继承依赖关系。典型的Template Models可以分为两类：

　　1）时序过程上的重复（Temporal Models）: 动态贝叶斯模型（DBN）、隐马尔科夫模型（HMM） 
　　2）对象关系上的重复（Plate Models）: 有向或无向

2 DBNs 动态贝叶斯网络（时序模型）

　　对于一个贝叶斯网络，可能在下一时刻，模型中的variables不仅仅依赖于当前时刻的其他variables，还可能依赖于上一个时刻的variables，整个模型内variables的变化是动态的，因此要将时间这一个因素考虑进去，并且当前时刻的variables中的values，会被下一个时刻的values所替代，因此整个variables没有变化，变化的是里面的values，这也是一种Template Model。

2.1 轨迹（Trajectory）

　　表示的是在时间点 t 时，系统的状态变量（Template variables）集 X 。

4、概率图模型：Template Modles

原文：http://www.cnblogs.com/yangrenzhi/p/7499392.html