Slide 7
Slide 7 text
Introduzione Framework Classificatori Apprendimento strutturale Software Sperimentazione
continuous time bayesian networks
Definizione (Nodelman 2002)
Sia X un insieme di processi di Markov X1
, X2
, . . . , XN
a tempo continuo e
con spazio degli stati finito val(Xn
) = { x1
, . . . , xJ
} (dove n = 1 , . . . , N).
X1
{ x1,1
, . . . , x1, J1
}
X2
{ x2,1
, . . . , x2, J2
}
X3
{ x3,1
, . . . , x3, J3
}
X4
{ x4,1
, . . . , x4, J4
}
X5
{ x5,1
, . . . , x5, J5
}
Continuous Time Bayesian Networks 4 / 14