来自维基百科
动态贝叶斯网络 (DBN) 是一种贝叶斯网络，它在相邻的时间步长上将变量相互关联。这通常被称为双时间片 BN，因为它表示在任何时间点 T，变量的值都可以从内部回归量和直接先验值（时间 T-1）中计算出来。DBN 在机器人技术中很常见，并且已经显示出广泛的数据挖掘应用程序的潜力。例如，它们已被用于语音识别、蛋白质测序和生物信息学。DBN 已经证明可以产生与隐马尔可夫模型和卡尔曼滤波器等效的解决方案。
- 我想知道“直接先验值（时间 T-1）”是否意味着 DBN 中的时间索引总是离散的？
- “在时间 T 的任何点，变量的值都可以从内部回归量和直接的先验值（时间 T-1）中计算出来”是否意味着 DBN 是离散时间马尔可夫过程？
如果我理解正确，HMM 也是一个离散时间马尔可夫过程，如果同时忽略状态的输出。所以我想知道HMM和DBN是不是同一个概念？但另一篇维基百科文章 说
隐马尔可夫模型 (HMM) 是一种统计马尔可夫模型，其中被建模的系统被假定为具有未观察（隐藏）状态的马尔可夫过程。HMM 可以被认为是最简单的动态贝叶斯网络。
第一篇文章中还有另一个引述：
DBN 已经证明可以产生与隐马尔可夫模型和卡尔曼滤波器等效的解决方案。
谢谢！