1) discrete-time Bayesian network
离散时间贝叶斯网络
1.
A new dynamic fault tree analysis method based on discrete-time Bayesian networks is proposed.
提出了一种基于离散时间贝叶斯网络的动态故障树分析方法。
2) temporal bayesian network
时间贝叶斯网络
3) discrete dynamic Bayesian network
离散动态贝叶斯网络
1.
Structure varied discrete dynamic Bayesian network and its inference algorithm;
变结构离散动态贝叶斯网络及其推理算法
2.
At the very beginning, a new inferring method was proposed, which synthesized different observable parameters of target characters based on discrete dynamic Bayesian network model.
提出基于离散动态贝叶斯网络模型,对若干可观测的目标特征参数进行综合推理。
4) interval Bayesian networks
区间贝叶斯网络
5) variable structure discrete dynamic bayesian networks
变结构离散动态贝叶斯网络
6) elastic variable structure discrete dynamic bayesian networks
弹性变结构离散动态贝叶斯网络
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条