作为图模型范畴之一的贝叶斯网络（Bayesian Network，BN），是人工智能中处理不确定性问题的建模与分析工具，其历史仅有十几年，但其发展与应用已取得了令人瞩目的成就。沿时间轴变化的BN即构成了动态贝叶斯网络（Dynamic Bayesian Network，DBN）。DBN理论是人工智能学科中序列信号处理的有力工具，作为解决不确定性问题及自动思维问题的新兴分支学科，由于其在处理不确定性复杂问题方面的独特优点，在机器学习领域的作用也越来越重要。国外早期的研究主要集中在贝叶斯网络及其动态系统基本的原理和推理算法。20世纪90年代中期以来，由于自主控制等领域的迫切需求．DBN的研究热点已集中于各种高效的推理算法、从数据序列中进行概率图模型结构及参数学习的各种方法。随着深度神经网络和自动思维技术的发展，如何基于海量数据进行序列信息的自动数据挖掘以及将复杂智能网络与自动思维相结合，已经成为认知科学领域的核心问题，而DBN在智能信息处理方面的理论和应用将为这一热点领域提供思路。
本书全面系统地介绍了DBN的相关理论，重点介绍了BN及其动态系统的经典应用和国内外的新发展。全书共10章。第1章概述了BN的产生与发展，基本操作及表达：第2章为本书静态网络的理论基础部分；第3章由浅入深地引出DBN的基本概念及研究方向；第4章为DBN相关数学基础内容；第5章在第4章基础上，详细讨论了三类DBN的推理，即隐变量离散、隐变量连续、隐变量混合DBN推理；第6章讨论并推导出DBN结构度量机制：第7章刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计：第8章将DBN理论用于自主优化及动态数据挖掘；第9章从以往无人战斗机路径规划中使用的方法以及涉及的定义、术语等出发，讨论了静态路径规划、动态路径规’划及空间路径规划三方面的基本问题；第10章介绍了作者近年来开展的基于动态贝叶斯图模型的智能人机交互应用。附录部分给出了与DBN结构度量相关定理、性质的证明，为读者进一步研究和学习DBN提供参考。
本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的总结，相关研究工作始于作者在攻读博士学位及在清华大学信息与工程本书1.4节、6.2节及10.2节由高嵩编撰，其余章节均由肖秦琨撰写。在本书的编写过程中，得到了加拿大维多利亚大学Li KinFun教授和新加坡意法半导体公司亚太研究中心王海云博士的悉心指导，特向他们表示衷心感谢。
本书的研究工作是在多项国家级研究资助下开展的，包括国家自然科学基金（60972095，61271362，61671362）、陕西省自然科学基金（2017JM6041）。同时，本书的出版得到了“西安工业大学专著出版基金”的资助，在此一并表示感谢。
由于涉及内容广泛及限于作者的学识水平，书中疏漏和不当之处在所难免，希望读者不吝赐教指正。
本书全面系统地介绍了DBN的相关理论，重点介绍了BN及其动态系统的经典应用和国内外的新发展。全书共10章。第1章概述了BN的产生与发展，基本操作及表达：第2章为本书静态网络的理论基础部分；第3章由浅入深地引出DBN的基本概念及研究方向；第4章为DBN相关数学基础内容；第5章在第4章基础上，详细讨论了三类DBN的推理，即隐变量离散、隐变量连续、隐变量混合DBN推理；第6章讨论并推导出DBN结构度量机制：第7章刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计：第8章将DBN理论用于自主优化及动态数据挖掘；第9章从以往无人战斗机路径规划中使用的方法以及涉及的定义、术语等出发，讨论了静态路径规划、动态路径规’划及空间路径规划三方面的基本问题；第10章介绍了作者近年来开展的基于动态贝叶斯图模型的智能人机交互应用。附录部分给出了与DBN结构度量相关定理、性质的证明，为读者进一步研究和学习DBN提供参考。
本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的总结，相关研究工作始于作者在攻读博士学位及在清华大学信息与工程本书1.4节、6.2节及10.2节由高嵩编撰，其余章节均由肖秦琨撰写。在本书的编写过程中，得到了加拿大维多利亚大学Li KinFun教授和新加坡意法半导体公司亚太研究中心王海云博士的悉心指导，特向他们表示衷心感谢。
本书的研究工作是在多项国家级研究资助下开展的，包括国家自然科学基金（60972095，61271362，61671362）、陕西省自然科学基金（2017JM6041）。同时，本书的出版得到了“西安工业大学专著出版基金”的资助，在此一并表示感谢。
由于涉及内容广泛及限于作者的学识水平，书中疏漏和不当之处在所难免，希望读者不吝赐教指正。