动态贝叶斯网络
我们已经在静态世界的上下文中发展了用于概率推理的技术，在这里每个随机变量都有一个唯一的固定取值。例如，在修理汽车时，我们总是假设在整个诊断过程中发生故障的部分一直都是有故障的（与时间无关）；我们的 任务是根据已观察到的证据推断汽车的状态，而这个状态是保持不变的。但是现实世界中的事件往往都是与时间有关系的，是动态的，对于这样的动态情景该如何建模？
精确复制的，并且动态贝叶斯网络表示的是一个一阶马尔可夫过程，所以每个变量的父节点
http://hi.baidu.com/feixue2015/item/b54e0314f18a3d0fd1d66d1e