具有多个影响下一时间段的观测值的动态贝叶斯网络

Question

我们想学习动态贝叶斯网络（DBN），其结构如下所示。 z_i 表示状态， x_i 可观察事件和 ce_ij 附加上下文元素，这些元素会影响可观察元素的概率，而后者又描述了哪些表示系统下一步运行。 基本上，这表示一个由上下文元素扩展的概率有限自动机结构。

我们已经阅读了凯文·墨菲（Kevin Murphy）的论文，并另外搜索了其他适用的DBN类型，以找到可以表示和学习上述结构的DBN。到目前为止，不幸的是没有运气。

应用程序域应该是业务流程，其中 x_i 是流程序列的事件，而 ce_ij 是可观察的上下文信息，应提高以下内容的准确性：描述性和预测性模型。

您对如何将所需的结构实现为DBN进行培训并将其用作预测模型有什么技术主张？

谢谢！