本文介绍了无环混合图这一类新的图形类型，研究显示在此类图形上满足 $m$-separation 的独立性模型都是组合图。文章进一步关注了一类特殊的无环混合图 —— 裸带图，证明了对于任何独立性模型，裸带图的全局和成对的马尔可夫性质是等价的。

Sep, 2011

本文提出了一些标准网络模型的概括，包括随机网络、配置模型和随机块模型，将它们推广到时变网络的情况。我们假设边缘的存在和缺失受节点属性的连续时间马尔可夫过程的速率参数控制，并演示了这些模型在数据分析和统计推断中的应用。我们的方法可以通过观察边缘出现和消失的特征动态，以及节点对边缘连接的时间上的概率来估计网络演化的时间常量或推断出社区结构，我们演示了这些方法在计算机生成的测试网络和实际数据中的应用。

Jul, 2016

研究了允许存在循环和潜变量的概率图模型，并引入了带有超边的有向图，定义并分析了多个与图形结构相关的马尔可夫属性。

Oct, 2017

本文介绍了链事件图模型的概念，这种模型是离散贝叶斯网络的推广，保留了大部分的贝叶斯网络在模型审查、传播和学习方面的结构优势，并更自然地编码了非对称状态空间和事件发生的顺序。作者还演示了如何使用完全采样和基于产品狄利克雷先验的封闭式模型选择技术，并证明适当的均匀性假设表征了这种模型类别上的产品狄利克雷先验。最后，作者用两个教育示例演示了这些技术。

Apr, 2009

本文提出了一种适用于混合数据的图模型，该模型对高维数据来说简单而灵活，采用回归算法和群体套索惩罚法来拟合模型，并将其应用于 CAL500 音乐注释数据集，成功得到了将音频信号的连续特征与流派、情感和用途等分类变量之间关系的稀疏而可解释的图模型。

Apr, 2013

该文提出了一种基于马尔科夫链蒙特卡罗方法的新型推断算法，用于在连续时间模型中获得精确的后验过程的样本，实现了贝叶斯参数估计，并估计了扩散协方差。

May, 2022

本文介绍了 AMP Markov 性在高斯链图模型中的应用和最大似然估计方法，结合广义最小二乘法和迭代比例拟合得出迭代算法，并给出了一些有用的迭代算法收敛结果。

Aug, 2005

利用核对象的条件独立性分解和变量消除的辅助计算方式，定义一套有向无环混合图模型和 Tian 等人提供的约束条件，并证明 DAG 模型的边缘分布属于该模型，最后阐明该模型中对于隐藏变量因果 DAG 模型识别的简单性质。

Jan, 2017

本文研究使用离散的观察变量和不对潜在变量的状态空间作任何假设的情况下，贝叶斯网络模型中的潜在变量的完整代数特征，并证明它与所谓的嵌套马尔可夫模型代数上等价。因此，这种嵌套马尔可夫模型是避免考虑不等式的潜在变量模型的最佳描述，并且能够轻松使用显式参数化拟合。

Jan, 2015

本研究引入了一种新的离散选择模型 Pairwise Choice Markov Chain (PCMC) 来预测人类的选择，该模型在不假设传统选择理论公理的情况下具有较好的预测性能，能够取得比 Multinomial Logit (MNL) 模型更好的效果。

Mar, 2016