动态贝叶斯网络（Dynamic Bayesian Network， DBN），是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络，因为DBN在任意时间点T，变量的值可以从内在的回归量和直接先验值（time T-1）计算。DBNs常用于机器人技术中，并已经被证明在大量的数据挖掘应用中的有巨大潜力。例如，DBNs已经被用在语音识别、数字取证、蛋白质测序和生物信息学上。DBN被证明也可以产生隐马尔科夫模型（Hidden Markov Models）及卡尔曼滤波（Kalman Filters）等价的解决方案。