تظل مهمة التعرف على الأفعال البشرية مهمة صعبة إلى حد ما بسبب التغيرات الكبيرة التي تطرأ على تنفيذ هذه الأفعال. ولحل هذه المشكلة، نقترح نموذجًا احتماليًا يُسمى النموذج الديناميكي الهرمي (HDM). باستخدام الإطار بايزي، يُسمح لمعالم النموذج بالتغير عبر تسلسلات مختلفة من البيانات، مما يعزز قدرة النموذج على التكيف مع التباينات داخل الفئة على المستويين الفراغي والزمني للأفعال. وفي الوقت نفسه، يسمح عملية التعلم التوليدية للنموذج بحفظ الأنماط الديناميكية المميزة لكل فئة من فئات الأفعال. وباستخدام الاستدلال بايزي، نتمكن من قياس درجة عدم اليقين في عملية التصنيف، مما يوفر رؤى مهمة أثناء عملية اتخاذ القرار. مقارنة بالأساليب الحالية في مجال التميز، لا يحقق نهجنا أداءً تنافسيًا في التعرف على البيانات داخل كل مجموعة بيانات فردية، بل يُظهر أيضًا قدرة أفضل على التعميم عبر مجموعات بيانات مختلفة. كما أظهرت التجارب التي أُجريت على بيانات تحتوي على قيم مفقودة مرونة وقوة نموذجنا المقترح.