Práce se zabývá bayesovskou identifikací časově variantních normálních regresních modelů a skýtá celkem čtyři hlavní algoritmy. První dvě uvedené algoritmizace slouží pro průběžnou regularizovanou identifikaci jednoho regresního modelu. Neznámost časového vývoje tohoto modelu je u obou algoritmizací řešena technikou datově informovaného zapomínání. Volba faktoru zapomínání je u první uvedené algoritmizace prováděna pomocí variační bayesovské aproximace. Druhý algoritmus určuje hodnotu faktoru zapomínání statistickým rozhodováním.

Druhá dvojice algoritmů pohlíží na problematiku časového vývoje parametrů jako na sekvenci přepínání normálních regresních modelů. U obou těchto dávkových algoritmizací založených na variační bayesovské aproximaci je  iterativně prováděna inference nejen parametrů banky modelů, ale i aktivit těchto modelů po čas experimentu, přičemž skutečný počet modelů tvořících tuto banku je určen automaticky. Rozdíl mezi těmito algoritmy spočívá především v šumových vlastnostech přepínaných modelů.

Všechny čtyři algoritmy jsou testovány na reálné soustavě a v simulacích. Práce je doplněna krátkým úvodem do bayesovského světa, jež vysvětluje užité statistické techniky. Pro úplnost a návaznost na zmíněné algoritmy je popsána i dávková a průběžná identifikace časově invariantního normálního regresního modelu.