Probabilistic Graphical Models : Principles and Aplications /
Contiene: I). Fundamentos: 1. Introducción; 2. Teoría de probabilidad; 3. Teoría gráfica. II) Modelos probabilísticos: 4. Clasificadores bayesianos; 5. Modelos ocultos de Markov; 6. Campos aleatorios de Markov; 7. Redes bayesianas: representación e inferencia; 8. Redes bayesianas: aprendizaje; 9. Re...
Wedi'i Gadw mewn:
| Prif Awdur: | |
|---|---|
| Awduron Eraill: | |
| Fformat: | Llyfr |
| Iaith: | Saesneg |
| Cyhoeddwyd: |
Londres, Inglaterra :
Springer,
2021, c2021
|
| Rhifyn: | 2a edición |
| Cyfres: | (Advances in Computer Vision and Pattern Recognition)
|
| Pynciau: | |
| Mynediad Ar-lein: | Ver documento en línea |
| Tagiau: |
Dim Tagiau, Byddwch y cyntaf i dagio'r cofnod hwn!
|
Eitemau Tebyg: Probabilistic Graphical Models :
- Probabilistic Graphical Models : Principles and Aplications /
- Probabilistic Graphical Models : Principles and Techniques /
- Probabilistic Machine Learning : An Introduction /
- Probabilistic Machine Learning : Advanced Topics /
- Bayesian Artificial Intelligence /
- Bayesian Reasoning and Gaussian Processes for Machine Learning Applications /