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...
Guardat en:
| Autor principal: | |
|---|---|
| Altres autors: | |
| Format: | Llibre |
| Idioma: | anglès |
| Publicat: |
Londres, Inglaterra :
Springer,
2021, c2021
|
| Edició: | 2a edición |
| Col·lecció: | (Advances in Computer Vision and Pattern Recognition)
|
| Matèries: | |
| Accés en línia: | Ver documento en línea |
| Etiquetes: |
Sense etiquetes, Sigues el primer a etiquetar aquest registre!
|
Ítems similars: Probabilistic Graphical Models :
- Probabilistic Graphical Models : Principles and Aplications /
- Probabilistic Graphical Models : Principles and Techniques /
- Probabilistic Machine Learning : An Introduction /
- Bayesian Artificial Intelligence /
- Probabilistic Machine Learning : Advanced Topics /
- Bayesian Reasoning and Gaussian Processes for Machine Learning Applications /