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...

Descripció completa

Dades bibliogràfiques

Autor principal:	Sucar, Luis Enrique (autor)
Altres autors:	Nicholson, Ann E. (prólogo) (prólogo)
Format:	Llibre
Idioma:	anglès
Publicat:	Londres, Inglaterra : Springer, 2021, c2021
Edició:	2a edición
Col·lecció:	(Advances in Computer Vision and Pattern Recognition)
Matèries:	Aprendizaje Automático (Inteligencia Artificial) Inteligencia Artificial Proceso de Datos Métodos Gráficos Modelos Matemáticos - > Tema Principal Toma de Decisiones - > Teoría Estadística Bayesiana Estadística Probabilidad - > Tema Principal Matemáticas
Accés en línia:	Ver documento en línea
Etiquetes:	Afegir etiqueta Sense etiquetes, Sigues el primer a etiquetar aquest registre!