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...
Gorde:
| Egile nagusia: | |
|---|---|
| Beste egile batzuk: | |
| Formatua: | Liburua |
| Hizkuntza: | ingelesa |
| Argitaratua: |
Londres, Inglaterra :
Springer,
2021, c2021
|
| Edizioa: | 2a edición |
| Saila: | (Advances in Computer Vision and Pattern Recognition)
|
| Gaiak: | |
| Sarrera elektronikoa: | Ver documento en línea |
| Etiketak: |
Etiketarik gabe, Izan zaitez lehena erregistro honi etiketa jartzen!
|
Internet
Ver documento en línea| Sailkapena: |
519. 23 SUC
|
||
|---|---|---|---|
| Ejemplar 441008-1 |
Disponible
Préstamo en línea
|
Bilduma:
Libros electrónicos en línea
|
Oharrak:
Consultar en línea
|