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...

Descripción completa

Detalles Bibliográficos

Autor principal:	Sucar, Luis Enrique (autor)
Otros autores:	Nicholson, Ann E. (prólogo)
Formato:	Libro
Idioma:	Inglés
Publicado:	Londres, Inglaterra : Springer, 2021, c2021
Edición:	2a edición
Colección:	(Advances in Computer Vision and Pattern Recognition)
Temas:	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
Acceso en línea:	Ver documento en línea
Etiquetas:	Agrega una etiqueta Sin etiquetas, Sé el primero en etiquetar este registro!