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...
Na minha lista:
| Autor principal: | |
|---|---|
| Outros Autores: | |
| Formato: | Livro |
| Idioma: | inglês |
| Publicado em: |
Londres, Inglaterra :
Springer,
2021, c2021
|
| Edição: | 2a edición |
| coleção: | (Advances in Computer Vision and Pattern Recognition)
|
| Assuntos: | |
| Acesso em linha: | Ver documento en línea |
| Tags: |
Sem tags, seja o primeiro a adicionar uma tag!
|
Seja o primeiro a deixar um comentário!