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...

Whakaahuatanga katoa

Ngā taipitopito rārangi puna kōrero

Kaituhi matua:	Sucar, Luis Enrique (autor)
Ētahi atu kaituhi:	Nicholson, Ann E. (prólogo)
Hōputu:	Pukapuka
Reo:	Ingarihi
I whakaputaina:	Londres, Inglaterra : Springer, 2021, c2021
Putanga:	2a edición
Rangatū:	(Advances in Computer Vision and Pattern Recognition)
Ngā marau:	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
Urunga tuihono:	Ver documento en línea
Ngā Tūtohu:	Tāpirihia he Tūtohu Kāore He Tūtohu, Me noho koe te mea tuatahi ki te tūtohu i tēnei pūkete!