Fouad Sabry

Réseau bayésien (eBook, ePUB)

Modélisation de l'incertitude dans les systèmes robotiques
Übersetzer: Souplet, Nicholas

• Format: ePub

Produktbeschreibung

1 : Réseau bayésien : approfondir les concepts fondamentaux des réseaux bayésiens et leurs applications.

2 : Modèle statistique : explorer le cadre des modèles statistiques essentiels à l'interprétation des données.

3 : Fonction de vraisemblance : comprendre l'importance des fonctions de vraisemblance dans le raisonnement probabiliste.

4 : Inférence bayésienne : découvrir comment l'inférence bayésienne améliore les processus de prise de décision avec les données.

5 : Reconnaissance de modèles : étudier les méthodes de reconnaissance de modèles dans des ensembles de données complexes.

6 : Statistiques suffisantes : découvrir comment des statistiques suffisantes simplifient l'analyse des données tout en conservant les informations.

7 : Processus gaussien : examiner les processus gaussiens et leur rôle dans la modélisation de l'incertitude.

8 : Probabilité postérieure : comprendre le calcul des probabilités postérieures pour des prédictions éclairées.

9 : Modèle graphique : comprendre la structure et l'utilité des modèles graphiques dans la représentation des relations.

10 : Probabilité a priori : étudier l'importance des probabilités a priori dans le raisonnement bayésien.

11 : Échantillonnage de Gibbs : apprenez les techniques d'échantillonnage de Gibbs pour un échantillonnage statistique efficace.

12 : Estimation a posteriori maximale : découvrez l'estimation MAP comme méthode d'optimisation des modèles bayésiens.

13 : Champ aléatoire conditionnel : explorez l'utilisation des champs aléatoires conditionnels dans la prédiction structurée.

14 : Distribution multinomiale de Dirichlet : comprenez la distribution multinomiale de Dirichlet dans l'analyse de données catégorielles.

15 : Modèles graphiques pour la structure des protéines : étudiez les applications des modèles graphiques en bioinformatique.

16 : Modèles de graphes aléatoires de famille exponentielle : explorez les graphes aléatoires de famille exponentielle pour l'analyse de réseau.

17 : Théorème de Bernstein-von Mises : découvrez les implications du théorème de Bernstein-von Mises en statistique.

18 : Modélisation hiérarchique bayésienne : explorez les modèles hiérarchiques pour l'analyse de structures de données complexes.

19 : Graphoïde : comprenez le concept de graphoïdes et leur signification dans les relations de dépendance.

20 : Réseau de dépendance (modèle graphique) : étudier les réseaux de dépendance dans des cadres de modèles graphiques.

21 : Numérique probabiliste : examiner les numériques probabilistes pour des méthodes de calcul améliorées.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Un Milliard De Personnes Informées [French]
• Seitenzahl: 491
• Erscheinungstermin: 18. Dezember 2024
• Französisch
• ISBN-13: 6610000687886
• Artikelnr.: 72637027