Pattern recognition and machine learning / Christopher M. Bishop

Public ISBD Titre : Pattern recognition and machine learning Type de document : texte imprimé Auteurs : Christopher M. Bishop, Auteur Editeur : New York : Springer Année de publication : 2006 Collection : Information science and statistics Importance : 1 vol. (738 p.) Présentation : ill. Format : 25 cm ISBN/ISSN/EAN : 978-0-387-31073-2 Note générale : Bibliogr. p. 711-728 Langues : Anglais (eng) Catégories : Informatique Mots-clés : Perception des structures Reconnaissance multivues Apprentissage automatique Modèles linéaires (statistique) Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : C'est le premier manuel sur la reconnaissance des formes qui présente la perspective bayésienne. Le livre présente des algorithmes d'inférence approximatifs qui permettent des réponses approximatives rapides dans des situations où les réponses exactes ne sont pas réalisables. Il utilise des modèles graphiques pour décrire les distributions de probabilité quand aucun autre livre n'applique des modèles graphiques à l'apprentissage automatique. Aucune connaissance préalable des concepts de reconnaissance de formes ou d'apprentissage automatique n'est supposée. La connaissance du calcul multivarié et de l'algèbre linéaire de base est requise, et une certaine expérience dans l'utilisation des probabilités serait utile mais pas essentielle car le livre comprend une introduction autonome à la théorie des probabilités de base. Note de contenu : Sommaire : 1. Introduction 2. Probability distributions 3. Linear models for regression 4. Linear models for classification 5. Neural networks 6. Kernel methods 7. Sparse Kernel machines 8. Graphical models 9. Mixture models and EM 10. Approximate inference 11. Sampling methods 12. Continuous latent variables 13. Sequential data 14. Combining models Côte titre : Fs/19818 Pattern recognition and machine learning [texte imprimé] / Christopher M. Bishop, Auteur . - New York : Springer, 2006 . - 1 vol. (738 p.) : ill. ; 25 cm. - (Information science and statistics) . ISBN : 978-0-387-31073-2 Bibliogr. p. 711-728 Langues : Anglais (eng) Catégories : Informatique Mots-clés : Perception des structures Reconnaissance multivues Apprentissage automatique Modèles linéaires (statistique) Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : C'est le premier manuel sur la reconnaissance des formes qui présente la perspective bayésienne. Le livre présente des algorithmes d'inférence approximatifs qui permettent des réponses approximatives rapides dans des situations où les réponses exactes ne sont pas réalisables. Il utilise des modèles graphiques pour décrire les distributions de probabilité quand aucun autre livre n'applique des modèles graphiques à l'apprentissage automatique. Aucune connaissance préalable des concepts de reconnaissance de formes ou d'apprentissage automatique n'est supposée. La connaissance du calcul multivarié et de l'algèbre linéaire de base est requise, et une certaine expérience dans l'utilisation des probabilités serait utile mais pas essentielle car le livre comprend une introduction autonome à la théorie des probabilités de base. Note de contenu : Sommaire : 1. Introduction 2. Probability distributions 3. Linear models for regression 4. Linear models for classification 5. Neural networks 6. Kernel methods 7. Sparse Kernel machines 8. Graphical models 9. Mixture models and EM 10. Approximate inference 11. Sampling methods 12. Continuous latent variables 13. Sequential data 14. Combining models Côte titre : Fs/19818

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/19818	Fs/19818	Livre	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)