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