Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Probabilistic Graphical Models

Principles and Applications - Previously published in hardcover
BuchKartoniert, Paperback
253 Seiten
Englisch
Springererschienen am09.10.2016Softcover reprint of the original 1st ed. 2015
These applications are drawn from a broad range of disciplines, highlighting the many uses of Bayesian classifiers, hidden Markov models, Bayesian networks, dynamic and temporal Bayesian networks, Markov random fields, influence diagrams, and Markov decision processes.mehr
Verfügbare Formate
BuchKartoniert, Paperback
EUR50,28
BuchGebunden
EUR69,54
BuchKartoniert, Paperback
EUR53,49
E-BookPDF1 - PDF WatermarkE-Book
EUR50,28
E-BookPDF1 - PDF WatermarkE-Book
EUR53,49

Produkt

KlappentextThese applications are drawn from a broad range of disciplines, highlighting the many uses of Bayesian classifiers, hidden Markov models, Bayesian networks, dynamic and temporal Bayesian networks, Markov random fields, influence diagrams, and Markov decision processes.
Details
ISBN/GTIN978-1-4471-7054-9
ProduktartBuch
EinbandartKartoniert, Paperback
Verlag
Erscheinungsjahr2016
Erscheinungsdatum09.10.2016
AuflageSoftcover reprint of the original 1st ed. 2015
ReiheAdvances in Computer Vision and Pattern Recognition
Seiten253 Seiten
SpracheEnglisch
Gewicht364 g
IllustrationenXXIV, 253 p. 117 illus., 4 illus. in color.
Artikel-Nr.40397777

Inhalt/Kritik

Inhaltsverzeichnis
Part I: Fundamentals.- Introduction.- Probability Theory.- Graph Theory.- Part II: Probabilistic Models.- Bayesian Classifiers.- Hidden Markov Models.- Markov Random Fields.- Bayesian Networks: Representation and Inference.- Bayesian Networks: Learning.- Dynamic and Temporal Bayesian Networks.- Part III: Decision Models.- Decision Graphs.- Markov Decision Processes.- Part IV: Relational and Causal Models.- Relational Probabilistic Graphical Models.- Graphical Causal Models.mehr

Schlagworte