Nouvelles paramétrisations de réseaux bayésiens et leur estimation implicite : famille exponentielle naturelle et mélange infini de Gaussienne

Nouvelles paramétrisations de réseaux bayésiens et leur estimation implicite : famille exponentielle naturelle et mélange infini de Gaussienne

L apprentissage d un réseau Bayésien consiste à estimer le graphe (la structure) et les paramètres des distributions de probabilités conditionnelles associées à ce graphe. Les algorithmes d apprentissage de réseaux Bayésiens utilisent en pratique une approche Bayésienne classique d estimation a post...

Full description

Saved in:
Bibliographic Details
Main Authors : Jarraya Siala Aida (Auteur), Leray Philippe (Directeur de thèse), Masmoudi Afif (Directeur de thèse)
Corporate Authors : Université de Nantes 1962-2021 (Organisme de soutenance), Université de Nantes Faculté des sciences et des techniques (Organisme de soutenance), École doctorale Sciences et technologies de l'information et mathématiques Nantes (Organisme de soutenance)
Format : Thesis
Language : français
Title statement : Nouvelles paramétrisations de réseaux bayésiens et leur estimation implicite : famille exponentielle naturelle et mélange infini de Gaussienne / Adeel Anjum; sous la direction de Philippe Leray, Alif Masmoudi
Published : [S.l.] : [s.n.] , 2013
Online Access : Via Nantes Université network
Note de thèse : Thèse de doctorat : Informatique : Nantes : 2013
Subjects :
Fonctions exponentielles
Statistique bayésienne
Processus gaussiens
Thèses et écrits académiques
Related Items : Is reproduction of: Nouvelles paramétrisations de réseaux bayésiens et leur estimation implicite

Internet

https://archive.bu.univ-nantes.fr/pollux/show/show?id=aef89743-c009-457d-8c27-a888655a4e58