SØG - mellem flere end 8 millioner bøger:
Viser: Bayesian Reasoning and Machine Learning
Bayesian Reasoning and Machine Learning Vital Source e-bog
David Barber
(2012)
Bayesian Reasoning and Machine Learning Vital Source e-bog
David Barber
(2012)
Bayesian Reasoning and Machine Learning
David Barber
(2012)
Sprog: Engelsk
Detaljer om varen
- 1. Udgave
- Vital Source searchable e-book (Reflowable pages)
- Udgiver: Cambridge University Press (Februar 2012)
- ISBN: 9781139636063
Bookshelf online: 5 år fra købsdato.
Bookshelf appen: ubegrænset dage fra købsdato.
Udgiveren oplyser at følgende begrænsninger er gældende for dette produkt:
Print: 5 sider kan printes ad gangen
Copy: højest 5 sider i alt kan kopieres (copy/paste)
Detaljer om varen
- Vital Source searchable e-book (Fixed pages)
- Udgiver: Cambridge University Press (Februar 2012)
- ISBN: 9781139118729
Bookshelf online: 5 år fra købsdato.
Bookshelf appen: ubegrænset dage fra købsdato.
Udgiveren oplyser at følgende begrænsninger er gældende for dette produkt:
Print: -1 sider kan printes ad gangen
Copy: højest -1 sider i alt kan kopieres (copy/paste)
Detaljer om varen
- Hardback: 735 sider
- Udgiver: Cambridge University Press (Februar 2012)
- ISBN: 9780521518147
Part I. Inference in Probabilistic Models:
1. Probabilistic reasoning;
2. Basic graph concepts;
3. Belief networks;
4. Graphical models;
5. Efficient inference in trees;
6. The junction tree algorithm;
7. Making decisions;
Part II. Learning in Probabilistic Models:
8. Statistics for machine learning;
9. Learning as inference;
10. Naive Bayes;
11. Learning with hidden variables;
12. Bayesian model selection;
Part III. Machine Learning:
13. Machine learning concepts;
14. Nearest neighbour classification;
15. Unsupervised linear dimension reduction;
16. Supervised linear dimension reduction;
17. Linear models;
18. Bayesian linear models;
19. Gaussian processes;
20. Mixture models;
21. Latent linear models;
22. Latent ability models;
Part IV. Dynamical Models:
23. Discrete-state Markov models;
24. Continuous-state Markov models;
25. Switching linear dynamical systems;
26. Distributed computation;
Part V. Approximate Inference:
27. Sampling;
28. Deterministic approximate inference; Appendix. Background mathematics; Bibliography; Index.