9781447170549 - probabilistic graphical models: principles and applications (advances in computer vision and pattern recognition) von sucar, luis enrique enrique (3 Ergebnisse)
Sprache: Englisch
Verlag: Springer, 2016
Serie: Buch 48 von 86 - Advances in Computer Vision and Pattern Recognition
- Softcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 81,51
EUR 11,69 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 1 verfügbar
Paperback. Zustand: Brand New. reprint edition. 277 pages. 9.25x6.10x0.63 inches. In Stock.
Sprache: Englisch
Verlag: Springer, 2016
Serie: Buch 48 von 86 - Advances in Computer Vision and Pattern Recognition
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 47,70
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Probabilistic Graphical Models | Principles and Applications | Luis Enrique Sucar | Taschenbuch | xxiv | Englisch | 2016 | Springer | EAN 9781447170549 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartmann[at]springer[dot]com | Anbieter: pr…eigu.
Sprache: Englisch
Verlag: Springer, 2016
Serie: Buch 48 von 86 - Advances in Computer Vision and Pattern Recognition
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 56,72
EUR 62,40 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - This accessible text/reference provides a general introduction to probabilistic graphical models (PGMs) from an engineering perspective. The book covers the fundamentals for each of the main classes of PGMs, including representation, inference and le…arning principles, and reviews real-world applications for each type of model. 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. Features: presents a unified framework encompassing all of the main classes of PGMs; describes the practical application of the different techniques; examines the latest developments in the field, covering multidimensional Bayesian classifiers, relational graphical models and causal models; provides exercises, suggestions for further reading, and ideas for research or programming projects at the end of each chapter.
