Probabilistic graphical models: principles and techniques

Medientyp: Buch

Titel: Probabilistic graphical models : principles and techniques

Enthält: 1. Introduction -- 2. Foundations -- I. Representation -- 3. Bayesian Network Representation -- 4. Undirected Graphical Models -- 5. Local Probabilistic Models -- 6. Template-Based Representations -- 7. Gaussian Network Models -- 8. Exponential Family -- II. Inference -- 9. Exact Inference: Variable Elimination -- 10. Exact Inference: Clique Trees -- 11. Inference as Optimization -- 12. Particle-Based Approximate Inference -- 13. MAP Inference -- 14. Inference in Hybrid Networks -- 15. Inference in Temporal Models -- III. Learning -- 16. Learning Graphical Models: Overview -- 17. Parameter Estimation -- 18. Structure Learning in Bayesian Networks -- 19. Partially Observed Data -- 20. Learning Undirected Models -- IV. Actions and Decisions -- 21. Causality -- 22. Utilities and Decisions -- 23. Structured Decision Problems -- 24. Epilogue -- A. Background Material.

Beteiligte: Koller, Daphne [VerfasserIn]; Friedman, Nir [VerfasserIn]

Erschienen: Cambridge, Mass.; London: MIT Press, 2009

Umfang: XXXV, 1233 Seiten; Illustrationen; 24 cm

Sprache: Englisch

ISBN: 9780262013192; 0262013193

RVK-Notation: QH 233 : Häufigkeitsverteilungen. Stichprobenverteilungen. Schätztheorie. Testtheorie. Statistische Entscheidungstheorie
ST 600 : Mathematik, Statistik
SK 830 : Statistische Entscheidungstheorie
SK 890 : Ganzzahlige und kombinatorische Optimierung, Graphentheorie

Schlagwörter: Statistische Schlussweise > Unsicherheit > Graphisches Modell

Entstehung:

Anmerkungen: *Hier auch später erschienene, unveränderte Nachdrucke*
5. Nachdr., geänderte Seitenzählung!

Beschreibung: 1. Introduction -- 2. Foundations -- I. Representation -- 3. Bayesian Network Representation -- 4. Undirected Graphical Models -- 5. Local Probabilistic Models -- 6. Template-Based Representations -- 7. Gaussian Network Models -- 8. Exponential Family -- II. Inference -- 9. Exact Inference: Variable Elimination -- 10. Exact Inference: Clique Trees -- 11. Inference as Optimization -- 12. Particle-Based Approximate Inference -- 13. MAP Inference -- 14. Inference in Hybrid Networks -- 15. Inference in Temporal Models -- III. Learning -- 16. Learning Graphical Models: Overview -- 17. Parameter Estimation -- 18. Structure Learning in Bayesian Networks -- 19. Partially Observed Data -- 20. Learning Undirected Models -- IV. Actions and Decisions -- 21. Causality -- 22. Utilities and Decisions -- 23. Structured Decision Problems -- 24. Epilogue -- A. Background Material

Probabilistic graphical models : principles and techniques

Merkliste

Exemplare

Zentralbibliothek – Freihand

Bestand der TU Dresden

Zentralbibliothek

Nur in Feld suchen:

Zuletzt gesuchte Begriffe:

Zentralbibliothek – Freihand

Bestand der TU Dresden

Zentralbibliothek