Description
Réseaux bayésiens, graphes de facteurs, champs aléatoires de Markov, principes du maximum a posteriori (MAP) et du maximum de vraisemblance (ML), algorithme d'élimination, algorithme somme-produit, modèles décomposables et non décomposables, algorithme de l'arbre de jonction, modèles complètement observés, algorithme d'ajustement proportionnel itératif, algorithme d'espérance-maximisation (EM), algorithme des modes conditionnels itératifs.
Texte de référence dans sa langue d’origine
Bayesian networks, factor graphs, Markov random fields, maximum a posteriori probability (MAP) and maximum likelihood (ML) principles, elimination algorithm, sum-product algorithm, decomposable and non-decomposable models, junction tree algorithm, completely observed models, iterative proportional fitting algorithm, expectation- maximization (EM) algorithm, iterative conditional modes algorithm.
Sources et références
Les dates et les sources sont conservées pour vous aider à vérifier les renseignements. Les traductions sont proposées pour faciliter la lecture; la source officielle fait référence pour les conditions et les exigences.
Référence source : https://calendar.carleton.ca/grad/courses/COMP/