书目信息 |
| 题名： |
概率图模型原理与应用
|
|
| 作者： | 苏卡尔 著 ；郭涛 译 | |
| 分册： | ||
| 出版信息： | 北京 清华大学出版社 2022.09 |
|
| 页数： | XIX, 288页 | |
| 开本： | 24cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | O211 | |
| 科图分类： | ||
| 主题词： | 概率--gai lu^--数学模型 | |
| 电子资源： | ||
| ISBN： | 978-7-302-61078-6 | |
| 000 | 01523nam0 2200301 450 | |
| 001 | 488753 | |
| 010 | @a978-7-302-61078-6@dCNY128.00 | |
| 100 | @a20220906d2022 em y0chiy50 ea | |
| 101 | 1 | @achi@cspa |
| 102 | @aCN@b110000 | |
| 105 | @aa z 000yy | |
| 106 | @ar | |
| 200 | 1 | @a概率图模型原理与应用@Agai lu^ tu mo xing yuan li yu ying yong@f(墨) 路易斯·恩里克·苏卡尔著@g郭涛译 |
| 210 | @a北京@c清华大学出版社@d2022.09 | |
| 215 | @aXIX, 288页@c图@d24cm | |
| 305 | @a据原书第2版译出 | |
| 306 | @a由德国施普林格公司授权出版 | |
| 312 | @a英文题名取自封面 | |
| 314 | @a路易斯·恩里克·苏卡尔, 墨西哥普埃布拉国家天体物理、光学和电子学研究所 (INAOE) 的高级研究科学家。郭涛, 主要从事模式识别、人工智能、机器人、软件工程、地理人工智能 (GeoAI)、时空大数据挖掘与分析等前沿交叉研究。 | |
| 330 | @a本书纳入部分可观察马尔可夫决策过程、图模型、深度学习等新章节, 附有大量精选的练习题。本书涵盖PGM每个主要分类的基础知识 (表征、推理和学习原理等), 列出每类模型在多个学科的实际应用, 浓墨重彩地描述贝叶斯分类器、隐马尔可夫模型、贝叶斯网络、动态贝叶斯网络、时态贝叶斯网络、马尔可夫随机场、影响图和马尔可夫决策过程的许多用途。对于将PGM应用于研究领域或对PGM基础知识感兴趣的专业人士而言, 可将本书用作参考书。 | |
| 510 | 1 | @aProbabilistic graphical models: principles and appliations@zeng |
| 606 | 0 | @a概率@Agai lu^@x数学模型 |
| 690 | @aO211@v5 | |
| 701 | 1 | @a苏卡尔@Asu ka er@g(Sucar, Luis Enrique)@4著 |
| 702 | 0 | @a郭涛@Aguo tao@4译 |
| 801 | 0 | @aCN@c20220906 |
| 905 | @a河南城建学院图书馆@dO211@eS810 | |
| 906 | @aRTGM | |
| 概率图模型原理与应用/(墨) 路易斯·恩里克·苏卡尔著/郭涛译.-北京：清华大学出版社，2022.09 |
| XIX, 288页：图；24cm |
| ISBN 978-7-302-61078-6：CNY128.00 |
| 本书纳入部分可观察马尔可夫决策过程、图模型、深度学习等新章节, 附有大量精选的练习题。本书涵盖PGM每个主要分类的基础知识 (表征、推理和学习原理等), 列出每类模型在多个学科的实际应用, 浓墨重彩地描述贝叶斯分类器、隐马尔可夫模型、贝叶斯网络、动态贝叶斯网络、时态贝叶斯网络、马尔可夫随机场、影响图和马尔可夫决策过程的许多用途。对于将PGM应用于研究领域或对PGM基础知识感兴趣的专业人士而言, 可将本书用作参考书。 |
| ● |
| 相关链接 |
|
|
|
正题名：概率图模型原理与应用
索取号：O211/S810
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1598661 | 215986618 | 自科库401/401自科库 47排5列1层/ [索取号:O211/S810] | 在馆 |