دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Linda C. van der Gaag, Ad J. Feelders (eds.) سری: Lecture Notes in Computer Science 8754 Lecture Notes in Artificial Intelligence ISBN (شابک) : 9783319114323, 9783319114330 ناشر: Springer International Publishing سال نشر: 2014 تعداد صفحات: 609 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 23 مگابایت
کلمات کلیدی مربوط به کتاب مدلهای گرافیکی احتمالی: هفتمین کارگاه اروپایی، PGM 2014، اوترخت، هلند، 17-19 سپتامبر 2014. مجموعه مقالات: هوش مصنوعی (شامل رباتیک)، احتمال و آمار در علوم کامپیوتر، داده کاوی و کشف دانش، ریاضیات گسسته در علوم کامپیوتر
در صورت تبدیل فایل کتاب Probabilistic Graphical Models: 7th European Workshop, PGM 2014, Utrecht, The Netherlands, September 17-19, 2014. Proceedings به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدلهای گرافیکی احتمالی: هفتمین کارگاه اروپایی، PGM 2014، اوترخت، هلند، 17-19 سپتامبر 2014. مجموعه مقالات نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مجموعه مقالات داوری هفتمین کارگاه بینالمللی مدلهای گرافیکی احتمالی، PGM 2014، برگزار شده در اوترخت، هلند، در سپتامبر 2014 است. . این مقالات تمام جنبههای مدلهای گرافیکی برای استدلال احتمالی، تصمیمگیری و یادگیری را پوشش میدهند.
This book constitutes the refereed proceedings of the 7th International Workshop on Probabilistic Graphical Models, PGM 2014, held in Utrecht, The Netherlands, in September 2014. The 38 revised full papers presented in this book were carefully reviewed and selected from 44 submissions. The papers cover all aspects of graphical models for probabilistic reasoning, decision making, and learning.
Front Matter....Pages -
Structural Sensitivity for the Knowledge Engineering of Bayesian Networks....Pages 1-16
A Pairwise Class Interaction Framework for Multilabel Classification....Pages 17-32
From Information to Evidence in a Bayesian Network....Pages 33-48
Learning Gated Bayesian Networks for Algorithmic Trading....Pages 49-64
Local Sensitivity of Bayesian Networks to Multiple Simultaneous Parameter Shifts....Pages 65-80
Bayesian Network Inference Using Marginal Trees....Pages 81-96
On SPI-Lazy Evaluation of Influence Diagrams....Pages 97-112
Extended Probability Trees for Probabilistic Graphical Models....Pages 113-128
Mixture of Polynomials Probability Distributions for Grouped Sample Data....Pages 129-144
Trading off Speed and Accuracy in Multilabel Classification....Pages 145-159
Robustifying the Viterbi Algorithm....Pages 160-175
Extended Tree Augmented Naive Classifier....Pages 176-189
Evaluation of Rules for Coping with Insufficient Data in Constraint-Based Search Algorithms....Pages 190-205
Supervised Classification Using Hybrid Probabilistic Decision Graphs....Pages 206-221
Towards a Bayesian Decision Theoretic Analysis of Contextual Effect Modifiers....Pages 222-237
Discrete Bayesian Network Interpretation of the Cox’s Proportional Hazards Model....Pages 238-253
Minimizing Relative Entropy in Hierarchical Predictive Coding....Pages 254-270
Treewidth and the Computational Complexity of MAP Approximations....Pages 271-285
Bayesian Networks with Function Nodes....Pages 286-301
A New Method for Vertical Parallelisation of TAN Learning Based on Balanced Incomplete Block Designs....Pages 302-317
Equivalences between Maximum a Posteriori Inference in Bayesian Networks and Maximum Expected Utility Computation in Influence Diagrams....Pages 318-333
Speeding Up k -Neighborhood Local Search in Limited Memory Influence Diagrams....Pages 334-349
Inhibited Effects in CP-Logic....Pages 350-365
Learning Parameters in Canonical Models Using Weighted Least Squares....Pages 366-381
Learning Marginal AMP Chain Graphs under Faithfulness....Pages 382-395
Learning Maximum Weighted (k+1)-Order Decomposable Graphs by Integer Linear Programming....Pages 396-408
Multi-label Classification for Tree and Directed Acyclic Graphs Hierarchies....Pages 409-425
Min-BDeu and Max-BDeu Scores for Learning Bayesian Networks....Pages 426-441
Causal Discovery from Databases with Discrete and Continuous Variables....Pages 442-457
On Expressiveness of the AMP Chain Graph Interpretation....Pages 458-470
Learning Bayesian Network Structures When Discrete and Continuous Variables Are Present....Pages 471-486
Learning Neighborhoods of High Confidence in Constraint-Based Causal Discovery....Pages 487-502
Causal Independence Models for Continuous Time Bayesian Networks....Pages 503-518
Expressive Power of Binary Relevance and Chain Classifiers Based on Bayesian Networks for Multi-label Classification....Pages 519-534
An Approximate Tensor-Based Inference Method Applied to the Game of Minesweeper....Pages 535-550
Compression of Bayesian Networks with NIN-AND Tree Modeling....Pages 551-566
A Study of Recently Discovered Equalities about Latent Tree Models Using Inverse Edges....Pages 567-580
An Extended MPL-C Model for Bayesian Network Parameter Learning with Exterior Constraints....Pages 581-596
Back Matter....Pages -