Zobrazeno 1 - 10
of 18
pro vyhledávání: '"CLASSIFICATION EM ALGORITHM"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Janečková, Lucie
This thesis deals with classification based on mixture models, mainly on models finite normal. At first, there are introduced basic definitions and characteristics of finite mix- tures. Afterwards there is described the maximum likelihood method and
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______2186::e95b45dc473c4efd637e36db7f27c117
http://www.nusl.cz/ntk/nusl-509850
http://www.nusl.cz/ntk/nusl-509850
The article studies different methods for estimating the Viterbi path in the Bayesian framework. The Viterbi path is an estimate of the underlying state path in hidden Markov models (HMMs), which has a maximum joint posterior probability. Hence it is
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::8a23eea90529fa3fcba60b5076bbd603
http://arxiv.org/abs/1802.01630
http://arxiv.org/abs/1802.01630
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Susana Faria, Gilda Soromenho
Publikováno v:
Repositório Científico de Acesso Aberto de Portugal
Repositório Científico de Acesso Aberto de Portugal (RCAAP)
instacron:RCAAP
Repositório Científico de Acesso Aberto de Portugal (RCAAP)
instacron:RCAAP
Submitted by Gilda Soromenho Pereira (gspereira@ie.ul.pt) on 2011-11-03T18:49:34Z No. of bitstreams: 1 Fitting mixtures of linear regressions.pdf: 569000 bytes, checksum: ff0831e8f0265bcaf8ab8862e0ca9cf4 (MD5) Approved for entry into archive by Felic
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::4592dd29c7ae9fbe78ab6aa89e8d903e
Autor:
Faria, Susana, Soromenho, Gilda
In this work, we propose to compare two algorithms to compute maximum likelihood estimators of the parameters of a mixture Poisson regression models. To estimate these parameters, we may use the EM algorithm in a mixture approach or the CEM algorithm
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______307::86b9be69792e30e5213ae3d79c4e00dd
https://hdl.handle.net/1822/26551
https://hdl.handle.net/1822/26551
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.