搜索资源列表
Bayesian structure learning
- 贝叶斯结构学习软件包
ch2-pinlvfenxiyuxitongjiegou
- 唐向宏 编著《数字信号处理》教程书稿word版，第2章 离散系统的频率分析与系统结构-Tang Xianghong series of Digital Signal Processing Tutorial word manuscr ipt version of Chapter 2 the frequency of discrete-time systems analysis and system architecture
Bys
- 贝叶斯网络的算法，它具有结构学习，参数学习，和推理的功能。-failed to translate
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等
Example-Based_Automatic_Portraiture
- 摘 要 提出了一种基于样本学习的人脸肖像画自动生成算法.文章采用非均匀的马尔科夫随机场模型来描述肖 像画与人脸图像之间的统计关系 ,并使用基于训练样本的非参数化的概率表示 ,在贝叶斯优化的框架下设计了迭 代采样算法 ,可以自动的从人脸图像生成特定风格的肖像画.在该方法中 ,使用非均匀的统计模型是保持肖像中人 脸结构准确性的关键.文中所提供的例子表明了该文方法的有效性-Abstract In this paper , we
tswcs
- 基于小波基的树结构的贝叶斯方法，采用MCMC推断方法。-Tree structure of wavelet-based Bayesian methods using MCMC inference method.
bayesnetwork
- 用k2算法从先验概率构建贝叶斯网络，实现推理，结构学习，参数学习用贝叶斯方法。-K2 algorithm using Bayesian network built from the a priori probability to achieve reasoning, structure learning, parameter learning.
BayesianCoSegmentationOfMultipleMRImages
- 分割是在MRI analysis.We的基本问题之一，同时考虑了多种MR图像分割，其中，例如，可能是一个系列的问题经过一段时间的扫描相同的组织（的2D/3D）图像，图像的数量，或不同的切片图像的对称部分。 MR图像的多是分割份额常见的结构信息，因此他们可以协助彼此分割的程序。我们提出了一个贝叶斯共同分割算法在共享的信息整个图像是通过利用马尔可夫随机场前，和吉布斯采样后采样是有效的聘用。由于我们的共同拉动分割算法考虑到所有的图像信息的同时
MachineLearning
- MCMC方法是一种重要的模拟计算方法，马尔可夫链蒙特卡尔理论(Markov chain Monte Carlo：MCMC)的研究对建立可实际应用的统计模型开辟了广阔的前景。90年代以来，很多应用问题都存在着分析对象比较复杂与正确识别模型结构的困难。现在根据MCMC理论，通过使用专用统计软件进行MCMC模拟，可解决许多复杂性问题。此外，得益于MCMC理论的运用，使得贝叶斯(Bayes)统计得到了再度复兴，以往被认为不可能实施计算的统计方法
200207
- 贝叶斯网络拓扑结构确定方法的研究,用贝叶斯网络解决问题-Bayesian network topology in determination
BNT_SLP.tar
- 动态贝叶斯网络结构学习算法，用来检验基于BOA的DBN结构寻优体系的合理性与可行性。环境matlab 6.1以上-Dynamic Bayesian network structure learning algorithm, the DBN used to test the structure-based optimization BOA system is reasonable and feasible. Environmental m
K2
- 本算法用于贝叶斯网络的结构学习，通过筛选节点生成网络-Structure learning for Bayesian
ABCSMC_sysbio.tar
- 基于近似贝叶斯计算思想，用于系统生物学里模块功能搜索，结构筛选，参数区间权重划分。强大之处在于，练习者只须用新的生物case编一个input文件即可。输出量为模型，参数的权重。欲改进者可考虑引进粒子滤波中的权重给定方法。-Approximate Bayesian Computation in Python with GPU support。
FullBNT-1.0.4
- MIT博士生开发的功能极强大的贝叶斯网络工具箱（MATLAB环境下），支持多种参数学习和结构学习算法，内附详细说明-MIT doctoral developed extremely powerful Bayesian Network Toolbox (MATLAB environment) to support a variety of parameter learning and structure learning algorith
K2
- 贝叶斯网络K2结构学习算法，确定节点顺序，限制子节点个数 -K2 Bayesian network structure learning algorithm
9cb364be040f6248013a44a3d343b582
- 贝叶斯网络的学习 。贝叶斯网络的学习分为：结构学习和参数学习。(Bias network learning. Bias network learning is divided into: structure learning and parameter learning)
04 贝叶斯定理
- 基于matlab的贝叶斯定理在结构上的应用，以一个多自由度体系为例。(The application of Bias's theorem based on MATLAB in structure, taking a multi degree of freedom system as an example.)
BYS11
- 贝叶斯结构The proposed approach integrates target existence uncertainty and target dynamical model uncertainty using independent Markov chains within the general Bayesian fr a mework. Its performance is compared with other PD
BYS12
- 贝叶斯结构The proposed approach integrates target existence uncertainty and target dynamical model uncertainty using independent Markov chains within the general Bayesian fr a mework. Its performance is compared with other PD
Bayesian-Network-Structure-Learning-master
- 一般贝叶斯网络的构建是首先由相关领域的专家根据事物间的关系来确定出结构模型，即有向无环图，然后再利用其它方法确定每个节点的条件概率，但这样构建的网络模型无法保证其客观性和可靠性．(In general, the construction of Bayesian network is to determine the structural model, i.e. directed acyclic graph, by experts in