Dérivation de EM pour le GMM | EPFL Graph Search

Dans cours

Amet anim aliquip veniam quis nulla laboris. Occaecat ad in occaecat pariatur veniam commodo occaecat aute do amet in elit. Ad dolor aliqua adipisicing excepteur ullamco incididunt est ipsum mollit cupidatat ad consequat magna. Ex amet sit esse voluptate Lorem consequat eiusmod. In amet ex aute ipsum. Qui excepteur nulla ad do duis ea mollit officia veniam consectetur proident.

Connectez-vous pour voir cette section

Description

Cette séance de cours couvre le modèle de mélange gaussien (GMM), lalgorithme dexpectation-maximisation (EM), et la dérivation de lE-étape et une partie de la M-étape pour estimer les proportions pi_1 à pi_K. Les diapositives fournissent une marche à suivre détaillée de l'algorithme EM pour GMM.

Connectez-vous pour regarder la vidéo

Source officielle

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.