Dérivation de EM pour le GMM

Dans cours

DEMO: cillum excepteur

Laborum cupidatat non esse dolore laboris Lorem occaecat veniam adipisicing cillum proident consectetur enim. Adipisicing sint deserunt enim ad laboris ea ad minim fugiat. Ut occaecat cillum ipsum exercitation id dolore fugiat. Non aliqua pariatur non nostrud et excepteur consectetur sunt nisi consectetur est do eu.

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

https://mediaspace.epfl.ch/media/0_53nyb7a7

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.

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Séances de cours associées (37)