Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours porte sur l'application des modèles de mélange gaussien dans la classification des données, en mettant l'accent sur la dénigrement des signaux bruyants et l'estimation du signal original à l'aide de la probabilité maximale et des approches a posteriori maximales. Il explique la fonction de vraisemblance des modèles de mélange gaussien, la maximisation des fonctions de vraisemblance et l'algorithme EM pour maximiser les fonctions de vraisemblance. La séance de cours s'inscrit également dans l'algorithme EM pour les classes i.i.d., la maximisation des fonctions de vraisemblance pour les classes i.i.d. et l'algorithme EM pour les classes i.i.d. En outre, il discute de l'algorithme EM pour maximiser la fonction de probabilité des modèles de mélange gaussien, de l'algorithme EM pour les modèles de mélange gaussien i.d. et de l'algorithme EM pour les modèles de mélange gaussien markovien.