Méthodes de géométrie de l'information pour les modèles de mélange
Cette thèse présente de nouvelles méthodes pour l'apprentissage de modèles de mélanges basées sur la géométrie de l'information. Les modèles de mélanges considérés ici sont des mélanges de familles exponentielles, permettant ainsi d'englober une large part des modèles de mélanges util...
Main Author: | Schwander, Olivier |
---|---|
Language: | FRE |
Published: |
Ecole Polytechnique X
2013
|
Subjects: | |
Online Access: | http://pastel.archives-ouvertes.fr/pastel-00931722 http://pastel.archives-ouvertes.fr/docs/00/93/17/22/PDF/these.pdf |
Similar Items
-
Modèles d'Ensembles pour l'Apprentissage Multi-Tache, avec des taches Hétérogènes et sans Restrictions
by: Faddoul, Jean Baptiste
Published: (2012) -
Nouvelles paramétrisations de réseaux Bayésiens et leur estimation implicite - Famille exponentielle naturelle et mélange infini de Gaussiennes
by: Jarraya Siala, Aida
Published: (2013) -
Algorithmes de classification répartis sur le cloud
by: Durut, Matthieu
Published: (2012) -
Apprentissage statistique relationnel : apprentissage de structures de réseaux de Markov logiques
by: Dinh, Quang-Thang
Published: (2011) -
Extraction de Connaissances a partir de Textes : M ethodes et Applications
by: Latiri, Chiraz
Published: (2013)