Bayesian methods for data image analysis (SIGMA S9) - WPMTBMD7
A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail
Volumes horaires
- CM : 20.0
- TD : 2.0
- TP : 4.0
- Projet : 0
- Stage : 0
Crédits ECTS : 2.0
Objectifs
Introduire les principales notions d'inférence Bayesienne.
Developper des applications dans les domaines du traitement des images et des signaux.
Contenu - Introduction
- Estimateurs bayésiens
- Choix de l’apriori
- Inférence bayésienne approchée
- Méthodes d’approximation déterministes
- Méthodes d’approximation stochastiques
- Étude de cas: inférence bayésienne pour la reconnaissance de la parole
PrérequisCours de bases sur la théorie de l'estimation et de la détection.
Contrôles des connaissances Semestre 9 - L'examen existe uniquement en anglais 
Contrôle continue + Devoir Surveillé (session 1)
+ Devoir Surveillé ou examen oral (session 2)
Contrôle continu *30% + DS 70%
Informations complémentaires Semestre 9 - Le cours est donné uniquement en anglais 
Cursus ingénieur->Double-Diplômes Ingénieur/Master->Semestre 9
Cursus ingénieur->Masters->Semestre 9
Bibliographie [1] Robert, C. (2007). The Bayesian choice: from decision-theoretic foundations to computational implementation. Springer Science & Business Media.
[2] Šmídl, V., & Quinn, A. (2006). The variational Bayes method in signal processing. Springer Science & Business Media.
[3] Gilks, W. R. (2005). Markov chain monte carlo. John Wiley & Sons, Ltd.
[4] Hjort, N. L., Holmes, C., Müller, P., & Walker, S. G. (Eds.). (2010). Bayesian nonparametrics (Vol. 28). Cambridge University Press.
A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail
mise à jour le 9 janvier 2017