Phelma Formation 2022

Bayesian methods for data image analysis (SIGMA S9) - WPMTBMD7

  • Volumes horaires

    • CM 13.5
    • Projet 0
    • TD 1.5
    • Stage 0
    • TP 4.0

    Crédits ECTS

    Crédits ECTS 2.0

Objectif(s)

Introduire les principales notions d'inférence Bayesienne.
Developper des applications dans les domaines du traitement des images et des signaux.

Contenu(s)

  • 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


Prérequis

Cours de bases sur la théorie de l'estimation et de la détection.

Contrôle 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 EN

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.