Aller au menu Aller au contenu
Diversité scientifique et technologique
L'école d'ingénieurs de physique, électronique, matériaux
Diversité scientifique et technologique

> Formation

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 cet article Facebook Twitter Linked In
  • 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


Prérequis

Cours 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 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.

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In

mise à jour le 9 janvier 2017

Université Grenoble Alpes