Над 10 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Tutorial on EM Algorithm

Name: Tutorial on EM Algorithm
Brand: Lambert Academic Publishing
SKU: 19423681
Price: 33.78 EUR
Availability: InStock
Author: Loc Nguyen
ISBN: 9786139819713

Loc Nguyen

Език

Английски език

Книга С меки корици

Код Либристо: 19423681

Издателство Lambert Academic Publishing, април 2018

Maximum likelihood estimation (MLE) is a popular method for parameter estimation in both applied pro... Цялото описание

Код Либристо: 19423681

82 b

33.78 €

66.08 лв

Външен склад Изпращаме след 5-8 дни

До 30 дни за връщане на стоки

Клиентите са закупили също

ROLANDE FALCINELLI: KRISHNA GOPALA OP.66 (FLUTE SOLO) FALCINELLI Книга

binding.

20.59 € 40.26 лв

Catalogue de livres rares ou curieux, vendus aux prix marqués. Numéro 260 LIBRAIRIE T. BELIN

С меки корици

13.91 € 27.21 лв

Enea, lo straniero. Le origini di Roma Giulio Guidorizzi

С меки корици

16.63 € 32.53 лв

IMPARA IL CINESE GRAZIE ALLE PAROLE INTRECCIATE - Per Bambini Da 8 a 10 Anni - Scopri Come Migliorare Il Tuo Vocabolario Con 2000 Crucipuzzle e Pratic Lingua Classics

С меки корици

15.55 € 30.42 лв

Seule dans ma peau d'âne Savasta

С меки корици

8.52 € 16.66 лв

Rüstung auf dem Prüfstand Philipp Aumann

С меки корици

14.28 € 27.92 лв

Xenokrates Richard Heinze

С меки корици

17.20 € 33.64 лв

Mój pierwszy przewodnik. Jaki to kamień? wyd. 2022 Radosław Żbikowski

С меки корици

4.21 € 8.23 лв

Elementy wykonawcze układu sterowania silnika w praktyce warsztatowej Schneehage Gerald

С меки корици

15.61 € 30.52 лв

Logik für Informatiker Jürgen Dassow

С меки корици

34.71 € 67.88 лв

PROBLEMAS RESUELTOS DE ECONOMIA Y EMPRESA

С меки корици

31.28 € 61.18 лв

Cured - Two Imaginary Boys Lol TOLHURST

С меки корици

36.40 € 71.20 лв

Dior Bags: Der ultimative Guide Alexandra Fullerton

С твърди корици

35.53 € 69.49 лв

La Estela De Selkirk Eduardo Lago

С меки корици

22.74 € 44.48 лв

Leer Nederlands Vietnamees Anastasia Veenbrink

С меки корици

13.24 € 25.90 лв

Sonate Du Clair de Lune: Opera En 1 Acte Gautier-J

С меки корици

13.14 € 25.70 лв

Come Disegnare Pirati: Disegno Per Bambini Amit Offir

С меки корици

10.52 € 20.58 лв

Naruto Shippuden - Staffel 19.1: Episode 614-623 Hayato Date

Blu-ray

89.38 € 174.81 лв

Los MIL y un DIAS: Cuentos Juveniles Cortos MS Ann a Guerra Author

С меки корици

39.89 € 78.03 лв

Depósitos y consignaciones para recurrir en el proceso laboral Sagrario Plaza Golvano

С меки корици

20.48 € 40.06 лв

Tu tipo de personalidad - Consejero (ENFJ) Jaroslaw Jankowski

С меки корици

10.11 € 19.78 лв

Negro básico: 26 modelos para el guardarropa contemporáneo SATO WATANABE

С меки корици

25.62 € 50.11 лв

Ausbreitung des Deutschtums in Sudtirol im Lichte der Urkunden DE GRUYTER

С твърди корици

136.02 € 266.04 лв

Queenmusic M? Auxiliadora Reina Linares

С меки корици

51.45 € 100.62 лв

Maximum likelihood estimation (MLE) is a popular method for parameter estimation in both applied probability and statistics but MLE cannot solve the problem of incomplete data or hidden data because it is impossible to maximize likelihood function from hidden data. Expectation maximum (EM) algorithm is a powerful mathematical tool for solving this problem if there is a relationship between hidden data and observed data. Such hinting relationship is specified by a mapping from hidden data to observed data or by a joint probability between hidden data and observed data. The essential ideology of EM is to maximize the expectation of likelihood function over observed data based on the hinting relationship instead of maximizing directly the likelihood function of hidden data. This tutorial aims to provide explanations of EM algorithm in order to help researchers comprehend it. Moreover some improvements of EM algorithm are also proposed in the tutorial such as combination of EM and third-order convergence Newton-Raphson process, combination of EM and gradient descent method, and combination of EM and particle swarm optimization (PSO) algorithm.