Approximation stochastique en analyse des données
search
  • Approximation stochastique en analyse des données
  • Approximation stochastique en analyse des données

Approximation stochastique en analyse des données

ABDELHALIM BOUAMAINE

69,00 €
65,55 € Économisez 5%

Méthodes et Applications

Les méthodes numériques utilisées en analyse des données ne sont pas adéquates si les données sont reçues d’une façon séquentielle.

Dans cet ouvrage, nous proposons des algorithmes d’approximation stochastiques répondant à cette problématique.

Un cadre probabiliste de l'analyse des données est défini.

Nous présentons un processus général d’approximation stochastique appliqué à l’analyse factorielle.

Une illustration de la convergence de ses algorithmes est faite sur des données réelles dans des domaines divers.

On retrouve aussi une étude des algorithmes séquentiels de classification comme la classification autour des centres mobiles ainsi qu’un processus permettant l’estimation séquentielle des paramètres d’un mélange de lois en classification.

Ce livre s’adresse aux professeurs, chercheurs, étudiants s’intéressant à l'approximation stochastique séquentielle ou à l’analyse des données vue sous un autre angle.

Format : Papier

Livraison dans le monde entier.
Frais d'envoi limités à 4,90 € pour la France métropolitaine quel que soit le nombre d'articles. Délai de livraison : 2 à 5 jours.
Pour les produits numériques, frais d'envoi offerts et accès immédiat.

Quantité
Disponible

Docteur ès sciences appliquées, titulaire d’un Doctorat d’Etat de l’Université Mohamed V.

Rabat et d’un Doctorat d’Université de Nancy I, est Professeur à l’Ecole Nationale Supérieure d’Electricité et de Mécanique.

ENSEM,Université Hassan II.

Casablanca.Sur le plan de la recherche, il s’intéresse à l’approximation stochastique séquentielle.


Fiche technique

Auteur
ABDELHALIM BOUAMAINE
Langue
Français
Éditeur
Éditions universitaires européennes
Année
2012
Pages
252
Pays
Maroc Maroc

30 autres produits dans la même catégorie :

Voir tout
Voir tout