Une approche Bayésienne pour l’apprentissage de règles séquentielles de classification

Elias Egho 1 Dominique Gay 2 Nicolas Voisine 3 Marc Boullé 3 Fabrice Clérot 3
1 ORPAILLEUR - Knowledge representation, reasonning
Inria Nancy - Grand Est, LORIA - NLPKD - Department of Natural Language Processing & Knowledge Discovery
Résumé : no abstract
Type de document :
Communication dans un congrès
Plateforme de l'Intelligence Artificielle - Applications Pratiques de l'Intelligence Artificielle (PFIA'15), Jul 2015, Rennes, France. Actes de la Plateforme de l'Intelligence Artificielle - Applications Pratiques de l'Intelligence Artificielle (PFIA'15), Rennes, France, July 2-3, 2015
Liste complète des métadonnées

http://hal.univ-reunion.fr/hal-01464484
Contributeur : Réunion Univ <>
Soumis le : vendredi 10 février 2017 - 11:43:00
Dernière modification le : mercredi 7 février 2018 - 08:12:02

Identifiants

  • HAL Id : hal-01464484, version 1

Citation

Elias Egho, Dominique Gay, Nicolas Voisine, Marc Boullé, Fabrice Clérot. Une approche Bayésienne pour l’apprentissage de règles séquentielles de classification. Plateforme de l'Intelligence Artificielle - Applications Pratiques de l'Intelligence Artificielle (PFIA'15), Jul 2015, Rennes, France. Actes de la Plateforme de l'Intelligence Artificielle - Applications Pratiques de l'Intelligence Artificielle (PFIA'15), Rennes, France, July 2-3, 2015. 〈hal-01464484〉

Partager

Métriques

Consultations de la notice

303