Une approche Bayésienne pour l’apprentissage de règles séquentielles de classification - Université de La Réunion
Communication Dans Un Congrès Année : 2015

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

Elias Egho
  • Fonction : Auteur
  • PersonId : 768153
  • IdRef : 180812815
Knowledge representation, reasonning
Dominique Gay
Laboratoire d'Informatique et de Mathématiques
Nicolas Voisine
  • Fonction : Auteur
Orange Labs [Lannion]
Marc Boullé
  • Fonction : Auteur
  • PersonId : 906624
  • IdRef : 126326223
Orange Labs [Lannion]
Fabrice Clérot
  • Fonction : Auteur
Orange Labs [Lannion]

Résumé

no abstract

Domaines

Informatique [cs]

Réunion Univ  : Connectez-vous pour contacter le contributeur

https://hal.univ-reunion.fr/hal-01464484

Soumis le : vendredi 10 février 2017-11:43:00

Dernière modification le : mercredi 20 novembre 2024-15:36:02

Fichier non déposé

Dates et versions

hal-01464484 , version 1 (10-02-2017)

Identifiants

  • HAL Id : hal-01464484 , version 1

Citer

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. ⟨hal-01464484⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

AFRIQ CNRS INRIA UNIV-REUNION LIM UNIV-LORRAINE INRIA2 LORIA LORIA-NLPKD FST-REUNION
263 Consultations
0 Téléchargements

Partager

More