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
2 LIM - Laboratoire d'Informatique et de Mathématiques
3 Orange Labs [Lannion]
Résumé : no abstract
Document type :
Conference papers
Complete list of metadatas
https://hal.univ-reunion.fr/hal-01464484
Contributor : Réunion Univ <>
Submitted on : Friday, February 10, 2017 - 11:43:00 AM
Last modification on : Monday, September 2, 2019 - 9:43:12 AM

Identifiers

  • HAL Id : hal-01464484, version 1

Collections

UNIV-REUNION | INRIA | LIM | LORIA | LORIA-NLPKD | UNIV-LORRAINE | FST-REUNION

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. ⟨hal-01464484⟩

Export

BibTeX TEI DC DCterms EndNote

Share

Metrics

Record views

383

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD