معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Bindings for EM machines and trainers of Bob

ویژگی	مقدار
سیستم عامل	-
نام فایل	bob.learn.em-3.2.0
نام	bob.learn.em
نسخه کتابخانه	3.2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Andre Anjos
ایمیل نویسنده	andre.anjos@idiap.ch
آدرس صفحه اصلی	http://gitlab.idiap.ch/bob/bob.learn.em
آدرس اینترنتی	https://pypi.org/project/bob.learn.em/
مجوز	BSD

.. vim: set fileencoding=utf-8 : .. Mon 15 Aug 2016 09:48:28 CEST .. image:: https://img.shields.io/badge/docs-v3.2.0-orange.svg :target: https://www.idiap.ch/software/bob/docs/bob/bob.learn.em/v3.2.0/index.html .. image:: https://gitlab.idiap.ch/bob/bob.learn.em/badges/v3.2.0/pipeline.svg :target: https://gitlab.idiap.ch/bob/bob.learn.em/commits/v3.2.0 .. image:: https://gitlab.idiap.ch/bob/bob.learn.em/badges/v3.2.0/coverage.svg :target: https://gitlab.idiap.ch/bob/bob.learn.em/commits/v3.2.0 .. image:: https://img.shields.io/badge/gitlab-project-0000c0.svg :target: https://gitlab.idiap.ch/bob/bob.learn.em ================================================= Expectation Maximization Machine Learning Tools ================================================= This package is part of the signal-processing and machine learning toolbox Bob_. It contains routines for learning probabilistic models via Expectation Maximization (EM). The EM algorithm is an iterative method that estimates parameters for statistical models, where the model depends on unobserved latent variables. The EM iteration alternates between performing an expectation (E) step, which creates a function for the expectation of the log-likelihood evaluated using the current estimate for the parameters, and a maximization (M) step, which computes parameters maximizing the expected log-likelihood found on the E step. These parameter-estimates are then used to determine the distribution of the latent variables in the next E step. The package includes the machine definition per se and a selection of different trainers for specialized purposes: - Maximum Likelihood (ML) - Maximum a Posteriori (MAP) - K-Means - Inter Session Variability Modelling (ISV) - Joint Factor Analysis (JFA) - Total Variability Modeling (iVectors) - Probabilistic Linear Discriminant Analysis (PLDA) - EM Principal Component Analysis (EM-PCA) Installation ------------ Complete Bob's `installation`_ instructions. Then, to install this package, run:: $ conda install bob.learn.em Contact ------- For questions or reporting issues to this software package, contact our development `mailing list`_. .. Place your references here: .. _bob: https://www.idiap.ch/software/bob .. _installation: https://www.idiap.ch/software/bob/install .. _mailing list: https://www.idiap.ch/software/bob/discuss

نحوه نصب

نصب پکیج whl bob.learn.em-3.2.0:

pip install bob.learn.em-3.2.0.whl

نصب پکیج tar.gz bob.learn.em-3.2.0:

pip install bob.learn.em-3.2.0.tar.gz