« Maximum de vraisemblance stochastique » : différence entre les versions

Dernière version du 28 janvier 2024 à 11:01

Définition

Estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance dans un modèle stochastique.

Français

Maximum de vraisemblance stochastique

Anglais

Stochastic maximum likelihood

Sources

Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018

Source : ieeexplore.ieee.org

@@ Ligne 1 : / Ligne 1 : @@
-== en construction ==
-[[Catégorie:Vocabulaire]]
-[[Catégorie:App-profond-livre]]
-[[Catégorie:Apprentissage profond]]
 == Définition ==
+Estimateur statistique utilisé pour inférer les paramètres de la '''[[loi de probabilité]]''' d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance dans un modèle stochastique.
-j'ai fait des petites rectifications , mais j'ai aussi ajouté cette introduction :
- Nous dériverons une méthode stochastique de maximum de vraisemblance pour estimer les paramètres spatio-temporels des canaux.
-De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles de canaux avancés.
-Le modèle de signal est stochastique. La performance de la méthode proposée est comparée à l’algorithme SAGE où le modèle de signal est déterministe.
 == Français ==
 '''Maximum de vraisemblance stochastique'''
@@ Ligne 21 : / Ligne 8 : @@
 '''Stochastic maximum likelihood'''
-We will derive a stochastic maximum likelihood method for estimating spatio-temporal channel parameters. Such estimators are needed in propagation studies where extensive channel measurements and sounding are required. These are seminal tasks in the process of developing advanced channel models. The proposed method employs angular Von Mises distribution model which is appropriate for directional data typically observed in channel measurement campaigns. The signal model is stochastic. The performance of the proposed method is compared to SAGE algorithm where the signal model is deterministic. The computational complexity of the proposed method is lower and channel parameters are estimated with higher fidelity because the underlying distribution model is well-suited for directional data.
+==Sources==
+[https://www.apprentissageprofond.org/   Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 ]
+[https://ieeexplore.ieee.org/document/1368317  Source : ieeexplore.ieee.org]
-<small>
-[https://www.apprentissageprofond.org/   Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 ]
-[https://ieeexplore.ieee.org/document/1368317  Source : ieeexplore.ieee.org]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
-[[Catégorie:sihem]]
-[[Catégorie:9]]