Learning and Inference in Mixed-State Conditionally Heteroscedastic Factor Models Using Viterbi Approximation - Archive ouverte HAL
Chapitre D'ouvrage Année : 2006

Learning and Inference in Mixed-State Conditionally Heteroscedastic Factor Models Using Viterbi Approximation

Domaines

Statistiques [math.ST] Théorie [stat.TH] Méthodologie [stat.ME]

Christian Lavergne  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-00194075

Soumis le : mercredi 5 décembre 2007-15:47:47

Dernière modification le : mercredi 24 avril 2024-14:58:06

Fichier non déposé

Dates et versions

hal-00194075 , version 1 (05-12-2007)

Identifiants

  • HAL Id : hal-00194075 , version 1

Citer

Mohamed Saidane, Christian Lavergne. Learning and Inference in Mixed-State Conditionally Heteroscedastic Factor Models Using Viterbi Approximation. V.N. Alexandrov; van Albada, G.D.; Sloot,P.M.A.; Dongarra, J.J. Lecture Notes in Computer Science, LNCS 3994, Springer-Verlag, Part IV, pp. 312-321, 2006. ⟨hal-00194075⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS UNIV-MONTP3 I3M_UMR5149 IMAG-MONTPELLIER UNIV-MONTPELLIER
35 Consultations
0 Téléchargements

Partager

More