后验概率的法文

发音:

法文翻译
造句

probabilité a posteriori

后副 1.arrière;derrière屋~derrière la maison.
后验 a posteriori
验动 1.contrôler;examiner;vérifier~护照contrôler le
概形 1.général;approximatif梗~aperçu général;grandes
概率名 probabilité
率名
最大后验概率 Maximum a posteriori
先验概率 probabilité a priori
概率名probabilité
先验与后验 A priori et a posteriori
概率值 valeur probable
概率律 loi de probabilité
概率表 table de probabilitéstableau de probabilités
概率论 probabilismeprobabilitésthéorie de probabilité
等概率 équiprobabilité
耦合 (概率) Copule (mathématiques)
事件 (概率论) Événement (probabilités)
命中概率 probabilité d'impact fatal
圆概率误差 Écart circulaire probable
圆误差概率 erreur circulaire probableécart probable circulaireécart circulaire probable
干旱概率图 carte des risques de sécheresse
探测概率 probabilité de détection
摧毁概率 probabilité de destruction de l’objectifprobability d’atteinte
杀伤概率 probability d’atteinteprobabilité de destruction de l’objectifprobabilité de destruction
条件概率 Probabilité conditionnelle

例句与用法

6 .论述了turbo均衡的基本原理，推导了基于后验概率和干扰消除的5150均衡算法，给出了性能仿真结果。
采用贝叶斯方法计算出模型参数的后验概率密度函数，通过蒙特卡罗方法时其进行采样来获得参数的佑计值。
本文针对离散值属性情形和连续值属性情形分别构造了保持隐私的后验概率计算协议，最后获得安全的朴素贝叶斯分类器协议。
最后提出最大后验概率( map )准则作为判决依据，借助感知器和bp神经元网络对图像予以识别，为防止森林火灾的发生、减轻森林火灾带来的危害奠定基础。
与其它分类方法不同，贝叶斯分类建立在坚实的数理统计知识基础之上，基于求解后验概率的贝叶斯定理，理论上讲它在满足其限定条件下是最优的。
最后，利用参数的充分统计量，根据后验概率比构造了一类新的基于扩散先验分布和正态?逆wishart先验分布的多总体贝叶斯分类识别方法。
本文首先介绍了turbo码的背景知识，包括差错控制的基本原理、分组码和卷积码；然后阐述了turbo码的基本原理，包括turbo编译码器结构及迭代译码原理；较为详细地描述了关键的译码算法： ?种改进的最大后验概率( map )译码算法及迭代译码算法；提出了一种新的turbo码结构：混合turbo码(混合级联卷积码) ；并用编码性能联合界分析方法对混合turbo码进行了性能分析，得出了其平均性能上界；并在高斯白噪声信道和瑞利衰落信道上分别作了一些应用研究及计算机仿真实验。
接着，对自适应调制系统中的信道估计问题难点，详细推导了平衰落信道条件下和选择性衰落信道条件下最大似然( ml )估计和最大后验概率( map )估计算法，针对平衰落信道，我们仿真了map估计和ml估计的方差与导频符号长度的关系，仿真结果表明，错误方差受多谱勒频率的变化影响最大，并且对实际的自适应调制系统，导频符号长度的取值超过20个符号长度时， map信道估计明显优于ml信道估计。
*推理及学习算法详细介绍了polytree信度网的推理算法及在阻塞模型中的应用；在研究cooper后验概率学习方法（ k2学习算法）基础上，提出了改进算法（ mk2算法）及并行实现方法；研究了另一种信度网结构学习算法（ mdl学习算法）并提出了其改进算法；最后还提出了条件概率学习方法。
Viterbi算法以隐马尔可夫理论为基础，是一种最大后验概率估计方法，本文对该算法进行了研究，给出了一种适合于非高斯干扰条件下的滤波方法；多分辨分析方法充分利用到了多分辨率测量数据所包含的信息，从仿真结果中可以看出，该方法的滤波精度要高于传统的滤波算法；自主滤波方法是一种递推贝叶斯估计算法，它利用采样点来描述目标状态的概率密度函数，因而适用于非线性、非高斯条件下的滤波，本文分别对这两种情况下的滤波进行了仿真。