Informa??es da Disciplina

 Preparar para impressão 
Júpiter - Sistema de Graduação

Instituto de Matemática e Estatística
 
Estatística
 
Disciplina: MAE0570 - Amostrador de Gibbs e Aplicacões
Gibbs Sampler and it Applications

Créditos Aula: 4
Créditos Trabalho: 0
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2012 Desativação:

Objetivos
Apresentar as ideias centrais da área e descrever detalhadamente alguma de suas aplicações mais destacadas, com implementação computacional de alguns algoritmos.
 
 
 
Programa Resumido
1. Médias reversíveis e dinâmicas de Glauber.
2. Estados de Gibbs e a noção de transição de fase.
3. Amostrador de Gibbs e afins.
4. Recozimento simulado e alternativas.
5. O algoritmo Ford-Fulkerson.
6. Aplicações à Inferência Bayesiana.
7. Restauração e reconhecimento de imagens.
8. Extensões. Cadeias de Markov ocultas e inferência estatística com dados incompletos.
9. Outras aplicações.
 
 
 
Programa
1. Médias reversíveis e dinâmicas de Glauber.
2. Estados de Gibbs e a noção de transição de fase.
3. Amostrador de Gibbs e afins.
4. Recozimento simulado e alternativas.
5. O algoritmo Ford-Fulkerson.
6. Aplicações à Inferência Bayesiana.
7. Restauração e reconhecimento de imagens.
8. Extensões. Cadeias de Markov ocultas e inferência estatística com dados incompletos.
9. Outras aplicações.
 
 
 
Avaliação
     
Método
Aulas e exercícios.
Critério
Média ponderada de provas e exercícios.
Norma de Recuperação
Usuais.
 
Bibliografia
     
E. Aarts, J. Korst, Simulated Annealing and Boltzmann Machines: a stochastic approach to combinatorial optimization, New York: Wiley, 1989.

S. Z. Li, Markov Random Field Modeling in Image Analysis, 3rd ed., London: Springer Verlag, 2009.

P. Brémaud, Markov Chains: Gibbs Fields, Monte Carlo Simulation, and Queues, New York: Springer, 1999.

D. Gamerman, H. F. Lopes, Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, 2nd ed., Boca Raton: Taylor & Francis, 2006.
 

Clique para consultar os requisitos para MAE0570

Clique para consultar o oferecimento para MAE0570

Créditos | Fale conosco
© 1999 - 2020 - Superintendência de Tecnologia da Informação/USP