Upload resources

Upload your works to SEDICI to increase its visibility and improve its impact

 

Show simple item record

dc.date.accessioned 2019-02-28T17:53:57Z
dc.date.available 2019-02-28T17:53:57Z
dc.date.issued 2018
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/72764
dc.description.abstract En este trabajo se presenta un estimador del vector de parámetros asociado con un modelo Auto-Binomial (MAB) basado en el estimador de mínimos cuadrados condicional (MCC). Este método admite programación paralela con el fin de optimizar el rendimiento en términos de velocidad del proceso de estimación. El MAB es un modelo estocástico entre los Campos Aleatorios de Gibbs- Markov que permite describir en forma robusta la información espacial de la imagen a través del vector de parámetros de su función de energía. es
dc.language es es
dc.subject estimación de parámetros es
dc.subject modelo Auto-Binomial es
dc.subject estimador de mínimos cuadrados condicional es
dc.subject computación paralela es
dc.title Estimación paralela de parámetros texturales es
dc.type Objeto de conferencia es
sedici.identifier.uri http://47jaiio.sadio.org.ar/sites/default/files/LatinR_49.pdf es
sedici.identifier.issn 2618-3196 es
sedici.creator.person Martinez, Jorge es
sedici.creator.person Pistonesi, Silvina es
sedici.creator.person Flesia, Ana Georgina es
sedici.subject.materias Ciencias Informáticas es
sedici.description.fulltext true es
mods.originInfo.place Sociedad Argentina de Informática e Investigación Operativa es
sedici.subtype Objeto de conferencia es
sedici.rights.license Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
sedici.rights.uri http://creativecommons.org/licenses/by-sa/3.0/
sedici.date.exposure 2018-09
sedici.relation.event Conferencia Latinoamericana sobre Uso de R en Investigación + Desarrollo (LatinR 2018) - JAIIO 47 (CABA, 2018) es
sedici.description.peerReview peer-review es
sedici.description.resumen true es


Download Files

This item appears in the following Collection(s)

Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) Except where otherwise noted, this item's license is described as Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)