L’exposé portera sur un travail effectué en collaboration avec Reda Chhaibi. Je présenterai une version sur des cônes symétriques d’un processus de Matsumoto-Yor matriciel introduit par Brian Rider et Benedek Valkó. Nos processus apparaissent comme limites de chaînes de Markov
In this talk, we will present a new statistical principle that combines the most desirable aspects of both parameter inference and density estimation. This leads us to the PrO posterior, which expresses uncertainty as a consequence of predictive ability. Doing so leads to
Je présenterai une approche visant à compresser la mesure empirique tout en préservant les vitesses de convergence dans le contexte des méthodes à noyau. Je donnerai d’abord une vue d’ensemble de l’idée, avant de démontrer deux résultats clés.
Avec l'accroissement drastique du volume de données, le sous-échantillonnage est devenu une pratique courante en apprentissage statistique. Sélectionnant un sous-groupe d'individus sur lequel le classifieur (ou le régresseur) va être entraîné, le sous-échantillonnage vise à réduire le coût et le
Les forêts aléatoires (Breiman, 2001) font partie des algorithmes d'apprentissage automatique les plus utilisés pour résoudre des problèmes d'apprentissage supervisé. Elles agrègent les prédictions de plusieurs arbres de décision, dont la construction présente une dépendance complexe en les données d’apprentissage.
Je présenterai une approche visant à compresser la mesure empirique tout en préservant les vitesses de convergence dans le contexte des méthodes à noyau. Je donnerai d’abord une vue d’ensemble de l’idée, avant de démontrer deux résultats clés.
On cherche à déterminer si les observations d’un échantillon sont issues de réalisations de variables aléatoires de même loi de type Pareto, c’est-à-dire dont la queue se comporte comme une puissance négative fois une fonction à variations lentes. Pour cela,
La modélisation générative de l’écoulement turbulent du vent constitue un enjeu important pour modéliser l’interaction entre les éoliennes et leur environnement, notamment pour la prédiction du rendement et de la fatigue des turbines. Cette modélisation repose aujourd’hui sur des contraintes
On étudie le nombre de triangles dans l'ensemble des graphes aléatoires avec les sommets entières sur , dont la probabilité d'avoir une arête (i,j) présente décroit avec la distance |i-j| normalisée par R. Dans la limite lorsque n et R
Nous analysons une classe d'algorithmes d'exploration de grands graphes aléatoires, en introduisant une construction "couplée" de ces deux objets aléatoires (l'exploration et le graphe). Par cette technique, nous donnons des caractéristiques en limite grand graphe du processus d'exploration, via la
