Neural network compression has been an increasingly important subject, not only due to its practical relevance, but also due to its theoretical implications, as there is an explicit connection between compressibility and generalization error. In this talk, I will present
Nous considérons certaines diffusions uni-dimensionnelles dont la dynamique est biaisée par la présence d'un point-barrière qui est partiellement-reflectif (skew) ou collant (sticky). Cette nature de la barrière est encodée dans des paramètres de biais et de stickiness. Tout d'abord nous
Cet exposé traite des problèmes d'estimation de modèle pour les modèles de mélanges finis; dans un cadre non paramétrique. En particulier, nous nous intéressons aux méthodes permettant d'obtenir des estimateurs consistant du modèle, ainsi qu'aux méthodes permettant de valider le
Voir le programme ici.
I will describe a connection between multiple polylogarithms on tori and the Steinberg module of rationals, and show how this connection can be used to prove that all multiple polylogarithms of a given weight and depth can be expressed via
Abstract : Using validated numerical methods, interval arithmetic and Taylor models, we propose a certified corrector-predictor loop for tracking zeros of polynomial systems with a parameter. We provide a Rust implementation and benchmark it against HomotopyContinuation.jl, a state-of-the-art uncertified homotopy
Résumé : Pour une algèbre de dimension finie, grâce au travail de Adachi-Iyama-Reiten et des autres, les objets bousculants à 2 termes sont en bijection avec certaines paires de torsion et paires de cotorsion. Ces bijections nous permettent de transférer
Résumé : L’équation de Gross-Pitaevskii stochastique est un modèle champ moyen visant à décrire un condensat de Bose-Einstein proche de la température critique de condensation. Il s’agit d’une équation de Ginzburg-Landau complexe, avec un potentiel confinant harmonique et un bruit
