Évènement

Marie BILLAUD-FRIESS
I2M, Centrale Marseille

Date(s) : 05/11/2024   iCal
14h30 - 15h30

Des variantes probabilistes des méthodes de réduction de modèle ont émergé
récemment pour améliorer les performances des approches existantes, aussi
bien en terme de stabilité que d'efficacité. Dans cet exposé, nous
présentons une méthode des bases réduites probabiliste pour l'approximation
d'une famille de fonctions paramétrées. Ce type de méthode repose sur
algorithme "greedy" (glouton) probabiliste utilisant un estimateur d'erreur
sous la forme d'une espérance d'une variable aléatoire paramétrée. En
pratique, des algorithmes de type MC ou bandit peuvent être considérés. Ces
algorithmes ont été testés pour l'approximation de famille de fonctions
paramétrées pour lesquelles nous avons accès uniquement à des évaluations
ponctuelles (bruitées). En particulier, nous avons considéré l'approximation
de la "variété" des solutions, d'EDP paramétrées, admettant une
représentation probabiliste par le biais de la formule de Feynman-Kac.

Emplacement
I2M Saint-Charles - Salle de séminaire

Catégories

• Séminaire