BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//wp-events-plugin.com//7.2.3.1//EN
TZID:Europe/Paris
X-WR-TIMEZONE:Europe/Paris
BEGIN:VEVENT
UID:5527@i2m.univ-amu.fr
DTSTART;TZID=Europe/Paris:20131129T151500
DTEND;TZID=Europe/Paris:20131129T161500
DTSTAMP:20241210T160913Z
URL:https://www.i2m.univ-amu.fr/evenements/phd-defense-thomas-peel-lif-alg
 orithmes-de-poursuite-stochastique-et-inegalites-de-concentration-empiriqu
 es-pour-lapprentissage-statistique/
SUMMARY:Thomas Peel (LIF\, Aix-Marseille Université): Algorithmes de pours
 uite stochastique et inégalités de concentration empiriques pour l’a
 pprentissage statistique
DESCRIPTION:Thomas Peel: Soutenance de thèse de PhD defense by Thomas Peel
 \, LIF\, Marseille.\nRésumé:\nLa première partie de cette thèse intr
 oduit de nouveaux algorithmes de décomposition parcimonieuse de signaux.
  Basés sur Matching Pursuit (MP)\, ils répondent au problème suivant
  : comment réduire le temps de calcul de l’étape de sélection de M
 P\, souvent très coûteuse. En réponse\, nous sous-échantillonnons 
 le dictionnaire à chaque itération\, en lignes et en colonnes. Nous mo
 ntrons que cette approche fondée théoriquement affiche de bons résul
 tats en pratique. Nous proposons ensuite un algorithme itératif de desce
 nte de gradient par blocs de coordonnées pour sélectionner des caracte
 ́ristiques en classification multi-classes. Celui-ci s’appuie sur l’u
 tilisation de codes correcteurs d’erreurs transformant le problème en 
 un problème de représentation parcimonieuse simultanée de signaux. L
 a deuxième partie expose de nouvelles inégalités de concentration em
 piriques de type Bernstein. En premier\, elles concernent la théorie des
  U-statistiques et sont utilisées pour élaborer des bornes en géné
 ralisation dans le cadre d’algorithmes de ranking. Ces bornes tirent par
 ti d’un estimateur de variance pour lequel nous proposons un algorithme 
 de calcul efficace. Ensuite\, nous présentons une version empirique de l
 ’inégalité de type Bernstein proposée par Freedman [1975] pour les
  martingales. Ici encore\, la force de notre borne réside dans l’intro
 duction d’un estimateur de variance calculable à partir des données.
  Cela nous permet de proposer des bornes en généralisation pour l’en
 semble des algorithmes d’apprentissage en ligne\, améliorant l’éta
 t de l’art et ouvrant la voie à une nouvelle famille d’algorithmes d
 ’apprentissage tirant parti de cette information empirique.\n\nLien : th
 eses.fr
CATEGORIES:Soutenance de thèse,ALEA,Signal et Apprentissage
END:VEVENT
BEGIN:VTIMEZONE
TZID:Europe/Paris
X-LIC-LOCATION:Europe/Paris
BEGIN:STANDARD
DTSTART:20131027T020000
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
END:STANDARD
END:VTIMEZONE
END:VCALENDAR