|
Convergence du gradient conjugué fonctionnel pour l'apprentissage statistique| old_uid | 6512 |
|---|
| title | Convergence du gradient conjugué fonctionnel pour l'apprentissage statistique |
|---|
| start_date | 2009/03/16 |
|---|
| schedule | 13h30 |
|---|
| online | no |
|---|
| summary | Je présenterai les méthodes de gradient conjugué dans le cadre de la régression bornée. Cette approche est aussi connue (et utilisée depuis longtemps) sous le nom de "régression aux moindre carrés partiels" (partial least squares). Il s'agit d'un algorithme itératif qui n'entre pas directement dans le cadre de méthodes comme les M-estimateurs ou les estimateurs linéaires. On peut en fait l'interpréter comme un M-estimateur sur une suite de modèles dépendant fortement des données. Je m'intéresserai dans cet exposé à la version kernelisée de cet algorithme, et en particulier à sa consistance universelle. Ce travail a été réalisé en collaboration avec Nicole Krämer. |
|---|
| responsibles | Biau, Stoltz, Massart |
|---|
| |
|