Séminaires de probabilités et statistiques (SAMM, 2009-2010)

Les séminaires hebdomadaires du laboratoire SAMM portent sur l'un des thèmes suivants : probabilités, statistiques ou mathématiques complexes. Les exposés proposés sont des exposés de recherche qui conviendront à des étudiants de M2 et doctorat ainsi qu'à des chercheurs en mathématiques appliquées. Les exposés étiquetés "mathématiques complexes" sont organisés avec le soutien de l'Institut des Sciences Complexes Paris Ile-de-France. Le séminaire à lieu les vendredi de 11 h à 12 h en salle C-20-13 au centre PMF de l'Université Paris 1. Les supports de présentation sont disponibles sur l'Espace pédagogique interactif (http://epi.univ-paris1.fr/samos-sem). Le programme des prochains exposés est disponible à l'adresse suivante : http://samm.univ-paris1.fr/Seminaires. Recommandé à : étudiant de la discipline, chercheur - Catégorie : conférences - Année de réalisation : 2009-2010

Last refreshed: August 20th, 2025 at 11:35 AM ⓘ

Follow this podcast in the Metacast mobile app to refresh it and see new episodes.

Follow on

Apple Podcasts

Spotify

RSS

Podcasts are better in Metacast mobile app

Don't just listen to podcasts. Learn from them with transcripts, summaries, and chapters for every episode. Skim, search, and bookmark insights. Learn more

Episodes

08 - Sélection de modèles pour la classification non supervisée (Jean-Patrick Baudry (Université de Paris-Sud))

Résumé : Nous rappelons les bases de l'approche du problème de la classification non supervisée par les modèles de mélange. La méthode usuelle repose sur le maximum de vraisemblance et le choix du nombre de classes à former se fait par des critères pénalisés. Nous nous intéressons particulièrement au critère ICL (Biernacki, Celeux et Govaert, 2000), adapté à ce contexte et pertinent en pratique. L'étude de ce critère et de la notion de classe sous-jacente est abordée dans le cadre de la méthode ...

Oct 02, 2009•1 hr 11 min

06 - Dimensionality reduction : from PCA to recent nonlinear techniques ( John Lee (Université Catholique de Louvain, Belgique))

Dimensionality reduction is an old yet unsolved problem, with many applications in data visualization, knowledge discovery, and machine learning in general. Our aim in this talk will be to review several developments in the field of dimensionality reduction, with a particular focus on nonlinear methods. As an introduction, we will point out some weird properties of high dimensional spaces, which will motivate the use of dimensionality reduction. Next, we will go back in time and start our review...

Apr 04, 2009•1 hr 14 min

03 - Un point de vue statistique pour la régularisation de problèmes (Anna Karina Firmin (Université Paris X))

Dans ce travail nous utilisons des méthodes de régularisation pour la résolution de problèmes inverses mal posés. La principale difficulté dans l'application d'une méthode de régularisation est la détermination du paramètre de régularisation. L'approche choisie dans ce travail s'appuie sur des outils de la théorie de sélection de modèles. Nous discutons de la façon dont un grand nombre de méthodes de régularisation, originalement conçues pour résoudre des problèmes inverses mal posés, se traduis...

Feb 07, 2009•1 min

For the best experience, listen in Metacast app for iOS or Android