Algorithmes de poursuite stochastiques et inégalités de concentration empiriques pour l'apprentissage statistique

Algorithmes de poursuite stochastiques et inégalités de concentration empiriques pour l'apprentissage statistique

La première partie de cette thèse introduit 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 MP, souvent très coûteuse. En réponse, nous sous-échan...

Full description

Bibliographic Details
Main Author: Peel, Thomas
Other Authors: Aix-Marseille
Language:fr
Published: 2013
Subjects:
Matching Pursuit
Algorithmes Stochastiques
Sélection de Caractéristiques
Classification Multi-Classes
Inégalités de Bernstein Empiriques
U-Statistiques
Martingales
Ranking
Apprentissage en Ligne
Bornes d'Erreur en Généralisation
Stochastic Algorithms
Feature Selection
Multiclass Classification
Empirical Bernstein Inequalities
U-Statistics
Online Learning
Generalization Bounds
Online Access:http://www.theses.fr/2013AIXM4769/document

Internet

http://www.theses.fr/2013AIXM4769/document

Similar Items