Sélection de modèles parcimonieux pour l’apprentissage statistique en grande dimension
Le déferlement numérique qui caractérise l’ère scientifique moderne a entraîné l’apparition de nouveaux types de données partageant une démesure commune : l’acquisition simultanée et rapide d’un très grand nombre de quantités observables. Qu’elles proviennent de puces ADN, de spectromètres de masse...
Main Author: | Mattei, Pierre-Alexandre |
---|---|
Other Authors: | Sorbonne Paris Cité |
Language: | en |
Published: |
2017
|
Subjects: | |
Online Access: | http://www.theses.fr/2017USPCB051/document |
Similar Items
Similar Items
-
Contributions à l'apprentissage statistique dans les modèles parcimonieux
by: Alquier, Pierre
Published: (2013) -
Contributions à l'apprentissage statistique en grande dimension, adaptatif et sur données atypiques
by: Bouveyron, Charles
Published: (2012) -
Contribution à l'apprentissage statistique à base de modèles génératifs pour données complexes.
by: Jacques, Julien
Published: (2012) -
Algorithme de chemin de régularisation pour l'apprentissage statistique
by: Zapién Arreola, Karina
Published: (2009) -
Algorithme de chemin de régularisation pour l'apprentissage statistique
by: Zapien - Durand-Viel, Karina
Published: (2009)