déposer
version française rss feed


L'archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion d'articles scientifiques de niveau recherche, publiés ou non, et de thèses, émanant des établissements d'enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Derniers Dépôts 
Chimie
Économie et finance quantitative
Informatique
Mathématiques
Physique
Planète et Univers
Science non linéaire
Sciences cognitives
Sciences de l'environnement
Sciences de l'Homme et Société
Sciences de l'ingénieur
Sciences du Vivant
Statistiques
In a complete Riemannian manifold, an embedded geodesic γ with finite length and negative Jacobi operator admits an r-neighborhood Nr(γ) with radius r > 0 small enough such that each couple of points of Nr(γ) can be joined by a unique geodesic contained in Nr(γ) where it minimizes length among the piecewise C1 paths joining its end points.
In a first part, we are interested in the behavior of a system of Stochastic PDEs with two time-scales- more precisely, we focus on the approximation of the slow component thanks to an efficient numerical scheme. We first prove an averaging principle, which states that the slow component converges to the solution of the so-called averaged equation. We then show that a numerical scheme of Euler type provides a good approximation of an unknown coefficient appearing in the averaged equation. Finally, we build and we analyze a discretization scheme based on the previous results, according to the HMM methodology (Heterogeneous Multiscale Method). We precise the orders of convergence with respect to the time-scale parameter and to the parameters of the numerical discretization- we study the convergence in a strong sense - approximation of the trajectories - and in a weak sense - approximation of the laws. In a second part, we study a method for approximating solutions of parabolic PDEs, which combines a semi-lagrangian approach and a Monte-Carlo discretization. We first show in a simplified situation that the variance depends on the discretization steps. We then provide numerical simulations of solutions, in order to show some possible applications of such a method.
We consider supervised learning problems within the positive-definite kernel framework, such as kernel ridge regression, kernel logistic regression or the support vector machine. With kernels leading to infinite-dimensional feature spaces, a common practical limiting difficulty is the necessity of computing the kernel matrix, which most frequently leads to algorithms with running time at least quadratic in the number of observations n, i.e., O(n^2). Low-rank approximations of the kernel matrix are often considered as they allow the reduction of running time complexities to O(p^2 n), where p is the rank of the approximation. The practicality of such methods thus depends on the required rank p. In this paper, we show that in the context of kernel ridge regression, for approximations based on a random subset of columns of the original kernel matrix, the rank p may be chosen to be linear in the degrees of freedom associated with the problem, a quantity which is classically used in the statistical analysis of such methods, and is often seen as the implicit number of parameters of non-parametric estimators. This result enables simple algorithms that have sub-quadratic running time complexity, but provably exhibit the same predictive performance than existing algorithms, for any given problem instance, and not only for worst-case situations.
À l'attention du déposant 
  • Le dépôt doit être effectué en accord avec les co-auteurs et dans le respect de la politique des éditeurs
  • La mise en ligne est assujettie à une modération, la direction de HAL se réservant le droit de refuser les articles ne correspondant pas aux critères de l'archive (voir le guide du déposant)
  • Tout dépôt est définitif, aucun retrait ne sera effectué après la mise en ligne de l'article
  • Consulter le ManuHAL
  • Les fichiers textes au format pdf ou les fichiers images composant votre dépôt sont maintenant envoyés au CINES dans un contexte d'archivage à long terme.
À l'attention des lecteurs 
  • Dans un contexte de diffusion électronique, tout auteur conserve ses droits intellectuels, notamment le fait de devoir être correctement cité et reconnu comme l'auteur d'un document.

  Déposer
Identifiant
Mot de passe
s'inscrireretrouver son mot de passe
  Documents avec texte intégral
225222 
  Dépôts du jour
  Contact
 - support.ccsd.cnrs.fr
 - 
  Actualités
Des nouvelles sur HAL v.3 (21/05/2013)
Les publications déposées sur HAL sont-elles récentes ? (24/04/2013)
Convention de partenariat en faveur des archives ouvertes et de la plateforme mutualisée HAL (04/04/2013)
La convention de partenariat en faveur des archives ouvertes et de la plateforme mutualisée HAL a été signée le 2 avril 2013 : en savoir plus
Le CCSD développe Episciences.org (04/04/2013)
  À voir

tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...