Optimisation bayésienne par méthodes SMC

Résumé : Le problème considéré est l'optimisation d'une fonction réelle f à l'aide d'une approche bayésienne. Les évaluations de f sont choisies séquentiellement à partir d'informations a priori sur la fonction f, modélisée par un processus aléatoire, et des évaluations précédentes. Cette approche présente deux problèmes, à savoir l'estimation des lois a posteriori de paramètres intervenant dans le choix des points d'évaluations, et la maximisation du critère utilisé pour déterminer ce choix. Dans cet article, nous proposons une approche SMC (Sequential Monte Carlo) pour résoudre ces deux problèmes de façon simultanée.
Document type :
Conference papers
Liste complète des métadonnées

Cited literature [10 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-00690675
Contributor : Julien Bect <>
Submitted on : Thursday, April 26, 2012 - 8:35:46 PM
Last modification on : Thursday, March 29, 2018 - 11:06:05 AM
Document(s) archivé(s) le : Friday, July 27, 2012 - 2:22:08 AM

Files

article_jds.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-00690675, version 1

Collections

Citation

Romain Benassi, Julien Bect, Emmanuel Vazquez. Optimisation bayésienne par méthodes SMC. 44èmes journées de Statistique (JdS 2012), May 2012, Bruxelles, Belgique. CD-ROM Proceedings (6 p.). ⟨hal-00690675⟩

Share

Metrics

Record views

379

Files downloads

703