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.
Type de document :
Communication dans un congrès
44èmes journées de Statistique (JdS 2012), May 2012, Bruxelles, Belgique. CD-ROM Proceedings (6 p.), 2012
Liste complète des métadonnées

Littérature citée [10 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00690675
Contributeur : Julien Bect <>
Soumis le : jeudi 26 avril 2012 - 20:35:46
Dernière modification le : jeudi 29 mars 2018 - 11:06:05
Document(s) archivé(s) le : vendredi 27 juillet 2012 - 02:22:08

Fichiers

article_jds.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • 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.), 2012. 〈hal-00690675〉

Partager

Métriques

Consultations de la notice

362

Téléchargements de fichiers

590