Skip to Main content Skip to Navigation
Conference papers

Filtrage adaptatif par optimisation convexe

Zaid Harchaoui 1 Anatoli Juditsky 2 Dmitri Ostrovski 2
1 Thoth - Apprentissage de modèles à partir de données massives
LJK - Laboratoire Jean Kuntzmann, Inria Grenoble - Rhône-Alpes
2 DAO - Données, Apprentissage et Optimisation
LJK - Laboratoire Jean Kuntzmann
Résumé : On considère un problème d’estimation et de prédiction adaptative des signaux ou images de structure inconnue en présence de bruit. Nous développons une approche par optimisation convexe qui permet de répondre à la fois aux deux défis suivants : (i) la conception des estimateurs statistiques optimales ; (ii) la conception d’algorithmes numériques efficaces. En particulier, nous établissons des inégalités d’oracle pour les procédures adaptatives et nous discutons une implémentation efficace d’algorithmes d’estimation en utilisant les algorithmes d’optimisation convexe du premier ordre.
Complete list of metadatas

https://hal.archives-ouvertes.fr/hal-01336268
Contributor : Anatoli Juditsky <>
Submitted on : Wednesday, June 22, 2016 - 5:40:57 PM
Last modification on : Friday, April 17, 2020 - 11:16:02 AM

Identifiers

  • HAL Id : hal-01336268, version 1

Citation

Zaid Harchaoui, Anatoli Juditsky, Dmitri Ostrovski. Filtrage adaptatif par optimisation convexe . Journées SMAI-MODE 2016, Mar 2016, Toulouse, France. ⟨hal-01336268⟩

Share

Metrics

Record views

382