Filtrage adaptatif par optimisation convexe

Zaid Harchaoui 1 Anatoli Juditsky 2 Dmitri Ostrovski 2
1 Thoth - Apprentissage de modèles à partir de données massives
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann
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.
Type de document :
Communication dans un congrès
Journées SMAI-MODE 2016, Mar 2016, Toulouse, France. <http://mode2016.sciencesconf.org/>
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01336268
Contributeur : Anatoli Juditsky <>
Soumis le : mercredi 22 juin 2016 - 17:40:57
Dernière modification le : mardi 13 décembre 2016 - 15:40:26

Identifiants

  • 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. <http://mode2016.sciencesconf.org/>. <hal-01336268>

Partager

Métriques

Consultations de la notice

200