BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Département de mathématiques et applications - ECPv6.2.2//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.math.ens.psl.eu
X-WR-CALDESC:évènements pour Département de mathématiques et applications
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260119T110000
DTEND;TZID=Europe/Paris:20260119T120000
DTSTAMP:20260421T123423
CREATED:20260112T104923Z
LAST-MODIFIED:20260112T104924Z
UID:20707-1768820400-1768824000@www.math.ens.psl.eu
SUMMARY:Jaouad Mourtada : « De la prédiction séquentielle à la géométrie des corps convexes »
DESCRIPTION:L’objectif de la prédiction séquentielle probabiliste est de prédire une suite d’observations révélées une à une\, en leur attribuant des probabilités aussi élevées que possible. Ce problème classique en apprentissage et en théorie de l’information est étroitement lié au codage universel et\, plus récemment\, à la prédiction du prochain token pour les modèles de langage. \nDans cet exposé\, je rappellerai d’abord des résultats classiques dus à Shtarkov et Rissanen dans les années 80–90. Une question centrale consiste à relier la complexité du problème à la « géométrie » du modèle sous-jacent. Pour l’aborder concrètement\, je me restreindrai au cas de modèles gaussiens sous contrainte convexe. Je présenterai un résultat récent montrant que l’erreur optimale s’exprime alors en fonction de quantités de géométrie convexe\, à savoir les volumes intrinsèques du corps considéré. Si le temps le permet\, j’évoquerai aussi un lien avec la théorie des processus gaussiens.
URL:https://www.math.ens.psl.eu/evenement/jaouad-mourtada-de-la-prediction-sequentielle-a-la-geometrie-des-corps-convexes/
LOCATION:DMA Salle W
CATEGORIES:Séminaire informel de probabilités
END:VEVENT
END:VCALENDAR