BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Département de mathématiques et applications - ECPv6.2.2//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Département de mathématiques et applications
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:20110327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20111030T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20110228T133000
DTEND;TZID=Europe/Paris:20110228T143000
DTSTAMP:20260411T121105
CREATED:20110228T123000Z
LAST-MODIFIED:20211104T090216Z
UID:7982-1298899800-1298903400@www.math.ens.psl.eu
SUMMARY:Bornes de sparsité en suites individuelles dans un cadre de régression linéaire séquentielle
DESCRIPTION:On s’intéresse au problème de la régression linéaire séquentielle en grande dimension pour des suites déterministes arbitraires. Dans ce cadre\, on prouve des bornes de regret qui sont un équivalent déterministe des bornes oracle de sparsité introduites au cours de la dernière décennie dans un cadre stochastique. Notre algorithme séquentiel SeqSEW procède par mélange exponentiel et troncature dépendante des données. Dans un second temps\, on applique une version totalement automatique de cet algorithme aux modèles de régression avec design aléatoire et design fixe. Dans ces deux modèles\, les bornes obtenues pour des suites individuelles impliquent des bornes (stochastiques) de sparsité exactes qui sont comparables à celles de Dalalyan et Tsybakov (2008
URL:https://www.math.ens.psl.eu/evenement/bornes-de-sparsite-en-suites-individuelles-dans-un-cadre-de-regression-lineaire-sequentielle/
LOCATION:DMA Salle W
CATEGORIES:SMILE in Paris
END:VEVENT
END:VCALENDAR