Retour à la page de / Back to
Gilles Stoltz
 Séances 2008-09
 Agenda 2008-09		 Notes de mini-cours, archives, comment venir, etc.
Lecture notes, archives of past years, how to find us, and so on


Groupe de travail Apprentissage
Bi-weekly learning seminar at ENS
  

Organisateurs en 2008-09 / Organizers for 2008-09
Pascal Massart (Université Paris-Sud), Erwan Le Pennec (INRIA Université Paris 7), Gérard Biau (Université Paris 6),  Gilles Stoltz (Ecole normale supérieure)



6 octobre 2008
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Rémi Munos (INRIA Lille)
Titre : Algorithmes de bandits pour l'exploration d'arbres, avec applications aux jeux, à l'optimisation et au contrôle
Résumé : Bandit-based methods for tree search have recently gained popularity when applied to huge trees, e.g., in the game of go. Their efficient exploration policy of the tree enables to return rapidly a good value and improve precision if more time is provided. The UCT algorithm, a tree search method based on Upper Confidence Bounds (UCB) is believed to adapt locally to the effective smoothness of the tree. However, it is known that UCT may be over-optimistic for some problems, leading to high regret. I will describe alternative bandit-based approaches and analyze a Bandit Algorithm for Smooth Trees (BAST) which takes into account actual smoothness of the rewards for performing efficient cuts of sub-optimal branches with high confidence. I will then illustrate several  fields of applications, such as minimax search in games, global optimization of Lipschitz functions, and discounted optimal control.  


13 octobre 2008
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Alexandre Tsybakov (CREST, ENSAE) 
Titre : Survol de quelques résultats récents sur la sparsité


3 novembre 2008
Heure et lieu : 13:30, salle Henri-Cartan
Orateur :  Dominique Picard (Université Paris-Diderot)
Titre:  Statistiques sur la sphère, problèmes inverses, ondelettes de deuxième génération et vitesses minimax non standard


24 novembre 2008
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Vincent Rivoirard (Université Paris-Sud et Ecole normale supérieure)
Titre : Exposé sur l'article d'Emmanuel Candès et Yaniv Plan "Near-ideal model selection by L1 minimization"


1er décembre 2008
Attention au lieu : amphithéâtre du nouvel immeuble Rataud (niveau premier sous-sol -- l'immeuble en question est celui qui est en verre et béton, vous ne le raterez pas !)
Heure : 13:30
Orateur : Guillaume Lecué (CNRS et Université de Provence)
Titre : Optimal aggregation via Empirical risk minimization
Résumé : Disponible au format pdf


5 janvier 2009
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Franck Rapaport (Memorial Sloan-Kettering Cancer Center)
Titre : Introducing a priori knowledge into microarray classification


19 janvier 2009
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Nicolas Broutin (INRIA Rocquencourt)
Titre : Résistance équivalente des arbres et concentration
Résumé : Disponible au début de l'article


26 janvier 2009
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Christophe Ambroise (Laboratoire Statistique et Génome, Evry)
Titre : Modèle graphique gaussien parcimonieux à structure cachée
Résumé : Disponible au début de l'article


2 février 2009
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Karim Lounici (Université Paris Diderot)
Titre : Sélection de variables avec Lasso et Dantzig Selector
Résumé : Nous considérons le modèle de régression linéaire en grande dimension. Nous prouvons des inégalités oracles pour l'estimation en norme sup avec la vitesse optimale et la sélection de variables simultanément pour les estimateurs Lasso et Dantzig selector sous une hypothèse de cohérence sur le design. Nous prouvons ensuite des résultats similaires pour le Lasso sous la condition plus faible d'irreprésentabilité. Nous tentons enfin une généralisation de ces résultats à d'autres modèles.


2 mars 2009
Attention au lieu : salle 0C02 à Chevaleret, en raison de la grève au DMA
Heure : 13:30, salle Henri-Cartan
Orateur : Sara van de Geer (ETH, Zürich)
Titre : Oracle properties of the adaptive Lasso


16 mars 2009
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Gilles Blanchard (Fraunhofer FIRST)
Titre : Convergence du gradient conjugué fonctionnel pour l'apprentissage statistique
Résumé : Je présenterai les méthodes de gradient conjugué dans le cadre de la régression bornée. Cette approche est aussi connue (et utilisée depuis longtemps) sous le nom de "régression aux moindre carrés partiels" (partial least squares). Il s'agit d'un algorithme itératif qui n'entre pas directement dans le cadre de méthodes comme les M-estimateurs ou les estimateurs linéaires. On peut en fait l'interpréter comme un M-estimateur sur une suite de modèles dépendant fortement des données. Je m'intéresserai dans cet exposé à la version kernelisée de cet algorithme, et en particulier à sa consistance universelle. Ce travail a été réalisé en collaboration avec Nicole Krämer.


30 mars 2009
Heure et lieu : 13:30, salle Henri-Cartan
Orateur : Sylvain Sorin (Université Pierre et Marie Curie)
Titre : [A propos de jeux répétés :] Procédures consistentes en temps discret et continu


27 avril 2009
Attention au lieu : salle des Résistants (1er étage du bâtiment principal de l'ENS)
Heure : 13:30
Orateur : Guillaume Obozinski (INRIA Rocquencourt, projet Willow)
Titre : Support union recovery in high-dimensional multivariate regression


11 mai 2009
Attention au lieu : salle des Résistants (1er étage du bâtiment principal de l'ENS)
Heure : 13:30
Orateur : Mohammed Hebiri (Université Paris Diderot)
Titre : Estimation par le LASSO transductif
Résumé : On considère le problème de régression linéaire dans lequel le nombre de variables explicatives p peut être plus grand que le nombre d'observation n. Sous des hypothèses de parcimonie, nous proposons dans cette étude une généralisation de l'estimateur LASSO de Tibshirani (1996), qui prend en compte l'objectif du statisticien. Le problème de l'estimation du paramètre inconnu dans le cadre transductif (Vapnik, 1998) est par exemple considéré, i.e., une approche dans laquelle la construction de l'estimateur s'appuie sur un nouvel échantillon non étiqueté et pour lequel nous souhaitons réaliser de bonne performances de prédiction. Du point de vue théorique, nous illustrons nos résultats par des "inégalités de sparsité", i.e., des bornes sur l'erreur d'estimation qui font intervenir la parcimonie du paramètre que l'on veut estimer. Nous proposons également un algorithme de type LARS pour fournir une solution approchée de notre estimateur.