Fiche de GOGOLASHVILI Davit

Titre : Méthodes à noyau globales et locales pour le déplacement de données, l'inférence évolutive et l'optimisation
Date : 16 décembre 2022
Heure: 14:00
Résumé : Dans de nombreux problèmes du monde réel, les données de formation et les données de test ont des distributions différentes. Les paramètres les plus courants pour le décalage des ensembles de données souvent considérés dans la littérature sont le décalage des covariables et le décalage des cibles. Dans cette thèse, nous étudions les modèles non paramétriques appliqués au scénario de changement d'ensemble de données. Nous développons un nouveau cadre pour accélérer la régression par processus gaussien. En particulier, nous considérons des noyaux de localisation à chaque point de données pour réduire les contributions des autres points de données qui sont éloignés, et nous dérivons le modèle GPR découlant de l'application d'une telle opération de localisation. Nous proposons une nouvelle méthode pour estimer le minimiseur et la valeur minimale d'une fonction de régression lisse et fortement convexe à partir des observations contaminées par un bruit aléatoire.
Lieu : EURECOM