- FR
- EN
Titre : A tale of heavy tails
Résumé
Dans cet exposé, j'expliquerai l’utilité de lois de probabilité à queues lourdes en statistique bayésienne en tant que lois a priori sur des aspects d’un objet fonctionnel à estimer, par exemple les coefficients d’une fonction sur une base. En partant d’une comparaison avec les processus gaussiens, nous verrons que, de façon surprenante au premier abord, des propriétés automatiques d’adaptation à la régularité de la fonction inconnue sont obtenues avec certaines lois à queues lourdes. Nous présenterons aussi des propriétés d’adaptation à des structures cachées telles que les structures de composition pour des réseaux de neurones profonds dont les poids sont à queues lourdes. Nous expliquerons certains avantages du point de vue algorithmique, comme l’absence de nécessité d’échantillonnage sur les (hyper-)paramètres de régularité ou de structure.
Plus de détails dur le site web The Colloquium ici : https://www.ceremade.dauphine.fr/~salez/colloquium.html
