Nouvelles

Soyez toujours informé

Abonnez-vous dès aujourd’hui à notre infolettre pour recevoir des nouvelles ainsi que des renseignements sur des activités et des événements à venir qui se déroulent à l’Université de Moncton.

Nouvelles

Soyez toujours informé

Abonnez-vous dès aujourd’hui à notre infolettre pour recevoir des nouvelles ainsi que des renseignements sur des activités et des événements à venir qui se déroulent à l’Université de Moncton.

Nouvelles

Soyez toujours informé

Abonnez-vous dès aujourd’hui à notre infolettre pour recevoir des nouvelles ainsi que des renseignements sur des activités et des événements à venir qui se déroulent à l’Université de Moncton.

Nouvelles

Soyez toujours informé

Abonnez-vous dès aujourd’hui à notre infolettre pour recevoir des nouvelles ainsi que des renseignements sur des activités et des événements à venir qui se déroulent à l’Université de Moncton.

Imprimer cette page
Calendrier
Nouvelles
Bottin
Imprimer cette page
Calendrier
Nouvelles
Bottin

Vendredi 01 Mai 2015

Vendredi 01 Mai 2015

Le professeur Jules de Tibeiro a présenté une communication au Royaume-Uni

Le professeur Jules de Tibeiro, de l’Université de Moncton, campus de Shippagan, a été invité à présenter une communication au 3e Symposium international sur l'apprentissage statistique et les sciences de données (Statistical Learning and Data Sciences : SLDS) qui s’est tenu du 20 au 24 avril dernier au Royal Holloway, University of London, (Royaume-Uni).

Session : Geometric Data Analysis
Titre : ''Optimal Coding for Discrete Random Vector’’

Résumé : Le problème de la quantification à des fins de codage dans un cadre classique « information théorique » verse soit dans quelques propriétés asymptotiques de convergence et d’exhaustivité, soit dans une perspective de groupement et de classification. On peut aussi choisir des quantifications du support d’une mesure de probabilité donnée dans le but de définir des estimateurs non paramétriques de l’information mutuelle, principalement dans le sens de Kullback-Leibler. S’y rattachent des propriétés de convergence asymptotique de ces estimateurs.

Dans ce sujet de recherche, partant d’un rappel des concepts de la divergence généralisée entre les mesures de probabilité et des concepts d’information mutuelle entre les variables aléatoires, nous proposons plutôt un critère ORIGINAL de partitionnement du support de mesure de probabilité. Cela consiste à minimiser la perte de l’information mutuelle (axée sur le processus même de réduction des données) en définissant l’ensemble de tous les intervalles tels que le codage du support qui en résulte puisse conserver la dépendance stochastique entre les composantes du vecteur aléatoire. Concrètement, nous effectuons une discrétisation simultanée de l’ensemble des composantes de ce vecteur prenant en compte, autant que faire se peut, la dépendance stochastique entre elles.

Joint avec les professeurs Bernard Colin et François Dubeau, Université de Sherbrooke, Faculté des sciences, département de mathématiques et statistique.

Le sujet de la présentation a déjà fait l'objet d'une publication dans Lecture Notes in Artificial Intelligence (LNAI), Lecture Notes, Springer International Publishing 2015 : 9047, pp. 432-441, 2015. DOI : 10.1007/978-3-319-17091-6-38.



Retourner aux nouvelles