LEARNABILITY IN PROBLEMS OF SEQUENTIAL INFERENCE

Daniil Ryabko 1
1 SEQUEL - Sequential Learning
LIFL - Laboratoire d'Informatique Fondamentale de Lille, Inria Lille - Nord Europe, LAGIS - Laboratoire d'Automatique, Génie Informatique et Signal
Résumé : Les travaux présentés sont dédiés à la possibilité de faire de l'inférence statistique à partir de données séquentielles. Le problème est le suivant. Étant donnée une suite d'observations x_1,...,x_n,..., on cherche à faire de l'inférence sur le processus aléatoire ayant produit la suite. Plusieurs problèmes, qui d'ailleurs ont des applications multiples dans différents domaines des mathématiques et de l'informatique, peuvent être formulés ainsi. Par exemple, on peut vouloir prédire la probabilité d'apparition de l'observation suivante, x_{n+1} (le problème de prédiction séquentielle); ou répondre à la question de savoir si le processus aléatoire qui produit la suite appartient à un certain ensemble H_0 versus appartient à un ensemble différent H_1 (test d'hypothèse) ; ou encore, effectuer une action avec le but de maximiser une certain fonction d'utilité. Dans chacun de ces problèmes, pour rendre l'inférence possible il faut d'abord faire certaines hypothèses sur le processus aléatoire qui produit les données. La question centrale adressée dans les travaux présentés est la suivante : sous quelles hypothèses l'inférence est-elle possible ? Cette question est posée et analysée pour des problèmes d'inférence différents, parmi lesquels se trouvent la prédiction séquentielle, les tests d'hypothèse, la classification et l'apprentissage par renforcement.
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-00675680
Contributeur : Daniil Ryabko <>
Soumis le : samedi 27 décembre 2014 - 01:31:09
Dernière modification le : lundi 19 mars 2018 - 15:05:31
Document(s) archivé(s) le : samedi 28 mars 2015 - 10:05:52

Fichiers

Identifiants

  • HAL Id : tel-00675680, version 2

Citation

Daniil Ryabko. LEARNABILITY IN PROBLEMS OF SEQUENTIAL INFERENCE. Machine Learning [cs.LG]. Université des Sciences et Technologie de Lille - Lille I, 2011. 〈tel-00675680v2〉

Partager

Métriques

Consultations de la notice

234

Téléchargements de fichiers

127