On the method of moments for estimation in latent linear models

Résumé : Les modèles linéaires latents sont des modèles statistique puissants pour extraire la structure latente utile à partir de données non structurées par ailleurs. Ces modèles sont utiles dans de nombreuses applications telles que le traitement automatique du langage naturel et la vision artificielle. Pourtant, l'estimation et l'inférence sont souvent impossibles en temps polynomial pour de nombreux modèles linéaires latents et on doit utiliser des méthodes approximatives pour lesquelles il est difficile de récupérer les paramètres. Plusieurs approches, introduites récemment, utilisent la méthode des moments. Elles permettent de retrouver les paramètres dans le cadre idéalisé d'un échantillon de données infini tiré selon certains modèles, mais ils viennent souvent avec des garanties théoriques dans les cas où ce n'est pas exactement satisfait. Dans cette thèse, nous nous concentrons sur les méthodes d'estimation fondées sur l'appariement de moment pour différents modèles linéaires latents. L'utilisation d'un lien étroit avec l'analyse en composantes indépendantes, qui est un outil bien étudié par la communauté du traitement du signal, nous présentons plusieurs modèles semiparamétriques pour la modélisation thématique et dans un contexte multi-vues. Nous présentons des méthodes à base de moment ainsi que des algorithmes pour l'estimation dans ces modèles, et nous prouvons pour ces méthodes des résultats de complexité améliorée par rapport aux méthodes existantes. Nous donnons également des garanties d'identifiabilité, contrairement à d'autres modèles actuels. C'est une propriété importante pour assurer leur interprétabilité.
Type de document :
Thèse
Machine Learning [cs.LG]. PSL Research University, 2016. English. 〈NNT : 2016PSLEE050〉
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-01489260
Contributeur : Abes Star <>
Soumis le : jeudi 5 avril 2018 - 01:31:27
Dernière modification le : mardi 24 avril 2018 - 17:20:12

Fichier

Podosinnikova-2016-These.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01489260, version 2

Collections

Citation

Anastasia Podosinnikova. On the method of moments for estimation in latent linear models. Machine Learning [cs.LG]. PSL Research University, 2016. English. 〈NNT : 2016PSLEE050〉. 〈tel-01489260v2〉

Partager

Métriques

Consultations de la notice

254

Téléchargements de fichiers

151