Gradient proximal stochastique pour régression aléatoire en grande dimension
Séminaire Probabilités & Statistique
28/11/2013 - 14:00 Eric Moulines (TELECOM ParisTech) Salle 2 - Tour IRMA
Nous présenterons dans cet exposé une version stochastique de l’algorithme de gradient proximal. Nous étudierons la convergence de l’algorithme et en particulier, à l’aide de bornes explicites, nous discuterons précisément l’influence des différents paramètres sur la vitesse de convergence. Nous présenterons une application à un problème de régression logistique en grande dimension en présence d’effets aléatoires.