BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//CERN//INDICO//EN
BEGIN:VEVENT
SUMMARY:Gaussian Mixture Model with unknown diagonal covariances via conti
 nuous sparse regularization
DTSTART:20260421T083000Z
DTEND:20260421T093000Z
DTSTAMP:20260411T160100Z
UID:indico-event-16424@indico.math.cnrs.fr
DESCRIPTION:Speakers: Romane Giard (ICJ)\n\nNous ne prévoyons pas de visi
 o\, l'exposé sera fait au tableau en français.\n \nNous considérons un
  modèle de mélange gaussien (GMM) et étudions l’estimation statistiqu
 e de ses paramètres à partir d’un échantillon i.i.d. Notre estimateur
  repose sur la résolution d’un problème d’optimisation convexe\, le 
 Beurling-LASSO (BLASSO)\, qui s’appuie sur une régularisation parcimoni
 euse dans l’espace des mesures.\nNous présentons des garanties de recon
 struction non asymptotiques pour l’estimation des paramètres du GMM.\nN
 ous introduisons l'outil principal de notre analyse : le noyau gaussien et
  la géométrie de Fisher-Rao associée. Cette géométrie particulière i
 ntervient aussi dans l'algorithme utilisé pour résoudre le BLASSO\, bas
 é sur le gradient naturel (natural gradient descent).\n \nMots-clés : m
 odèles de mélange\, Beurling-LASSO\, géométrie de Fisher-Rao\n\nhttps:
 //indico.math.cnrs.fr/event/16424/
LOCATION:séminaire 1 au sous-sol ( bâtiment Braconnier\, à la doua)
URL:https://indico.math.cnrs.fr/event/16424/
END:VEVENT
END:VCALENDAR