Auteur / Autrice : | Anass Aghbalou |
Direction : | Anne Sabourin, François Portier, Patrice Bertail |
Type : | Projet de thèse |
Discipline(s) : | Mathématiques appliquées |
Date : | Inscription en doctorat le 10/12/2020 |
Etablissement(s) : | Institut polytechnique de Paris |
Ecole(s) doctorale(s) : | École doctorale de mathématiques Hadamard |
Partenaire(s) de recherche : | Laboratoire : Laboratoire de Traitement et Communication de l'Information |
Equipe de recherche : S2A - Statistique et Apprentissage |
Résumé
L'objectif principal de cette thèse est de d'explorer l'applicabilité des méthodes de ré-échantillonage (bootstrap, sous-échantillonage, validation croisée) à des problèmes d'apprentissage liés aux événements extrêmes. Il s'agit, d'une part, de quantifier l'incertitude attachée aux prédictions concernant les événements extrêmes, d'autre part de choisir de manière optimale les hyper-paramètres dans les algorithmes d'apprentissage associés, dans un cadre multivarié, c'est-à-dire lorsque le système étudié comporte plusieurs variables susceptibles de prendre de grandes valeurs, simultanément ou non. Le deuxième objectif est de proposer des méthodes d'apprentissage de représentation dédiées aux valeurs extrêmes et aux queues de distribution en s'appuyant le cas échéant sur l'entraînement de réseaux de neurones.