Des matrices aléatoires à l'intégration Monte Carlo, en passant par la quadrature de Gauss
Colloquium
Lieu:
Salle de réunion, 1er étage M2
Orateur:
Rémi Bardenet
Affiliation:
CNRS, CRISTaL, Université de Lille
Dates:
Vendredi, 11 Octobre, 2019 - 11:15 - 12:15
Résumé:
Nous parlerons d'intégration numérique. J'introduirai d'une part la quadrature de Gauss et, d'autre part les méthodes Monte Carlo. Ensuite, j'introduirai un héritier naturel de ces deux familles d'algorithmes : les processus ponctuels déterminantaux (DPP). Les DPP sont apparus comme modèles physiques en optique dans les années 1970, puis ont été largement développés par la communauté des matrices aléatoires dans les années 2000. En termes usuels, ce sont des nuages aléatoires de points qui se repoussent. Nous proposons d'utiliser les DPP comme outils algorithmiques d'intégration numérique, ce qui implique de comprendre leurs aspects computationnels. Si le temps le permet, je montrerai en quoi les DPP sont aussi des algorithmes efficaces d'échantillonnage au-delà de l'intégration numérique, comme pour la sélection de variables en statistiques.
Travaux collaboratifs avec Adrien Hardy, Guillaume Gautier, Michal Valko, Ayoub Belhadji et Pierre Chainais
- Accueil
- Annuaire
- Equipes
- Evènements
- Congrès
- Invités
- Séminaires, Groupes de Travail et Colloquium
- Séminaires
- Analyse Complexe et Equations Différentielles
- Analyse Fonctionnelle
- Analyse Numérique et Equations Aux Dérivées Partielles
- Arithmétique
- Formes Automorphes
- Géométrie Algébrique
- Géométrie des espaces singuliers
- Géométrie Dynamique
- Histoire des Mathématiques
- Physique Mathématique
- Probabilités et Statistique
- Singularités et Applications
- Théorie Analytique et Analyse Harmonique
- Topologie
- Colloquium
- Groupes de Travail
- Analyse harmonique et théorie analytique
- Autour des fractales
- Calcul de Malliavin et processus fractionnaires
- Déformations des singularités de surfaces
- Equations aux dérivées partielles
- Extraction du signal
- Fondements mathématiques du deep learning
- Géométrie Non-Archimédienne
- Géométrie Stochastique
- Idéaux de Hodge
- Leçons d'Analyse
- Matrices Aléatoires
- Probabilités
- Statistique et Grande Dimension
- Systèmes Dynamiques
- Topologie
- W-algèbres
- Doctorants et Post-doctorants
- Séminaires
- Soutenances
- Anciens Séminaires et Groupes de Travail
- Formation par la Recherche
- Laboratoire
- Liens utiles
- Projets
- Recrutements
- Services