Publication :
Priors PAC-Bayes avec covariance pleine qui dépendent de la distribution source

bul.contributor.advisor-marc100Laviolette, François|=$aLaviolette, François
bul.contributor.advisor-marc100Germain, Pascal|=$aGermain, Pascal
bul.contributor.author-marc100Alain, Mathieu|=$aAlain, Mathieu
bul.date.reception2022-10-19
bul.description.alirecat202210 embre3
bul.faculteFaculté des sciences et de génie.
bul.identifier.controlNumber1348581542
bul.identifier.uuid4580d9af-d074-4738-8d8d-ceb2c5634bf0
dc.contributor.advisorLaviolette, François
dc.contributor.advisorGermain, Pascal
dc.contributor.authorAlain, Mathieu
dc.date.accessioned2022-10-24T07:02:19Z
dc.date.available2022-10-24T07:02:19Z
dc.date.issued2022
dc.date.updated20221109
dc.description.abstractL'ambition du présent mémoire est la présentation d'un ensemble de principes appelés la théorie PAC-Bayes. L'approche offre des garanties de type PAC aux algorithmes d'apprentissage bayésiens généralisés. Le mémoire traite essentiellement des cas où la distribution prior dépend des données. Le mémoire est divisé en trois chapitres. Le premier chapitre détaille les notions de base en apprentissage automatique. Il s'agit d'idées nécessaires à la bonne compréhension des deux chapitres subséquents. Le deuxième chapitre présente et discute de la théorie PAC-Bayes. Finalement, le troisième chapitre aborde l'idée d'une garantie PAC-Bayes où le prior dépend des données. Il y a deux contributions principales. La première contribution est une formulation analytique du risque empirique espéré pour les distributions elliptiques. La seconde contribution est une extension du travail de Parrado-Hernández et al. (34). En effet, il s'agit du développement d'une garantie PAC-Bayes avec un prior espérance non sphérique.fr
dc.description.abstractThe ambition of this thesis is to present a set of principles called the PAC-Bayes theory. The approach provides PAC-like guarantees for generalised Bayesian learning algorithms. This thesis deals essentially with cases where the prior distribution is data dependent. The paper is divided into three chapters. The first chapter details the core concepts of machine learning. These are ideas that are necessary for a good understanding of the two subsequent chapters. The second chapter presents and discusses the PAC-Bayes theory. Finally, the third chapter addresses the idea of a PAC-Bayes guarantee where the prior depend on the data. There are two main contributions. The first contribution is an analytical formulation of the empirical expected risk for elliptical distributions. The second contribution is an extension of the work of Parrado-Hernández et al. (34). Indeed, it is the development of a PAC-Bayes guarantee with a non-spherical prior expectation.en
dc.format.extent1 ressource en ligne (v, 38 pages)
dc.identifier.bacTC-QQLA-37997
dc.identifier.nothese37997
dc.identifier.other37997
dc.identifier.urihttp://hdl.handle.net/20.500.11794/102744
dc.languagefre
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.subject.rvmThéorème de Bayes.fr_CA
dc.subject.rvmAlgorithmes d'apprentissage.fr_CA
dc.titlePriors PAC-Bayes avec covariance pleine qui dépendent de la distribution source
dc.type.legacyCOAR1_1::Texte::Thèse::Mémoire de maîtrisefr
dcterms.publisher.locationQuébec
dspace.accessstatus.time2022-11-15 21:44:40
dspace.entity.typePublication
etdms.degree.disciplineMaîtrise en informatique
etdms.degree.grantorUniversité Lavalfr_CA
etdms.degree.nameMaître ès sciences (M. Sc.)fr_CA
relation.isAdvisorOfPublication8efb8fa7-2322-4a64-81b2-6a6a862b3dac
relation.isAdvisorOfPublication418519ca-5cbd-42e3-acc1-157b546764c8
relation.isAdvisorOfPublication.latestForDiscovery8efb8fa7-2322-4a64-81b2-6a6a862b3dac
relation.isAuthorOfPublicationde5dec6d-623a-4062-be3f-d611f9958839
relation.isAuthorOfPublication.latestForDiscoveryde5dec6d-623a-4062-be3f-d611f9958839
Fichiers
Bundle original
Voici les éléments 1 - 1 sur 1
En cours de chargement...
Vignette d'image
Nom :
37997.pdf
Taille :
580.4 KB
Format :
Adobe Portable Document Format
Description :