English
Statistical theory for deep neural networks - lecture 1
Virtualconference
Auteurs : Schmidt-Hieber, Johannes (Auteur de la Conférence)
CIRM (Editeur )
65Mxx - Numerical methods for IVP of PDE
68T07 - Artificial neural networks and deep learning
Ressources complémentaires :
http://smai.emath.fr/cemracs/cemracs21/data/presentation-speakers/schmidt-hieber-1.pdf
CIRM (Editeur )
Loading the player...
|
Résumé :
Recently a lot of progress has been made regarding the theoretical understanding of machine learning methods in particular deep learning. One of the very promising directions is the statistical approach, which interprets machine learning as a collection of statistical methods and builds on existing techniques in mathematical statistics to derive theoretical error bounds and to understand phenomena such as overparametrization. The lecture series surveys this field and describes future challenges.
Codes MSC : 65Mxx - Numerical methods for IVP of PDE
68T07 - Artificial neural networks and deep learning
Ressources complémentaires :
http://smai.emath.fr/cemracs/cemracs21/data/presentation-speakers/schmidt-hieber-1.pdf
|
Informations sur la Vidéo
Réalisateur : Hennenfent, GuillaumeLangue : Anglais Date de publication : 16/08/2021 Date de captation : 22/07/2021 Sous collection : Research School arXiv category : Statistics Theory ; Machine Learning Domaine : Probability & Statistics Format : MP4 (.mp4) - HD Durée : 01:53:37 Audience : Researchers Download : https://videos.cirm-math.fr/2021-07-22-Schmidt-Hieber_1.mp4 
|
Informations sur la Rencontre
Nom de la rencontre : CEMRACS 2021: Data Assimilation and Model Reduction in High Dimensional Problems / CEMRACS 2021: Assimilation de données et réduction de modèle pour des problêmes en grande dimensionOrganisateurs de la rencontre : Ehrlacher, Virginie ; Lombardi, Damiano ; Mula Hernandez, Olga ; Nobile, Fabio ; Taddei, Tommaso Dates : 19/07/2021 - 23/07/2021 Année de la rencontre : 2021 URL Congrès : https://conferences.cirm-math.fr/2412.html
Données de citation
DOI : 10.24350/CIRM.V.19781503Citer cette vidéo: Schmidt-Hieber, Johannes (2021). Statistical theory for deep neural networks - lecture 1. CIRM. Audiovisual resource. doi:10.24350/CIRM.V.19781503 URI : http://dx.doi.org/10.24350/CIRM.V.19781503 |
Voir aussi
- [Multi angle] Bayesian data assimilation and filtering - lecture 2 / Auteur de la Conférence Schillings, Claudia.
- [Multi angle] How to compute transition times? / Auteur de la Conférence Lelièvre, Tony.
- [Multi angle] Coupling models instead of coupling codes: two toy examples / Auteur de la Conférence Lafitte, Olivier.
- [Virtualconference] Statistical theory for deep neural networks - lecture 2 / Auteur de la Conférence Schmidt-Hieber, Johannes.
- [Multi angle] Approximation and learning with tree tensor networks - lecture 2 / Auteur de la Conférence Nouy, Anthony.
- [Multi angle] Approximation and learning with tree tensor networks - lecture 1 / Auteur de la Conférence Nouy, Anthony.
- [Virtualconference] Bayesian methods for inverse problems - lecture 2 / Auteur de la Conférence Dashti, Masoumeh.
- [Multi angle] Theory of approximation of high-dimensional functions - lecture 2 / Auteur de la Conférence Cohen, Albert.
Bibliographie
Imagette Video
