Catégorie
Séminaire
Date de tri

Séminaire DATAIA | « Phase transition in PCA with missing data: reduced signal-to-noise ratio, not sample size! » - Lars Kai Hansen

Bandeau image

Séminaire DATAIA | « Phase transition in PCA with missing data: reduced signal-to-noise ratio, not sample size! » - Lars Kai Hansen

  • Events on the same topic

Partager

twlkfbml
Lieu de l'événement
Centre Inria-Saclay - Bâtiment Alan Turing
Date de l'événement (intitulé)
27 novembre 2019 - 15h00
Chapo
Dans le cadre de son animation scientifique, l'Institut DATAIA organise des séminaires visant à échanger autour de l'IA.
Contenu
Corps de texte

Lars Kai Hansen (Technical University of Denmark) est l’animateur du séminaire DATAIA du 27 novembre, organisé en collaboration avec l'équipe Parietal d'Inria.  

Principal component analysis (PCA) is widely used, easy to formulate and compute - yet has many surprising behaviors!  It has been shown that the performance of PCA depends on the signal-to-noise ratio and on the ratio of sample size-to-dimensionality. Since the early 90s it is also known that a critical sample size is needed before learning occurs (Biehl and Mietzner, 1993). Here we generalize this analysis to include missing data.  An analytic result suggest that the effect of missingdata is to effectively reduce signal-to-noise rather than - as commonly believed - to reduce sample size. The theory predicts a phase transition induced by the missingprocess and this is indeed observed in simulated and in real data.

N. Ipsen, L.K. Hansen. Phase transition in PCA with missing data; Proc. ICML 2019; PMLR 97:2951-2960, 2019.
Nom de l'accordéon
BIOGRAPHIE
Texte dans l'accordéon

Lars Kai Hansen est titulaire d'une maîtrise et d'un doctorat en physique de l'Université de Copenhague. Depuis 1990, il travaille à l'Université technique du Danemark, où il dirige actuellement la Section des systèmes cognitifs. Il a publié plus de 300 articles sur l'apprentissage automatique, le traitement du signal et les applications de l'IA et des systèmes cognitifs. Ses recherches ont été généreusement financées par les conseils danois de la recherche et des fondations privées, l'Union européenne et les National Institutes of Health des États-Unis. Il a apporté une contribution déterminante à l'apprentissage machine, notamment à l'introduction des méthodes d'ensemble ('90) et à la neuroimagerie fonctionnelle, y compris le premier travail de décodage de l'état du cerveau basé sur la TEP ('94) et l'IRMf ('97). Dans le contexte de la neuroimagerie, il a mis au point une série de méthodes pour visualiser des modèles d'apprentissage machine et quantifier l'incertitude. En 2011, il a été élu "Catedra de Excelencia" à UC3M Madrid, Espagne.

Corps de texte

Le séminaire aura lieu le 27 novembre 2019 de 15h00 à 16h00 au centre Inria-Saclay - bâtiment Alan TuringAmphithéâtre Sophie Germain.

Une pause café sera servie avant le séminaire (14h30)

Inscriptions gratuites mais obligatoires dans la limite des places disponibles.
Pour des raisons de sécurité, toute personne non-inscrite ne pourra pas accéder au lieu du séminaire

Événements sur le même thème
Bandeau image
fleche
Catégorie
Séminaire
Date de l'événement (intitulé)
20 novembre 2019 - 14h00
Chapo
Nicolas Sabouret (Université Paris-Sud – LIMSI-CNRS) se rendra à l’IRT SystemX le 20 novembre, sur le site de Nano-Innov, pour animer un séminaire sur le thème « Simuler l’humain » de 14h00 à 15h30.
Bandeau image
fleche
Catégorie
Séminaire
Date de l'événement (intitulé)
2 décembre 2019 - 16h00
Chapo
Le séminaire Palaisien réunit, chaque premier mardi du mois, la vaste communauté de recherche de Saclay autour de la statistique et de l'apprentissage machine.