复杂结构学习的统计和计算方面

  • 萨拉·范德格尔

    瑞士苏黎世ETH Zentrum
  • 马库斯·雷

    德国柏林洪堡大学
  • 菲利普·里戈莱特

    美国剑桥麻省理工学院
复杂结构学习的统计和计算方面
下载PDF

A类 订阅 需要访问此文章.

摘要

最近定期收集的数据爆炸,导致科学家们考虑越来越复杂的结构假设。了解如何利用这种结构是提高各种统计程序预测准确性的关键。这一研究方向的最终目标是开发一套工具,利用底层复杂结构来汇集观测数据中的信息,并最终提高所部署方法的统计准确性和计算效率。研讨会重点讨论了在物理、计算、隐私、稀疏性或稳健性等各种复杂约束条件下回归和矩阵估计的最新发展。基于优化传输的几何数据分析技术也是研讨会的一个主要主题。

引用这篇文章

Sara van de Geer、Markus Reiß、Philippe Rigollet,《复杂结构学习的统计和计算方面》。Oberwolfach Rep.16(2019),第2期,第1309–1356页

内政部10.4171/OWR/2019/22