«Вероятность попадания в шар в задачах многомерной статистики» от математического кружка ФПМИ |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2018-11-29 15:49 30 ноября в 18:30 в 115 КПМ пройдёт лекция «Вероятность попадания в шар в задачах многомерной статистики» в рамках математического кружка Физтех-школы прикладной математики и информатики. В докладе рассматривается несколько статистических подходов к анализу значимости статистических решений, включающих бутстреп и Байесовские вычисления. В частности, обсуждается вопрос применимости методов бутстрепа, вопрос влияния априорного распределения и его выбор, сравнения Байесовских и классических доверительных множеств. Будет показано, что анализ и обоснование подобных методов сводится к классической проблеме теории вероятностей: сравнению двух различных гауссовских мер в Евклидовом или Гильбертовом пространстве. Недавние достижения в этой области показали, что сужение класса рассматриваемых множеств до массивных шаров позволяет существенно улучшить имевшиеся ранее результаты. Лектор — Владимир Спокойный, профессор математики и экономики Гумбольдтовского университета, заведующий лабораторией стохастических алгоритмов и непараметрической статистики института Вейерштрасса в Берлине. Руководит лабораторией структурных методов анализа данных в предсказательном моделировании МФТИ. Научные интересы: математическая статистика, теория вероятностей, финансовая математика. Источник: m.vk.com Комментарии: |
|