UFC
CNRS


Accueil > Activités > Séminaires > Probabilités et Statistique

Planning des séminaires 2021-2022

par Duchamps Jean-Jil - publié le , mis à jour le

Le séminaire a lieu le lundi, à 11h, en salle 316 du bâtiment de Métrologie B. Vous trouverez ci-dessous le planning du séminaire de Probabilités-Statistique pour l’année universitaire en cours.

Contacts : jean-jil.duchamps univ-fcomte.fr ou yacouba.boubacar_mainassara univ-fcomte.fr

Exposés à venir :

25 octobre : Michaël Allouche
(École Polytechnique)

EV-GAN : Simulation of extreme events with ReLU neural networks

Abstract :
Feedforward neural networks based on Rectified linear units (ReLU) cannot efficiently approximate quantile functions which are not bounded, especially in the case of heavy-tailed distributions. We thus propose a new parametrization for the generator of a Generative adversarial network (GAN) adapted to this framework, basing on extreme-value theory. We provide an analysis of the uniform error between the extreme quantile and its GAN approximation. It appears that the rate of convergence of the error is mainly driven by the second-order parameter of the data distribution. The above results are illustrated on simulated data and real financial data.

8 novembre : Cécile Spychala et Romain Pic
(UFC)

TBA

Abstract :
TBA

6 décembre : Arthur Maillart
(Detralytics ?)

TBA

Abstract :
TBA

Exposés passés :

4 octobre : Rémi Léandre
(UFC)

Vers une approximation de Wong-Zakai des opérateurs de grand ordre.

Abstract :
Je donne une approche de l’approximation de Wong-Zakai, mettant en relation une équation différentielle ordinaire et la solution d’une équation différentielle de Stratonovitch, pour des opérateurs de grand ordre. L’approximation obtenue est différente de l’approximation de la paramétrix qui est habituellement utilisée pour les semi-groupes.

20 septembre : Amaury Lambert
(Sorbonne Université)

Modèles stochastiques pour l’évolution conjointe des gènes et des espèces

Abstract : Du fait de la recombinaison et de l’hybridation entre espèces, les généalogies de gènes, même lorsque les individus portant ces gènes sont échantillonnés dans des espèces éloignées, sont ordinairement différentes pour différents gènes et (donc) différentes de l’arbre des espèces. En partant du paradigme standard en phylogénétique du coalescent multi-espèces, nous passons en revue plusieurs modèles nouveaux couplant arbres de gènes et arbre d’espèces et en exposons les principales propriétés.

Agenda

  • Lundi 25 octobre 11:00-12:00 - Michaël Allouche - École Polytechnique

    Séminaire PS. EV-GAN : Simulation of extreme events with ReLU neural networks

    Résumé : Feedforward neural networks based on Rectified linear units (ReLU) cannot efficiently approximate quantile functions which are not bounded, especially in the case of heavy-tailed distributions. We thus propose a new parametrization for the generator of a Generative adversarial network (GAN) adapted to this framework, basing on extreme-value theory. We provide an analysis of the uniform error between the extreme quantile and its GAN approximation. It appears that the rate of convergence of the error is mainly driven by the second-order parameter of the data distribution. The above results are illustrated on simulated data and real financial data.


iCal