统计学中的高维问题
主要内容
2011年9月19日至23日
组织者:Sara van de Geer, Peter Bühlmann, Marloes Maathuis和Hans-Rudolf Künsch
本工作坊是2011秋季专题学期“高维逼近、学习理论与随机偏微分方程”的一部分。
现代统计理论关注复杂参数空间中对象的估计,例如具有大量变量的回归函数空间,或图像分析中的凸集集合等。一个关键点是描述平滑的方式。例如,平滑可能是稀疏性,例如小波展开的系数数量,或流形的维数。本次研讨会的一个重要课题是对未知平滑度的适应,使用基于惩罚的方法,这种方法在计算上对高维问题是可行的。
这将与分析和近似理论有许多联系。它还与数学的其他分支有一些明显的进一步联系。例如,概率论中的浓度不平等是当今主要的统计工具。作为另一个例子,统计使用和扩展各种各样的优化理论的技术(例如,凸优化,指数加权,内点法)。此外,从算法的角度来看,统计问题与计算机科学中的压缩和学习算法有明确的关系。
研讨会的子主题是“图形建模和因果推理”,与稀疏(随机)图理论、离散优化(包括随机算法)和稀疏逼近有重要联系。
邀请嘉宾:
彼得·巴特利特,加州大学伯克利分校
彼得Bickel,加州大学伯克利分校
Florentina Bunea,康奈尔大学
伊曼纽尔萤石斯坦福大学,
阿尔伯特·科恩, Université皮埃尔和玛丽·居里
弗拉基米尔•Koltchinskii佐治亚理工学院
巴尼k Mallick德州农工大学
尼科莱Meinshausen,牛津大学
伊凡Mizera阿尔伯塔大学
苏珊墨菲,密歇根大学
Yurii Nesterov网址:Université鲁汶天主教
丫'acov Ritov,耶路撒冷希伯来大学
詹姆斯·罗宾斯哈佛大学,
Angelika罗德大学汉堡
乌尔丽克•施耐德,哥廷根大学的同事
Bernhard Scholkopf马克斯·普朗克智能系统研究所
乔尔Tropp加州理工学院
亚历山大Tsybakov, CREST et Université皮埃尔和玛丽居里
马丁·温赖特,加州大学伯克利分校
貂Wegkamp,佛罗里达州立大学
Cun-Hui张罗格斯大学,