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。