Carmin.tv

Mathématiques
et Interactions

Merci de nous donner votre avis pour que nous puissions améliorer votre expérience !
Arithmetic Geometry – A Conference in Honor of Hélène Esnault on the Occasion of Her 70th Birthday
15 videos

Arithmetic Geometry – A Conference in Honor of Hélène Esnault on the Occasion of Her 70th Birthday

Multidimensional symbolic dynamics and lattice models of quasicrystals / Dynamique symbolique multidimensionnelle et modèles de quasi-cristaux sur réseau
5 videos

Multidimensional symbolic dynamics and lattice models of quasicrystals / Dynamique symbolique multidimensionnelle et modèles de quasi-cristaux sur réseau

Not Only Scalar Curvature Seminar
58 videos

Not Only Scalar Curvature Seminar

Clément Delcamp : Topological Symmetry and Duality in Quantum Lattice Models
2 videos

Clément Delcamp : Topological Symmetry and Duality in Quantum Lattice Models

Toutes les collections
CIMPA
CIRM
IHES
IHP
LMR
SMF
Tous les instituts
Chaire Jean-Morlet : Equation intégrable aux données initiales aléatoires / Jean-Morlet Chair : Integrable Equation with Random Initial Data

Collection Chaire Jean-Morlet : Equation intégrable aux données initiales aléatoires / Jean-Morlet Chair : Integrable Equation with Random Initial Data

Organisateur(s) Basor, Estelle ; Bufetov, Alexander ; Cafasso, Mattia ; Grava, Tamara ; McLaughlin, Ken
Date(s) 08/04/2019 - 12/04/2019
URL associée https://www.chairejeanmorlet.com/2104.html
00:00:00 / 00:00:00
18 22

Eigenvalue distribution for non linear models of random matrices

De Sandrine Péché

The talk concerned with the asymptotic empirical eigenvalue distribution of a non linear random matrix ensemble. More precisely we consider $M= \frac{1}{m} YY^²$ with $Y=f(WX)$ where W and X are random rectangular matrices with i.i.d. centered entries. The function f is applied pointwise and can be seen as an activation function in (random) neural networks. We compute the asymptotic empirical distribution of this ensemble in the case where W and X have subGaussian tails and f is smooth. This extends a result of [PW17] where the case of Gaussian matrices W and X is considered. We also investigate the same questions in the multi-layer case, regarding neural network applications.

Informations sur la vidéo

Données de citation

  • DOI 10.24350/CIRM.V.19518103
  • Citer cette vidéo Péché, Sandrine (12/04/2019). Eigenvalue distribution for non linear models of random matrices. CIRM. Audiovisual resource. DOI: 10.24350/CIRM.V.19518103
  • URL https://dx.doi.org/10.24350/CIRM.V.19518103

Domaine(s)

Bibliographie

  • Benigni, L., & Péché, S. (2019). Eigenvalue distribution of nonlinear models of random matrices. arXiv preprint arXiv:1904.03090. - https://arxiv.org/abs/1904.03090

Codes MSC

Document(s)

Dernières questions liées sur MathOverflow

Pour poser une question, votre compte Carmin.tv doit être connecté à mathoverflow

Poser une question sur MathOverflow




Inscrivez-vous

  • Mettez des vidéos en favori
  • Ajoutez des vidéos à regarder plus tard &
    conservez votre historique de consultation
  • Commentez avec la communauté
    scientifique
  • Recevez des notifications de mise à jour
    de vos sujets favoris
Copyright Carmin.tv 2024
En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies pour améliorer votre expérience. En savoir plus sur notre politique de confidentialité.
Accepter
Donner son avis