Bayesian multiple testing for dependent data and hidden Markov models - lecture 1 | Vidéo | Carmin.tv

00:00:00 / 00:00:00

Bayesian multiple testing for dependent data and hidden Markov models - lecture 1

De Elisabeth Gassiat

Apparaît dans la collection : End-to-end Bayesian Learning Methods / Solutions de bout-en-bout en apprentissage Bayésien

Hidden markov models (HMMs) have the interesting property that they can be used to model mixtures of populations for dependent data without prior parametric assumptions on the populations. HMMs can be used to build flexible priors. I will present recent results on empirical Bayes multiple testing, non parametric inference of HMMs and fundamental limits in the learning of HMMs.

Informations sur la vidéo

Date de captation 26/10/2021
Date de publication 15/11/2021
Institut CIRM
Licence CC BY NC ND
Langue Anglais
Audience Chercheurs
Réalisateur(s) Guillaume Hennenfent
Format MP4

Données de citation

DOI 10.24350/CIRM.V.19825003
Citer cette vidéo Gassiat, Elisabeth (26/10/2021). Bayesian multiple testing for dependent data and hidden Markov models - lecture 1. CIRM. Audiovisual resource. DOI: 10.24350/CIRM.V.19825003
URL https://dx.doi.org/10.24350/CIRM.V.19825003

Domaine(s)

Bibliographie

ABRAHAM, Kweku, CASTILLO, Ismael, et GASSIAT, Elisabeth. Multiple testing in nonparametric hidden Markov models: An empirical Bayes approach. arXiv preprint arXiv:2101.03838, 2021. - https://arxiv.org/abs/2101.03838
ABRAHAM, Kweku, NAULET, Zacharie, et GASSIAT, Elisabeth. Fundamental limits for learning hidden Markov model parameters. arXiv preprint arXiv:2106.12936, 2021. - https://arxiv.org/abs/2106.12936
DE CASTRO, Yohann, GASSIAT, Élisabeth, et LACOUR, Claire. Minimax adaptive estimation of nonparametric hidden Markov models. The Journal of Machine Learning Research, 2016, vol. 17, no 1, p. 3842-3884. - https://www.jmlr.org/papers/volume17/15-381/15-381.pdf

Codes MSC

Dernières questions liées sur MathOverflow

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

Poser une question sur MathOverflow

Copyright Carmin.tv 2026

Donner son avis