00:00:00 / 00:00:00

Statistical theory for deep neural networks - lecture 1

De Johannes Schmidt-Hieber

Apparaît dans la collection : CEMRACS 2021: Data Assimilation and Model Reduction in High Dimensional Problems / CEMRACS 2021: Assimilation de données et réduction de modèle pour des problêmes en grande dimension

Recently a lot of progress has been made regarding the theoretical understanding of machine learning methods in particular deep learning. One of the very promising directions is the statistical approach, which interprets machine learning as a collection of statistical methods and builds on existing techniques in mathematical statistics to derive theoretical error bounds and to understand phenomena such as overparametrization. The lecture series surveys this field and describes future challenges.

Informations sur la vidéo

Données de citation

  • DOI 10.24350/CIRM.V.19781503
  • Citer cette vidéo Schmidt-Hieber, Johannes (22/07/2021). Statistical theory for deep neural networks - lecture 1. CIRM. Audiovisual resource. DOI: 10.24350/CIRM.V.19781503
  • URL https://dx.doi.org/10.24350/CIRM.V.19781503

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
Donner son avis
Loading…
Loading the web debug toolbar…
Attempt #