Thèse soutenue

Stratégies d'accélération des algorithmes de Monte Carlo par chaîne de Markov pour le calcul Bayésien
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Chang-Ye Wu
Direction : Christian P. Robert
Type : Thèse de doctorat
Discipline(s) : Mathématiques
Date : Soutenance le 04/10/2018
Etablissement(s) : Paris Sciences et Lettres (ComUE)
Ecole(s) doctorale(s) : Ecole doctorale SDOSE (Paris)
Partenaire(s) de recherche : Laboratoire : Centre de recherche en mathématiques de la décision (Paris)
établissement de préparation de la thèse : Université Paris Dauphine-PSL (1968-....)
Jury : Président / Présidente : Kerrie L. Mengersen
Examinateurs / Examinatrices : Christian P. Robert, Kerrie L. Mengersen, Nicolas Chopin, Arnaud Doucet, Julien Stoehr
Rapporteurs / Rapporteuses : Nicolas Chopin, Arnaud Doucet

Résumé

FR  |  
EN

Les algorithmes MCMC sont difficiles à mettre à l'échelle, car ils doivent balayer l'ensemble des données à chaque itération, ce qui interdit leurs applications dans de grands paramètres de données. En gros, tous les algorithmes MCMC évolutifs peuvent être divisés en deux catégories: les méthodes de partage et de conquête et les méthodes de sous-échantillonnage. Le but de ce projet est de réduire le temps de calcul induit par des fonctions complexes ou à grande efficacité.