Pierre Gaillard – Online nonparametric regression with adversarial data.

Date/heure
Date(s) - 04/12/2017
15 h 00 min - 16 h 00 min

Catégories Pas de Catégories

$In\; this\; talk,\; I\; will\; consider\; the\; problem\; of\; online\; nonparametric\; regression\; with\; arbitrary\; deterministic\; sequences.\; Using\; ideas\; from\; the\; chaining\; technique,\; I\; will\; design\; an\; algorithm\; that\; achieves\; a\; Dudley-type\; regret\; bound.\; The\; algorithm\; is\; the\; first\; one\; that\; achieves\; optimal\; rates\; for\; online\; regression\; over\; Hölder\; balls.\; We\; will\; also\; investigate\; if\; we\; can\; apply\; the\; same\; technique\; to\; other\; problems\; by\; changing\; the\; feedback\; (bandit\; feedback, )\; or\; the\; loss\; function.[$