Conciliation d'a prioris sans préjugé

Rémi Gribonval 1 Pierre Machart 1, *
* Auteur correspondant
1 PANAMA - Parcimonie et Nouveaux Algorithmes pour le Signal et la Modélisation Audio
Inria Rennes – Bretagne Atlantique , IRISA-D5 - SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE
Résumé : Il existe deux grandes familles de méthodes pour résoudre les problèmes linéaires inverses. Tandis que les approches faisant appel à la régularisation construisent des estimateurs comme solutions de problèmes de régularisation pénalisée, les estimateurs Bayésiens reposent sur une distribution postérieure de l'inconnue, étant donnée une famille supposée d'a priori. Bien que ces approchent puissent paraître radicalement différentes, des résultats récents ont montré, dans un contexte de débruitage additif Gaussien, que l'estimateur Bayésien d'espérance conditionnelle est toujours la solution d'un problème de régression pénalisée. Nous présentons deux contributions. D'une part, nous étendons le résultat valable pour le bruit additif gaussien aux problèmes linéaires inverses, plus généralement, avec un bruit Gaussien coloré. D'autre part, nous caractérisons les conditions sous lesquelles le terme de pénalité associé à l'estimateur d'espérance conditionnelle satisfait certaines propriétés désirables comme la convexité, la séparabilité ou la différentiabilité. Cela permet un éclairage nouveau sur certains compromis existant entre efficacité computationnelle et précision de l'estimation pour la régularisation parcimonieuse, et met à jour certaines connexions entre estimation Bayésienne et optimisation proximale.
Type de document :
Communication dans un congrès
46è Journées de Statistique, Jun 2014, Rennes, France. 2014
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01055789
Contributeur : Pierre Machart <>
Soumis le : mercredi 13 août 2014 - 14:24:10
Dernière modification le : mercredi 16 mai 2018 - 11:24:07
Document(s) archivé(s) le : jeudi 27 novembre 2014 - 00:33:40

Fichier

priors_JS.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01055789, version 1

Citation

Rémi Gribonval, Pierre Machart. Conciliation d'a prioris sans préjugé. 46è Journées de Statistique, Jun 2014, Rennes, France. 2014. 〈hal-01055789〉

Partager

Métriques

Consultations de la notice

1264

Téléchargements de fichiers

152