Couvre l'estimation des paramètres en métrologie quantique, Quantum Fisher Information, l'interférométrie de Ramsey, l'intrication et l'impact du bruit sur les états NooN.

Régression linéaire généralisée

Explore la régression linéaire généralisée, la régression logistique et la classification multiclasses dans l'apprentissage automatique.

Classification binaire linéaire

Couvre l'extension de la perte 0-1 aux fonctions de score à valeur réelle et à la régression logistique.

Loi sur les grands nombres, Statistiques

Couvre la loi sur les grands nombres dans les statistiques et les méthodes de calcul des estimateurs et de la probabilité maximale.

Régression robuste dans l'analyse des données génomiques

Explore une régression robuste dans l'analyse des données génomiques, en mettant l'accent sur la pondération des résidus importants pour une meilleure précision des estimations et des mesures d'évaluation de la qualité telles que NUSE et RLE.

Descente de gradient stochastique : analyse d’optimisation et de convergence

Explore la descente de gradient stochastique pour les fonctions non fortement convexes et l'impact de la taille des pas sur la convergence.

Optimisation stochastique : Algorithmes et méthodes

Explore les algorithmes d'optimisation stochastique et les méthodes pour les problèmes convexes avec des risques lisses et non lisses.

Optimisation dans l'apprentissage automatique: Gradient Descent

Couvre l'optimisation dans l'apprentissage automatique, en mettant l'accent sur la descente par gradient pour la régression linéaire et logistique, la descente par gradient stochastique et des considérations pratiques.