| Les deux révisions précédentes Révision précédente | Prochaine révisionLes deux révisions suivantes |
| mega:seminaire [2019/09/09 19:21] – [Calendrier 2019-2020] Guillaume BARRAQUAND | mega:seminaire [2019/09/17 22:16] – Laure DUMAZ |
|---|
| * Exposés de l'après-midi : [[http://www.phys.ens.fr/~barraquand/|Guillaume Barraquand]] [[guillaume.barraquand@ens.fr. ]] et [[http://www.normalesup.org/~dumaz/|Laure Dumaz]] [[dumaz@ceremade.dauphine.fr]] | * Exposés de l'après-midi : [[http://www.phys.ens.fr/~barraquand/|Guillaume Barraquand]] [[guillaume.barraquand@ens.fr. ]] et [[http://www.normalesup.org/~dumaz/|Laure Dumaz]] [[dumaz@ceremade.dauphine.fr]] |
| * Vendredi **4 octobre**, salle 314 | * Vendredi **4 octobre**, salle 314 |
| * 10h30-12h00: mini cours par **[[http://math.univ-lille1.fr/~hardy/|Adrien Hardy]]** ////\\ | * 10h30-12h00: mini cours par **[[http://math.univ-lille1.fr/~hardy/|Adrien Hardy]]** // Processus ponctuels déterminantaux en application. //Je ferai un survol des applications récentes des processus ponctuels déterminantaux (DPP), ces nuages de points aléatoires popularisés par la communauté des matrices aléatoires. Après une rapide introduction aux DPPs, on parlera en particulier de leur apparition en intégration numérique, en traitement du signal et en machine learning, et on évoquera aussi quelques questions ouvertes.\\ |
| * 14h00-15h00: **[[http://www.lpsm.paris/dw/doku.php?id=users:peche:index|Sandrine Péché]]** //Modèles de matrices non linéaires (avec L. Benigni)//\\ | * 14h00-15h00: **[[http://www.lpsm.paris/dw/doku.php?id=users:peche:index|Sandrine Péché]]** //Modèles de matrices non linéaires (avec L. Benigni). //On considère une matrice $M = YY^∗$ avec $Y = (f(WX)_{ij})$ où $W$ et $X$ sont des matrices rectangulaires (de grandes dimensions) et à entrées iid. La fonction $f$ peut s'interpréter comme une fonction d'activation de certains réseaux de neurones aléatoires. Pennington et Worah ont identifié la distribution empirique des valeurs propres dans le cas de matrices Gaussiennes $W$ et $X$. Leur résultat est étendu à des matrices sous Gaussiennes et pour une certaine classe de fonctions d'activation $f$.\\ |
| * 15h30-16h30: **[[http://google.com/search?q=Giulio+Biroli|Giulio Biroli]]** //Large deviations for the largest eigenvalues and eigenvectors of spiked random matrices//\\ | * 15h30-16h30: **[[http://google.com/search?q=Giulio+Biroli|Giulio Biroli]]** //Large deviations for the largest eigenvalues and eigenvectors of spiked random matrices. //I consider matrices formed by a random $N\times N$ matrix drawn from the Gaussian Orthogonal Ensemble (or Gaussian Unitary Ensemble) plus a rank-one perturbation of strength $\theta$, and focus on the largest eigenvalue, $x$, and the component, $u$, of the corresponding eigenvector in the direction associated to the rank-one perturbation. I will show how to obtain the large deviation principle governing the atypical joint fluctuations of $x$ and $u$. Interestingly, for $\theta>1$, in large deviations characterized by a small value of $u$, i.e. $u<1-1/\theta$, the second-largest eigenvalue pops out from the Wigner semi-circle and the associated eigenvector orients in the direction corresponding to the rank-one perturbation. These results can be generalized to the Wishart Ensemble, and extended to the first $n$ eigenvalues and the associated eigenvectors. Finally, I will discuss motivations and applications of these results to the study of the geometric properties of random high-dimensional functions—a topic that is currently attracting a lot of attention in physics and computer science.\\ |
| * Vendredi **8 novembre**, salle 421 le matin, 314 l'après-midi | * Vendredi **8 novembre**, salle 421 le matin, 314 l'après-midi |
| * 10h30-12h00: ////\\ | * 10h30-12h00: ////\\ |