Laboratoire de Mathématiques Raphaël Salem

UMR 6085 CNRS - Université de Rouen Normandie

Résumé : Motivé par l’étude d’arbres aléatoires conditionnés par leur nombre total de sommets et leur nombre de feuilles à la fois, je présenterai des résultats de convergence, après renormalisation, de longues excursions de marches aléatoires entières (à sauts $\geq-1$) également conditionnées par leur nombre de sauts négatifs.

Résumé : Cet exposé porte sur les grandes déviations des trajectoires quantiques issues de processus de mesures répétées. Ces trajectoires sont décrites par des chaînes de Markov très singulières, que j'introduirai sans présupposer de connaissances en physique quantique. Les hypothèses de la théorie usuelle (phi-irréductibilité, etc.) ne sont pas satisfaites en général, et les propriétés de grandes déviations de ces trajectoires restent un problème ouvert.

In this talk, I will present an overview of recent results on finite-sample Probably Approximately Correct (PAC) and PAC-Bayesian bounds for learning partially observed dynamical systems in state-space form. For clarity, we begin with linear stochastic systems in discrete time, learned from a single trajectory, and then discuss extensions to more complex nonlinear settings.