EUVIMEDEUVIMED entdecken
Crossref

Off-the-grid learning of mixtures from a continuous dictionary

Cristina Butucea, Jean-François Delmas, Anne Dutfoy, Clément Hardy

Annales de l'Institut Henri Poincaré, Probabilités et Statistiques · 01.11.2026 · 62 (4) · 2427-2471

DOI: 10.1214/25-aihp1588 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Annales de l'Institut Henri Poincaré, Probabilités et Statistiques, erschienen am 01.11.2026. Verfasst von Cristina Butucea und 3 weiteren Autor:innen. Die Arbeit nennt 52 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Nous considérons un modèle général non-linéaire dans lequel le signal est une combinaison finie d’un nombre inconnu, potentiellement croissant, de composantes issues d’un dictionnaire continûment paramétré. Le signal est observé avec un bruit gaussien (éventuellement corrélé), dans un cadre soit continu, soit discret. Nous proposons une méthode d’optimisation sans schéma de discrétisation sur l’espace des paramètres afin d’estimer à la fois les paramètres non-linéaires des composantes et les paramètres linéaires du mélange. Nous exploitons des résultats récents sur la géométrie des méthodes d’estimation sans schéma de discrétisation pour donner des conditions de séparation minimale sur les paramètres non-linéaires permettant la construction de certificats d’interpolation. En utilisant également des bornes sur les suprema de processus gaussiens, nous majorons l’erreur de prédiction en grande probabilité. Sous l’hypothèse que les certificats peuvent être construits, notre borne sur l’erreur de prédiction est, à des facteurs logarithmiques près, comparable aux vitesses de convergence obtenues par le Lasso dans le modèle de régression linéaire. Nous établissons également des vitesses de convergence qui quantifient, en grande probabilité, la qualité de l’estimation des paramètres linéaires et non-linéaires. Nous étayons nos résultats principaux à l’aide de deux applications : la déconvolution de pics gaussiens et le modèle exponentiel.

Zitieren

APA

Butucea, C., Delmas, J., Dutfoy, A., & Hardy, C. (2026). Off-the-grid learning of mixtures from a continuous dictionary. Annales de l'Institut Henri Poincaré, Probabilités et Statistiques, 62(4), 2427-2471. https://doi.org/10.1214/25-aihp1588

Vancouver

Butucea C, Delmas J, Dutfoy A, Hardy C. Off-the-grid learning of mixtures from a continuous dictionary. Annales de l'Institut Henri Poincaré, Probabilités et Statistiques. 2026;62(4):2427-2471. doi:10.1214/25-aihp1588

BibTeX
@article{Butucea2026,
  author = {Butucea, Cristina and Delmas, Jean-François and Dutfoy, Anne and Hardy, Clément},
  title = {Off-the-grid learning of mixtures from a continuous dictionary},
  journal = {Annales de l'Institut Henri Poincaré, Probabilités et Statistiques},
  year = {2026},
  volume = {62},
  number = {4},
  pages = {2427--2471},
  doi = {10.1214/25-aihp1588}
}
Kostenlos starten →