Polynomial Regression on Riemannian Manifolds, presentation, 2012

Post on 29-Jun-2015

201 views 3 download

Tags:

description

D’un point de vue général, la méthode statistique de régression consiste à estimer la relation mathématique entre un ensemble de variables, appelées variables explicatives ou descriptives ou indépendantes, et une variable observée ou mesurée. On cherche donc à déterminer, parmi une certaine classe de fonctions, la fonction qui décrive de façon optimale (en un certain sens) cette relation. La régression polynomiale consiste à estimer la relation entre variables explicatives et données observées à l’aide d’une fonction polynomiale de degré fixé k. Le nombre de paramètres inconnus est alors k + 1 et ils sont le plus souvent estimés en minimisant un critère des moindres carrés, qui est le carré de la distance euclidienne entre les valeurs observées et les valeurs prédites par le modèle polynomial. L’un des problèmes à résoudre dans ce contexte est évidemment le choix du degré du polynôme.

transcript

Polynomial Regression on Riemannian Manifolds

Albert Thomas, Florent Renucci

SommaireIntroductionI - Définition d’un polynôme sur une variété riemannienneII – Intégration - Méthode d’EulerIII – Résultats de l’algorithme sur la sphèreIV – Régression polynomialeV – Application à l’évolution d’un crâne de ratConclusion et discussion

IntroductionObjectif : adapter la régression polynomiale paramétrique aux variétés riemanniennes.

Régression : Etablissement d’un lien entre les variables explicatives et la variable à estimer. déterminer la fonction, parmi une classe de fonctions, qui décrive ce lien de manière optimale.

Critère : moindres carrés.

I - Définition d’un polynôme sur une

variété riemannienneUn polynôme de degré k est entièrement caractérisé par la donnée de :

Par analogie, sur une variété riemannienne munie de la dérivée covariante :

II - Intégration

• Pas de formule explicite : calcul numérique

Conditions initiales :

• Schéma d’Euler

II - Intégration

III - Exemple de la sphère

• Géodésique :

IV – Régression polynomiale

• N observations y1, . . . , yN ∈ M aux temps t1,...,tN.

Calcul du polynôme riemannien. γ de degré k.

Déterminer qui minimisent le critère

Minimiser

sous contraintes

IV – Régression polynomiale

Minimiser sous contraintes

Multiplicateurs de Lagrange, minimisation du lagrangien à l’aide de la méthode des variations.

IV – Régression polynomiale

Critère à minimiser :

: écart par rapport à la valeur prédite par une constante

: somme des carrés des écarts

On peut donc définir par analogie :

V - Croissance d’un crâne de rat

• Kendal shape space

R21 = 0.79

R22 = 0.85

R23 = 0.87

ConclusionPoint positifs :• Définition d’une régression polynomiale sur une

variété• Applications

Critiques :• Choix du degré du polynôme• Choix du pas d’intégration