Servicenavigation

Statistik: mehr als Erbsen zählen

Sie sind hier:

Veranstaltungen/Vorträge

Vorträge

An der Fakultät Statistik werden zahlreiche Vorträge zu aktuellen Forschungsthemen und Berufsmöglichkeiten geboten. Hierzu sind alle Interessenten herzlich eingeladen. Im Rahmen des Sonderforschungsbereich 823 (SFB) halten externe Wissenschaftler Vorträge zur aktuellen Forschung. Die Vorträge der Reihe Statistik im Beruf vermitteln einen Einblick in das vielschichtige Berufsleben eines Statistikers.

SFB 876 Vortrag

Title: Semi-Structured Deep Distributional Regression

Speaker: David Rügamer, LMU Munich

When: 29.10.2020, 16:15

Where: OH 14, E023 / hybrid

Semi-Structured Deep Distributional Regression (SDDR) is a unified network architecture for deep distributional regression in which entire distributions can be learned in a general framework of interpretable regression models and deep neural networks. The approach combines advanced statistical models and deep neural networks within a unifying network, contrasting previous approaches that embed the neural network part as a predictor in an additive regression model. To avoid identifiability issues between different model parts, an orthogonalization cell projects the deep neural network part into the orthogonal complement of the statistical model predictor, facilitating both estimation and interpretability in high-dimensional settings. The framework is implemented in an R software package based on TensorFlow and provides a formula user interface to specify the models based on the linear predictors. In the second part of the talk, models in which tasks are represented as direct acyclic graphs (DAGs) are considered, and methods for guaranteeing both timing constraints and memory feasibility are presented. In particular, solutions for bounding the worst-case memory space requirement for parallel tasks running on multi-core platforms with scratchpad memories are discussed.

 

Vortragskalender

Die Vorträge der Fakultät können auch als Google-Kalender abonniert werden. Die KalenderID lautet fakultaetstatistik@gmail.com (nicht als Emailadresse in Verwendung!).

Der Kalender steht zur Verfügung in den Formaten XML,iCAL und html.