Coloquio del CIEM – Manuel Pulido

Lunes 24/09/2018, 14:30 hs. Aula 13

Título: Transporte óptimo en Monte Carlo secuenciales a través de mapas con núcleos incrustados

Resumen: La representación probabilística del estado de un modelo de Markov escondido a través de técnicas de Monte Carlo en sistemas no lineales de alta dimensionalidad es un desafío actual en varias áreas de la ciencia y la tecnología. El funcionamiento de los filtros bootstrap y los MCMC se encuentran limitados a unas pocas dimensiones. En este seminario se describe un método de Monte Carlo secuencial que usa transporte óptimo local, el cual mapea las muestras desde la densidad de probabilidad a priori hacia densidades posteriores complejas. El mapeo minimiza la divergencia de Kullback-Leibler a traves de tecnicas de optimizacion estocásticas. La metodología utiliza el concepto de núcleos incrustados del aprendizaje automático para representar a los mapas en un reproducing kernel Hilbert space (RKHS). La técnica optimiza la información de Shannon que provee cada una de las muestras a la densidad posterior. El potencial de la técnica es evaluado en el sistema caótico de Lorenz-63, un modelo epidémico de la dinámica del cólera y un modelo prototipo de la dinámica atmosférica de 40 dimensiones.