Élisabeth Gassiat, Sylvain Le Corff et Luc Lehéricy, « Identifiability and consistent estimation of nonparametric translation hidden Markov models with general state space », The Journal of Machine Learning Research, vol. 21, no 1, , p. 115:4589–115:4628 (ISSN1532-4435, DOI10.5555/3455716.3455831, lire en ligne, consulté le ).
doi.org
dx.doi.org
(en) E. Gassiat, A. Cleynen et S. Robin, « Inference in finite state space non parametric Hidden Markov Models and applications », Statistics and Computing, vol. 26, no 1, , p. 61–71 (ISSN1573-1375, DOI10.1007/s11222-014-9523-8, lire en ligne, consulté le ).
Élisabeth Gassiat, Sylvain Le Corff et Luc Lehéricy, « Identifiability and consistent estimation of nonparametric translation hidden Markov models with general state space », The Journal of Machine Learning Research, vol. 21, no 1, , p. 115:4589–115:4628 (ISSN1532-4435, DOI10.5555/3455716.3455831, lire en ligne, consulté le ).
(en) Didier Dacunha-Castelle et Elisabeth Gassiat, « Testing in locally conic models, and application to mixture models », ESAIM: Probability and Statistics, vol. 1, , p. 285–317 (ISSN1292-8100 et 1262-3318, DOI10.1051/ps:1997111, lire en ligne, consulté le ).
D. Dacunha-Castelle et E. Gassiat, « Testing the order of a model using locally conic parametrization: population mixtures and stationary ARMA processes », The Annals of Statistics, vol. 27, no 4, , p. 1178–1209 (ISSN0090-5364 et 2168-8966, DOI10.1214/aos/1017938921, lire en ligne, consulté le ).
doi.org
(en) E. Gassiat, A. Cleynen et S. Robin, « Inference in finite state space non parametric Hidden Markov Models and applications », Statistics and Computing, vol. 26, no 1, , p. 61–71 (ISSN1573-1375, DOI10.1007/s11222-014-9523-8, lire en ligne, consulté le ).
(en) Didier Dacunha-Castelle et Elisabeth Gassiat, « Testing in locally conic models, and application to mixture models », ESAIM: Probability and Statistics, vol. 1, , p. 285–317 (ISSN1292-8100 et 1262-3318, DOI10.1051/ps:1997111, lire en ligne, consulté le ).
(en) E. Gassiat, A. Cleynen et S. Robin, « Inference in finite state space non parametric Hidden Markov Models and applications », Statistics and Computing, vol. 26, no 1, , p. 61–71 (ISSN1573-1375, DOI10.1007/s11222-014-9523-8, lire en ligne, consulté le ).
Élisabeth Gassiat, Sylvain Le Corff et Luc Lehéricy, « Identifiability and consistent estimation of nonparametric translation hidden Markov models with general state space », The Journal of Machine Learning Research, vol. 21, no 1, , p. 115:4589–115:4628 (ISSN1532-4435, DOI10.5555/3455716.3455831, lire en ligne, consulté le ).
(en) Didier Dacunha-Castelle et Elisabeth Gassiat, « Testing in locally conic models, and application to mixture models », ESAIM: Probability and Statistics, vol. 1, , p. 285–317 (ISSN1292-8100 et 1262-3318, DOI10.1051/ps:1997111, lire en ligne, consulté le ).
D. Dacunha-Castelle et E. Gassiat, « Testing the order of a model using locally conic parametrization: population mixtures and stationary ARMA processes », The Annals of Statistics, vol. 27, no 4, , p. 1178–1209 (ISSN0090-5364 et 2168-8966, DOI10.1214/aos/1017938921, lire en ligne, consulté le ).
Elisabeth Gassiat et Ramon Van Handel, « The Local Geometry of Finite Mixtures », Transactions of the American Mathematical Society, vol. 366, no 2, , p. 1047–1072 (ISSN0002-9947, lire en ligne, consulté le ).
Elisabeth Gassiat et Ramon Van Handel, « The Local Geometry of Finite Mixtures », Transactions of the American Mathematical Society, vol. 366, no 2, , p. 1047–1072 (ISSN0002-9947, lire en ligne, consulté le ).
« IA, maths, ingénierie… les diplômés français ont la cote à l’international », Le Monde.fr, (lire en ligne, consulté le ).
« IA, maths, ingénierie… les diplômés français ont la cote à l’international », Le Monde.fr, (lire en ligne, consulté le ).
projecteuclid.org
D. Dacunha-Castelle et E. Gassiat, « Testing the order of a model using locally conic parametrization: population mixtures and stationary ARMA processes », The Annals of Statistics, vol. 27, no 4, , p. 1178–1209 (ISSN0090-5364 et 2168-8966, DOI10.1214/aos/1017938921, lire en ligne, consulté le ).