Javascript must be enabled to continue!
Sur la convergence sous-exponentielle de processus de Markov
View through CrossRef
Ma thèse de doctorat se concentre principalement sur le comportement en temps long des processus de Markov, les inégalités fonctionnelles et les techniques relatives. Plus spécifiquement, Je vais présenter les taux de convergence sous-exponentielle explicites des processus de Markov dans deux approches : la méthode Meyn-Tweedie et l’hypocoercivité (faible). Le document se divise en trois parties. Dans la première partie, Je vais présenter quelques résultats importants et des connaissances connexes. D’abord, un aperçu de mon domaine de recherche sera donné. La convergence exponentielle (ou sous-exponentielle) des chaînes de Markov et des processus de Markov (à temps continu) est un sujet d’actualité dans la théorie des probabilité. La méthode traditionnelle développée et popularisée par Meyn-Tweedie est largement utilisée pour ce problème. Dans la plupart des résultats, le taux de convergence n’est pas explicite, et certains d’entre eux seront brièvement présentés. De plus, la fonction de Lyapunov est cruciale dans l’approche Meyn-Tweedie, et elle est aussi liée à certaines inégalités fonctionnelles (par exemple, inégalité de Poincaré). Cette relation entre fonction de Lyapounov et inégalités fonctionnelles sera donnée avec les résultats au sens L2. En outre, pour l’exemple de l’équation cinétique de Fokker-Planck, un résultat de convergence exponentielle explicite de la solution sera introduite à la manière de Villani : l’hypocoercivité. Ces contenus sont les fondements de mon travail, et mon but est d’étudier la décroissance sous-exponentielle. La deuxième partie, fait l’objet d’un article écrit en coopération avec d’autres sur les taux de convergence sous-exponentielle explicites des processus de Markov à temps continu. Comme nous le savons, les résultats sur les taux de convergence explicites ont été donnés pour le cas exponentiel. Nous les étendons au cas sous-exponentielle par l’approche Meyn-Tweedie. La clé de la preuve est l’estimation du temps de passage dans un ensemble ”petite”, obtenue par Douc, Fort et Guillin, mais pour laquelle nous donnons une preuve plus simple. Nous utilisons aussi la construction du couplage et donnons une ergodicité sous exponentielle explicite. Enfin, nous donnons quelques applications numériques. Dans la dernière partie, mon second article traite de l’équation cinétique de Fokker-Planck. Je prolonge l’hypocoercivité à l’hypocoercivité faible qui correspond à inégalité de Poincaré faible. Grâce à cette extension, on peut obtenir le taux de convergence explicite de la solution, dans des cas sous-exponentiels. La convergence est au sens H1 et au sens L2. A la fin de ce document, j’étudie le cas de l’entropie relative comme Villani, et j’obtiens la convergence au sens de l’entropie. Enfin, Je donne deux exemples pour les potentiels qui impliquent l’inégalité de Poincaré faible ou l’inégalité de Sobolev logarithmique faible pour la mesure invariante.
Title: Sur la convergence sous-exponentielle de processus de Markov
Description:
Ma thèse de doctorat se concentre principalement sur le comportement en temps long des processus de Markov, les inégalités fonctionnelles et les techniques relatives.
Plus spécifiquement, Je vais présenter les taux de convergence sous-exponentielle explicites des processus de Markov dans deux approches : la méthode Meyn-Tweedie et l’hypocoercivité (faible).
Le document se divise en trois parties.
Dans la première partie, Je vais présenter quelques résultats importants et des connaissances connexes.
D’abord, un aperçu de mon domaine de recherche sera donné.
La convergence exponentielle (ou sous-exponentielle) des chaînes de Markov et des processus de Markov (à temps continu) est un sujet d’actualité dans la théorie des probabilité.
La méthode traditionnelle développée et popularisée par Meyn-Tweedie est largement utilisée pour ce problème.
Dans la plupart des résultats, le taux de convergence n’est pas explicite, et certains d’entre eux seront brièvement présentés.
De plus, la fonction de Lyapunov est cruciale dans l’approche Meyn-Tweedie, et elle est aussi liée à certaines inégalités fonctionnelles (par exemple, inégalité de Poincaré).
Cette relation entre fonction de Lyapounov et inégalités fonctionnelles sera donnée avec les résultats au sens L2.
En outre, pour l’exemple de l’équation cinétique de Fokker-Planck, un résultat de convergence exponentielle explicite de la solution sera introduite à la manière de Villani : l’hypocoercivité.
Ces contenus sont les fondements de mon travail, et mon but est d’étudier la décroissance sous-exponentielle.
La deuxième partie, fait l’objet d’un article écrit en coopération avec d’autres sur les taux de convergence sous-exponentielle explicites des processus de Markov à temps continu.
Comme nous le savons, les résultats sur les taux de convergence explicites ont été donnés pour le cas exponentiel.
Nous les étendons au cas sous-exponentielle par l’approche Meyn-Tweedie.
La clé de la preuve est l’estimation du temps de passage dans un ensemble ”petite”, obtenue par Douc, Fort et Guillin, mais pour laquelle nous donnons une preuve plus simple.
Nous utilisons aussi la construction du couplage et donnons une ergodicité sous exponentielle explicite.
Enfin, nous donnons quelques applications numériques.
Dans la dernière partie, mon second article traite de l’équation cinétique de Fokker-Planck.
Je prolonge l’hypocoercivité à l’hypocoercivité faible qui correspond à inégalité de Poincaré faible.
Grâce à cette extension, on peut obtenir le taux de convergence explicite de la solution, dans des cas sous-exponentiels.
La convergence est au sens H1 et au sens L2.
A la fin de ce document, j’étudie le cas de l’entropie relative comme Villani, et j’obtiens la convergence au sens de l’entropie.
Enfin, Je donne deux exemples pour les potentiels qui impliquent l’inégalité de Poincaré faible ou l’inégalité de Sobolev logarithmique faible pour la mesure invariante.
Related Results
REGULAR ARTICLES
REGULAR ARTICLES
L. Cowen and
C. J.
Schwarz
657Les Radio‐tags, en raison de leur détectabilitéélevée, ...
When History and Heterogeneity Matter: A Tutorial on the Impact of Markov Model Specifications in the Context of Colorectal Cancer Screening
When History and Heterogeneity Matter: A Tutorial on the Impact of Markov Model Specifications in the Context of Colorectal Cancer Screening
Background
Markov models are used in health research to simulate health care utilization and disease states over time. Health phenomena, however, are complex, a...
Discrete time Hawkes processes with inhibition
Discrete time Hawkes processes with inhibition
Processus de Hawkes en temps discret avec inhibition
Cette thèse porte sur les processus de Hawkes, qui sont des processus stochastiques à temps continu dont l'inte...
Linear convergence of evolution strategies with covariance matrix adaptation
Linear convergence of evolution strategies with covariance matrix adaptation
Convergence linéaire de stratégies d'évolution à matrices de covariances adaptatives
En tant que méthode à l’état de l’art parmis les stratégies d’évolution, CMA-ES...
BPMN4V pour la modélisation de versions de processus intra- et inter-organisationnels
BPMN4V pour la modélisation de versions de processus intra- et inter-organisationnels
Nos travaux de recherche abordent la problématique de la modélisation des processus intra- et inter-organisationnels flexibles à l’aide des versions. En effet, le concept de versio...
Supporting cloud resource allocation in configurable business process models
Supporting cloud resource allocation in configurable business process models
Supporter l'allocation des ressources cloud dans les processus métiers configurables
Les organisations adoptent de plus en plus les Systèmes (PAIS) pour gérer leurs...
An Algorithmic Classification of Generalized Pseudo-Anosov Homeomorphisms via Geometric Markov Partitions
An Algorithmic Classification of Generalized Pseudo-Anosov Homeomorphisms via Geometric Markov Partitions
Une Classification Algorithmique des Homéomorphismes Pseudo-Anosov Généralisés via les Partitions Géométriques de Markov
Cette thèse vise à fournir une classificati...
Stochastic algorithms for optimization under uncertainty on complex structures : convergence and applications
Stochastic algorithms for optimization under uncertainty on complex structures : convergence and applications
Algorithmes stochastiques d'optimisation sous incertitude sur des structures complexes : convergence et applications
Les principaux sujets étudiés dans cette thèse ...

