Sébastien Gadat

Manon Costa, Sébastien Gadat et Lorick Huang, « CV@R penalized portfolio optimization with biased stochastic mirror descent », Finance and Stochastics, 2024, à paraître.

Sébastien Gadat et Fabien Panloup, « Optimal non-asymptotic analysis of the Ruppert-Polyak averaging stochastic algorithm », Stochastic Processes and their Applications, vol. 156, février 2023, p. 312–348.

Sébastien Gadat et Ioana Gavra, « Asymptotic study of stochastic adaptive algorithm in non-convex landscape », Journal of Machine Learning Research, n° 228, août 2022, p. 1–54.

Sébastien Gadat, Lola Corre, Antoine Doury, Aurélien Ribes et Samuel Somot, « Regional Climate Model Emulator Based on Deep Learning: Concept and First Evaluation of a Novel Hybrid Downscaling Approach », Climate Dynamics, juillet 2022.

Bernard Bercu, Jérémie Bigot, Sébastien Gadat et Emilia Siviero, « A Stochastic Gauss-Newton Algorithm for Regularized Semi-discrete Optimal Transport », Information and Inference: A Journal of the IMA, mai 2022.

Bernard Bercu, Sébastien Gadat et Manon Costa, « Stochastic approximation algorithms for superquantiles estimation », Electronic Journal of Probability, vol. 26, n° 84, juin 2021, p. 1–29.

Fanny Lafouresse, Romain Jugele, Sabina Müller, Marine Doineau, Valérie Duplan-Eche, Eric Espinosa, Marie-Pierre Puissegur, Sébastien Gadat et Salvatore Valitutti, « Stochastic asymmetric repartition of lytic machinery in dividing CD8+ T cells generates heterogeneous killing behavior », eLife, 2021.

Sébastien Gadat et Manon Costa, « Non-Asymptotic Study of a Recursive Superquantile Estimation Algorithm », Electronic Journal of Statistics, vol. 15, n° 2, janvier 2021, p. 4718–4769.

Y. De Castro, Sébastien Gadat, Clément Marteau et Cathy Maugis, « SuperMix: Sparse Regularization for Mixture », Annals of Statistics, vol. 49, n° 3, 2021, p. 1779–1809.

Sébastien Gadat, Clément Marteau et Cathy Maugis, « Parameter recovery in two-component contamination mixtures: the L2 strategy », Annales de l'Institut Henri Poincaré, vol. 56, n° 2, août 2020, p. 1391–1418.

Sébastien Gadat, Sebastien Gerchinovitz et Clément Marteau, « Optimal functional supervised classification with separation condition », Bernoulli, vol. 26, n° 3, 2020, p. 1797–1831.

Manon Costa, Sébastien Gadat, Pauline Gonnord et Laurent Risser, « Cytometry inference through adaptive atomic deconvolution », Journal of Nonparametric Statistics, vol. 31, n° 2, avril 2019, p. 506–547.

Pauline Gonnord, Megan Costa, M. Peres, Sébastien Gadat et S. Valitutti, « Patient clustering reveals CD8+ T cell central/effector memory dichotomy as an early marker of disease progression in chronic lymphocytic leukemia », OncoImmunology, vol. 8, n° 4, 2019.

Sébastien Gadat, Ioana Gavra et Laurent Risser, « How to calculate the barycenter of a weighted graph », Mathematics of Operations Research, vol. 43, n° 4, novembre 2018, p. 1051–1404.

Fabien Panloup, Sofiane Saadane et Sébastien Gadat, « Regret bound for Narendra-Shapiro bandit algorithms », Stochastics, mai 2018, p. 886–926.

Sébastien Gadat, Fabien Panloup et Sofiane Saadane, « Stochastic Heavy Ball », Electronic Journal of Statistics, vol. 12, n° 1, 2018, p. 461–529.

Loic Ysebaert, Sarah Cadot, Salim Kanoun, Soleakhena Ken, Christian Recher, François Malgouyres, Sébastien Gadat, Loïc Dupré et Anne Quillet Mary, « Computational Integration to Model Tumor Dynamics in CLL Patients Treated with the Btk Inhibitor Ibrutinib (CompuTreatCLL): First Results of an Integrative Systems Biology Approach », Blood, vol. 130, n° 1, 2017.

Sébastien Gadat, Thierry Klein et Clément Marteau, « Classification with the nearest neighbor rule in general finite dimensional spaces », Annals of Statistics, vol. 44, n° 3, 2016, p. 982–1009.

Sébastien Gadat, Laurent Miclo et Fabien Panloup, « A stochastic model for speculative bubbles », Alea - Latin American Journal of Probability and Mathematical Statistics, vol. 12, n° 1, novembre 2015.

Nicolas Chopin, Sébastien Gadat, Benjamin Guedj, Arnaud Guyader et Elodie Vernet, « On some recent advances in high dimensional Bayesian Statistics », Esaim Proceedings and Surveys, vol. 51, octobre 2015, p. 293–319.