@InProceedings{2023_wei1108,
	author = "Jiahui WEI and Elsa Dupraz and Philippe Mary",
	title = "Régions atteignables pour la régression linéaire sur données compressées avec information adjacente",
	booktitle = "29° Colloque sur le traitement du signal et des images",
	year = "2023",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "2023-1108",
	pages = "p. 185-188",
	month = "Aout # 6 - Sept # 9",
	address = "Grenoble",
	doi = "",
	pdf = "2023_wei1108.pdf",
	abstract = "Nous nous plaçons dans le cadre d'une communication dont le but est d'effectuer une tâche d'apprentissage sur les données transmises. Nous étudions le compromis fondamental qu'il peut exister entre le taux de compression des données et l'erreur faite sur la tâche d'apprentissage sur ces données compressées. La tâche d'apprentissage est une régression linéaire, avec information adjacente au décodeur. Nous étudions dans un premier temps la région de débit-perte en régime asymptotique, c'est-à-dire lorsque la taille de la source tend vers l'infini, puis nous étendons les résultats au régime de longueur de blocs finie. Nous montrons qu'il n'y a pas de compromis entre la compression et l'estimation des paramètres de la régression en régime asymptotique, alors que la conclusion inverse s'applique dans le cas à taille finie..pdf",
}