IUT Nancy Charlemagne
- Probabilités : méthode de Stein pour les lois gaussiennes inverses généralisées et les lois de Kummer, tests d’adéquation.
- Machine learning et statistique : évaluation des performances d’algorithmes en classification et apprentissage en présence de données bruitées.
- Statistique, sport et santé.
IECL – Site de Nancy
Faculté des sciences et Technologies
Campus, Boulevard des Aiguillettes
54506 Vandœuvre-lès-Nancy
Publications récentes
Koudou, A. E. and Wesolowski, J. (2024). Independence preserving property of Kummer laws. Bernoulli, à paraître.
Benjelloun, I., Lamiroy, B. and Koudou A. E. (2023). Convolutional network fabric pruning with label noise. Artificial Intelligence Review. https://doi.org/10.1007/s10462-023-10507-2.
Konzou, E., Koudou, A. E. and Gneyou (2022). New bounds for the solution and derivatives of the Stein equation for the generalized inverse Gaussian and Kummer distributions. Bull. Belgian Math. 28(3), 459-486.
Konzou, E., Koudou, A. E. and Gneyou (2021). Stein’s method in two limit theorems involving the generalized inverse Gaussian distribution. Afrika Statistika 16 (1), 2559–2584.
Konzou, E. and Koudou, A. E. (2020). About the Stein equation for the generalized inverse Gaussian and Kummer distributions. ESAIM Proba. Stat. 24, 607-626.
Konzou, E., Koudou, A. E. and Gneyou, K. (2020). Rate of convergence of generalized inverse Gaussian and Kummer distributions to the gamma distribution via Stein’s method. Stat. and Probab. Letters 159, 11 pp.