We present and prove some important theorems regarding determinantal point processes. In particular we focus on existance and uniqueness theorems. Furthermore, we present an algorithm for generating determinantal point processes with a finite-dimensional projection kernel. Also, we go through the mathematical preliminaries required to understand the theory.

We propose a new construction of point processes, which generalizes the class of infinitely divisible point processes. Examples are the quantum Boson and Fermion gases as well as the classical Gibbs point processes, where the interaction is given by a stable and regular pair potential.

No description available.

No description available.

A point process is a mechanism, which realizes randomly locally finite point measures. One of the main results of this thesis is an existence theorem for a new class of point processes with a so called signed Levy pseudo measure L, which is an extension of the class of infinitely divisible point processes. The construction approach is a combination of the classical point process theory, as developed by Kerstan, Matthes and Mecke, with the method of cluster expansions from statistical mechanics. Here the starting point is a family of signed Radon measures, which defines on the one hand the Levy pseudo measure L, and on the other hand locally the point process. The relation between L and the process is the following: this point process solves the integral cluster equation determined by L. We show that the results from the classical theory of infinitely divisible point processes carry over in a natural way to the larger class of point processes with a signed Levy pseudo measure. In this way we obtain e.g. a criterium for simplicity and a characterization through the cluster equation, interpreted as an integration by parts formula, for such point processes. Our main result in chapter 3 is a representation theorem for the factorial moment measures of the above point processes. With its help we will identify the permanental respective determinantal point processes, which belong to the classes of Boson respective Fermion processes. As a by-product we obtain a representation of the (reduced) Palm kernels of infinitely divisible point processes. In chapter 4 we see how the existence theorem enables us to construct (infinitely extended) Gibbs, quantum-Bose and polymer processes. The so called polymer processes seem to be constructed here for the first time. In the last part of this thesis we prove that the family of cluster equations has certain stability properties with respect to the transformation of its solutions. At first this will be used to show how large the class of solutions of such equations is, and secondly to establish the cluster theorem of Kerstan, Matthes and Mecke in our setting. With its help we are able to enlarge the class of Polya processes to the so called branching Polya processes. The last sections of this work are about thinning and splitting of point processes. One main result is that the classes of Boson and Fermion processes remain closed under thinning. We use the results on thinning to identify a subclass of point processes with a signed Levy pseudo measure as doubly stochastic Poisson processes. We also pose the following question: Assume you observe a realization of a thinned point process. What is the distribution of deleted points? Surprisingly, the Papangelou kernel of the thinning, besides a constant factor, is given by the intensity measure of this conditional probability, called splitting kernel. / Ein Punktprozess ist ein Mechanismus, der zufällig ein lokalendliches Punktmaß realisiert. Ein Hauptresultat dieser Arbeit ist ein Existenzsatz für eine sehr große Klasse von Punktprozessen mit einem signierten Levy Pseudomaß L. Diese Klasse ist eine Erweiterung der Klasse der unendlich teilbaren Punktprozesse. Die verwendete Methode der Konstruktion ist eine Verbindung der klassischen Punktprozesstheorie, wie sie von Kerstan, Matthes und Mecke ursprünglich entwickelt wurde, mit der sogenannten Methode der Cluster-Entwicklungen aus der statistischen Mechanik. Ausgangspunkt ist eine Familie von signierten Radonmaßen. Diese definiert einerseits das Levysche Pseudomaß L; andererseits wird mit deren Hilfe der Prozess lokal definiert. Der Zusammenhang zwischen L und dem Prozess ist so, dass der Prozess die durch L bestimmte Integralgleichung (genannt Clustergleichung) löst. Wir zeigen, dass sich die Resultate aus der klassischen Theorie der unendlich teilbaren Punktprozesse auf natürliche Weise auf die neue Klasse der Punktprozesse mit signiertem Levy Pseudomaß erweitern lassen. So erhalten wir z.B. ein Kriterium für die Einfachheit und eine Charackterisierung durch die Clustergleichung für jene Punktprozesse. Unser erstes Hauptresultat in Kapitel 3 zur Analyse der konstruierten Prozesse ist ein Darstellungssatz der faktoriellen Momentenmaße. Mit dessen Hilfe werden wir die permanentischen respektive determinantischen Punktprozesse, die in die Klasse der Bosonen respektive Fermionen Prozesse fallen, identifizieren. Als ein Nebenresultat erhalten wir eine Darstellung der (reduzierten) Palm Kerne von unendlich teilbaren Punktprozessen. Im Kapitel 4 konstruieren wir mit Hilfe unseres Existenzsatzes unendlich ausgedehnte Gibbsche Prozesse sowie Quanten-Bose und Polymer Prozesse. Unseres Wissens sind letztere bisher nicht konstruiert worden. Im letzten Teil der Arbeit zeigen wir, dass die Familie der Clustergleichungen gewisse Stabilitätseigenschaften gegenüber gewissen Transformationen ihrer Lösungen aufweist. Dies wird erstens verwendet, um zu verdeutlichen, wie groß die Klasse der Punktprozesslösungen einer solchen Gleichung ist. Zweitens wird damit der Ausschauerungssatz von Kerstan, Matthes und Mecke in unserer allgemeineren Situation gezeigt. Mit seiner Hilfe können wir die Klasse der Polyaschen Prozesse auf die der von uns genannten Polya Verzweigungsprozesse vergrößern. Der letzte Abschnitt der Arbeit beschäftigt sich mit dem Ausdünnen und dem Splitten von Punktprozessen. Wir beweisen, dass die Klassen der Bosonen und Fermionen Prozesse abgeschlossen unter Ausdünnung ist. Die Ergebnisse über das Ausdünnen verwenden wir, um eine Teilklasse der Punktprozesse mit signiertem Levy Pseudomaß als doppelt stochastische Poissonsche Prozesse zu identifizieren. Wir stellen uns auch die Frage: Angenommen wir beobachten eine Realisierung einer Ausdünnung eines Punktprozesses. Wie sieht die Verteilung der gelöschten Punktkonfiguration aus? Diese bedingte Verteilung nennen wir splitting Kern, und ein überraschendes Resultat ist, dass der Papangelou-Kern der Ausdünnung, abgesehen von einem konstanten Faktor, gegeben ist durch das Intensitätsmaß des splitting Kernes.

Dans cette thèse, on étudie le comportement asymptotique de modèles de boules aléatoires engendrées selon différents processus ponctuels, après leur avoir appliqué un changement d’échelle qui peut être vu comme un dézoom. Des théorèmes limites existent pour des processus de Poisson et on généralise ces résultats en considérant tout d’abord des boules engendrées par des processus déterminantaux, qui induisent de la répulsion entre les points. Cela permet de modéliser de nombreux phénomènes, comme par exemple la répartition des arbres dans une forêt. On s’intéresse ensuite à un cas particulier des processus de Cox, les processus shot-noise, qui présentent des amas de points, modélisant notamment la présence de corpuscules dans des nano-composites. / In this thesis, we study the asymptotic behavior of random balls models generated by different point processes, after performing a zoom-out on the model. Limit theorems already exist for Poissonian random balls and we generalize the existing results first by studying determinantal random balls models, which induce repulsion between the centers of the balls. It models many phenomena, for example the distribution of trees in a forest. We are then interested in a particular case of Cox processes, the shot-noise Cox processes, which exhibit clusters, modeling the presence of corpuscles in nano composites.

La plupart des systèmes de recommandation actuels se base sur des évaluations sous forme de notes (i.e., chiffre entre 0 et 5) pour conseiller un contenu (film, restaurant...) à un utilisateur. Ce dernier a souvent la possibilité de commenter ce contenu sous forme de texte en plus de l'évaluer. Il est difficile d'extraire de l'information d'un texte brut tandis qu'une simple note contient peu d'information sur le contenu et l'utilisateur. Dans cette thèse, nous tentons de suggérer à l'utilisateur un texte lisible personnalisé pour l'aider à se faire rapidement une opinion à propos d'un contenu. Plus spécifiquement, nous construisons d'abord un modèle thématique prédisant une description de film personnalisée à partir de commentaires textuels. Notre modèle sépare les thèmes qualitatifs (i.e., véhiculant une opinion) des thèmes descriptifs en combinant des commentaires textuels et des notes sous forme de nombres dans un modèle probabiliste joint. Nous évaluons notre modèle sur une base de données IMDB et illustrons ses performances à travers la comparaison de thèmes. Nous étudions ensuite l'inférence de paramètres dans des modèles à variables latentes à grande échelle, incluant la plupart des modèles thématiques. Nous proposons un traitement unifié de l'inférence en ligne pour les modèles à variables latentes à partir de familles exponentielles non-canoniques et faisons explicitement apparaître les liens existants entre plusieurs méthodes fréquentistes et Bayesiennes proposées auparavant. Nous proposons aussi une nouvelle méthode d'inférence pour l'estimation fréquentiste des paramètres qui adapte les méthodes MCMC à l'inférence en ligne des modèles à variables latentes en utilisant proprement un échantillonnage de Gibbs local. Pour le modèle thématique d'allocation de Dirichlet latente, nous fournissons une vaste série d'expériences et de comparaisons avec des travaux existants dans laquelle notre nouvelle approche est plus performante que les méthodes proposées auparavant. Enfin, nous proposons une nouvelle classe de processus ponctuels déterminantaux (PPD) qui peut être manipulée pour l'inférence et l'apprentissage de paramètres en un temps potentiellement sous-linéaire en le nombre d'objets. Cette classe, basée sur une factorisation spécifique de faible rang du noyau marginal, est particulièrement adaptée à une sous-classe de PPD continus et de PPD définis sur un nombre exponentiel d'objets. Nous appliquons cette classe à la modélisation de documents textuels comme échantillons d'un PPD sur les phrases et proposons une formulation du maximum de vraisemblance conditionnel pour modéliser les proportions de thèmes, ce qui est rendu possible sans aucune approximation avec notre classe de PPD. Nous présentons une application à la synthèse de documents avec un PPD sur 2 à la puissance 500 objets, où les résumés sont composés de phrases lisibles. / Most of current recommendation systems are based on ratings (i.e. numbers between 0 and 5) and try to suggest a content (movie, restaurant...) to a user. These systems usually allow users to provide a text review for this content in addition to ratings. It is hard to extract useful information from raw text while a rating does not contain much information on the content and the user. In this thesis, we tackle the problem of suggesting personalized readable text to users to help them make a quick decision about a content. More specifically, we first build a topic model that predicts personalized movie description from text reviews. Our model extracts distinct qualitative (i.e., which convey opinion) and descriptive topics by combining text reviews and movie ratings in a joint probabilistic model. We evaluate our model on an IMDB dataset and illustrate its performance through comparison of topics. We then study parameter inference in large-scale latent variable models, that include most topic models. We propose a unified treatment of online inference for latent variable models from a non-canonical exponential family, and draw explicit links between several previously proposed frequentist or Bayesian methods. We also propose a novel inference method for the frequentist estimation of parameters, that adapts MCMC methods to online inference of latent variable models with the proper use of local Gibbs sampling.~For the specific latent Dirichlet allocation topic model, we provide an extensive set of experiments and comparisons with existing work, where our new approach outperforms all previously proposed methods. Finally, we propose a new class of determinantal point processes (DPPs) which can be manipulated for inference and parameter learning in potentially sublinear time in the number of items. This class, based on a specific low-rank factorization of the marginal kernel, is particularly suited to a subclass of continuous DPPs and DPPs defined on exponentially many items. We apply this new class to modelling text documents as sampling a DPP of sentences, and propose a conditional maximum likelihood formulation to model topic proportions, which is made possible with no approximation for our class of DPPs. We present an application to document summarization with a DPP on 2 to the power 500 items, where the summaries are composed of readable sentences.