[Probabilidad-Estadistica-Seminario] Charla Nicolás Zilberstein

[Bernardo Marenco]

La charla se va a transmitir por Zoom, va la información abajo:

Topic: Charla N Zilberstein
Time: Dec 3, 2025 02:00 PM Montevideo
Join Zoom Meeting
https://salavirtual-udelar.zoom.us/j/82501660268?pwd=5TdIxzfCOpIVCnCVaTDWwbBPd1f1bm.1

Meeting ID: 825 0166 0268
Passcode: $TDg6^4h=5

---

Join by SIP
• 82501660268 en zoomcrc.com
Passcode: 7279314066

Join instructions
https://salavirtual-udelar.zoom.us/meetings/82501660268/invitations?signature=KtBXyClEReN0l4A-Ej__Q5XdZcVtRuKTdDs7ezeZ0KY



El lun, 1 dic 2025 a las 10:46, Bernardo Marenco (<bmarenco en fing.edu.uy>)
escribió:

> Hola. Les recuerdo la charla de Nico, es este miércoles a las 14.
>
> Saludos
>
> El lun, 24 nov 2025 a las 15:41, Bernardo Marenco (<bmarenco en fing.edu.uy>)
> escribió:
>
>> Hola a todos. El miércoles 3/12 a las 14:00 hs en el salón de Seminarios
>> del IMERL tendremos una charla de Nicolás Zilberstein, quien está de visita
>> por Montevideo. Su charla está muy relacionada con las cosas que vio Joan
>> Bruna en su curso de principios de mes, por lo que si les interesó ese
>> curso les recomiendo fuertemente que vayan. Va más información abajo.
>>
>> Saludos
>>
>> ##################################################################
>> *Título: *De muestreo guiado a solucionadores aprendidos: modelos de
>> difusión para problemas inversos
>>
>> *Abstract: *Los modelos de difusión han demostrado recientemente un
>> éxito notable en muchos dominios de aplicación, proporcionando potentes
>> priors generativos para resolver problemas inversos. En esta charla,
>> discutiré un conjunto de algoritmos que aprovechan estos modelos como
>> priors estructurales. Comenzaré presentando dos enfoques complementarios y
>> plug-and-play para muestreo con restricciones que utilizan modelos
>> preentrenados. El primero se basa en técnicas variacionales, lo que permite
>> una inferencia rápida con modelos de difusión latente como Stable
>> Diffusion. Luego, introduciré un método de muestreo con restricciones capaz
>> de evitar activamente regiones inseguras o no deseadas en el espacio de
>> datos, permitiendo muestrear bajo restricciones explícitas de seguridad. En
>> la segunda parte de la charla, iré más allá del uso de modelos de difusión
>> preentrenados y mostraré cómo aprender modelos que eliminen las
>> aproximaciones propias de los métodos plug-and-play. Esto incluye un modelo
>> universal basado en modelos de energía y difusión anisotrópica, capaz de
>> abordar una amplia familia de problemas inversos lineales con un único
>> modelo compartido. Finalmente, presentaré un método basado en flow matching
>> para la reconstrucción de grafos. En conjunto, la charla ofrecerá una
>> perspectiva unificada sobre cómo utilizar modelos de difusión para resolver
>> problemas inversos en diferentes modalidades.
>>
>> *Bio*: Soy candidato a doctor en Ingeniería Eléctrica y de Computadoras
>> en la Universidad Rice, en Houston, TX. Realicé pasantías de investigación
>> en InterDigital en Los Altos, CA (verano de 2024) y en el Center of
>> Computational Neuroscience del Flatiron Institute en Nueva York, NY (verano
>> de 2025). Recibí la beca Ken Kennedy–HPE Cray Graduate Fellowship en 2024.
>>
>> ##################################################################
>> --
>>
>>
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://listas.cmat.edu.uy/pipermail/seminario-probabilidad-estadistica/attachments/20251202/cefb77ae/attachment.html>