<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:itunes="http://www.itunes.com/dtds/podcast-1.0.dtd">
  <channel>
    <title>Yadav, Anuj (2026)</title>
    <description><![CDATA[ Etudiant en thèse à l'EPFL en 2026

 ]]></description>
    <link>https://www.canal-u.tv/intervenants/yadav-anuj-298435632</link>
    <lastBuildDate>Wed, 08 Jun 2022 17:08:39 +0100</lastBuildDate>
    <generator>Canal-U</generator>
    <language>fr</language>
        <itunes:category text="Education"></itunes:category>
    <itunes:author >Canal-U</itunes:author>
    <itunes:explicit >No</itunes:explicit>
    <itunes:owner >
      <itunes:name>Yadav, Anuj (2026)</itunes:name>
      <itunes:email>contact@canal-u.tv</itunes:email>
    </itunes:owner>
          <item>
        <title>Minimum Rényi Entropy Couplings and their Applications</title>
        <link>https://www.canal-u.tv/180521</link>
                  <description><![CDATA[ Jusqu’où peut-on réduire l’entropie d’une distribution jointe lorsque ses marginales sont fixées ?

Dans cet exposé, nous explorerons le problème du couplage à entropie de Rényi minimale, un problème simple en apparence mais NP-difficile, aux connexions avec la théorie de l’information, l’inférence causale, la confidentialité et la compression. Nous verrons comment des bornes théoriques et des algorithmes efficaces permettent de construire des couplages remarquablement proches de l’optimum.
 ]]></description>
                          <pubDate>Thu, 20 Aug 2026 21:21:05 +0100</pubDate>
                <guid isPermaLink="false">https://www.canal-u.tv/180521</guid>
                  <enclosure url="https://vod.canal-u.tv/hls/2026/08/116848/anuj_talk,_1080.mp4,_480.mp4,_240.mp4,.urlset/master.m3u8" length="2994" type="application/x-mpegurl" />
                      </item>
      </channel>
</rss>
