De l'analyse de performance à la prévision de défaillance : les apports de la classification neuronale

par Muriel Perez

Thèse de doctorat en Sciences de gestion

Sous la direction de Danielle Boulanger.

Soutenue en 2002

à Lyon 3 .


  • Résumé

    Les applications neuronales en finance d'entreprise sont nombreuses. Elles concernent pour la plupart le thème de la prévision de défaillance. En restant dans le cadre des problèmes de classification, nous avons tenté d'élargir ce type d'application à l'analyse de performance des PME. Notre travail repose donc sur la mise en place d'une expérimentation allant de la prévision de défaillance à l'analyse de performance des PME à partir des réseaux de neurones artificiels. Sur la base d'un état de l'art des applications neuronales à la prévision de défaillance, nous avons retenu deux grands types de réseaux de neurones : les Perceptron multicouches pour la prévision de défaillance et les cartes auto-organisatrices de Kohonen pour l'analyse de performance.


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 408 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p.367-382

Où se trouve cette thèse ?

  • Bibliothèque : Université Jean Moulin. Service commun de la documentation.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.