Eléments d'apprentissage en statistique fonctionnelle : classification et régression fonctionnelles par réseaux de neurones et Support Vector Machine

par Nathalie Villa-Vialaneix

Thèse de doctorat en Mathématiques appliquées

Sous la direction de Louis Ferré.

Soutenue en 2005

à Toulouse 2 .

  • Titre traduit

    Statistical learning for functional data analysis


  • Pas de résumé disponible.


  • Résumé

    Dans ce travail, nous présentons d'abord les résultats d'un travail interdisciplinaire dans lequel nous avons utilisé les qualités d'adaptation des perceptrons multi-couches pour la prédiction de cartes géographiques d'occupation du sol. Dans la suite de la thèse, nous nous focalisons sur la généralisation de l'utilisation des réseaux de neurones et des SVM au traitement de données fonctionnelles. Le but est de disposer d'outils non linéaires pour l'étude de ce type de données. Une partie de nos travaux est basée sur une approche semi-paramétrique utilisant une généralisation de la méthode de régression inverse au cadre fonctionnel. Enfin, nous explorons une approche différente par la construction de noyaux pour SVM qui prennent en compte la nature spécifique des données. Dans tous ces travaux, la théorie de l'apprentissage statistique joue un rôle important et nous nous attachons, autant que possible, à expliciter des résultats de convergence des méthodes décrites.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (160 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 156 -160

Où se trouve cette thèse ?

  • Bibliothèque : Université Toulouse Jean Jaurès. Bibliothèque universitaire centrale de lettres et sciences humaines.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.