Un nouvel algorithme de boosting pour les réseaux de neurones récurrents : application au traitement des données sequentielles

par Mohammad Assaad

Thèse de doctorat en Informatique

Sous la direction de Hubert Cardot et de Romuald Boné.

Soutenue en 2006

à Tours .


  • Résumé

    The work of this thesis deals with the proposal of a new boosting algorithm dedicated to the problem of learning time-dependencies for the time series prediction, using recurrent neural networks as regressors. This algorithm is based on the boosting algorith and allows concentrating the training on difficult examples. A new parameter is introduced to regulate the influence of boosting. To evaluate our algorithm, systematic experiments were carried out on two types of problems of time series prediction : single-step ahead predicton and multi-step ahead prediction. The results obtained from several series of reference are close to the best results reported in the literature.

  • Titre traduit

    A new boosting algorithm for recurrent neural networks : application to sequential data processing


  • Résumé

    Les travaux de cette thèse concernent la proposition d'un nouvel algorithme de boosting dédié au problème de l'apprentissage des dépendances temporelles pour la prévision de séries temporelles, en utilisant comme régresseurs des réseaux de neurones récurrents. Cet algorithme se base sur la méthode du boosting : il permet de concentrer l'apprentissage sur les exemples difficiles mais, à la différence de l'algorithme d'origine, en prenant en compte tous les exemples disponibles. Un nouveau paramètre est utilisé pour régler l'influence du boosting. Pour évaluer notre algorithme, des expérimentations systématiques ont été menées sur deux types de problèmes temporels : la prévision à un pas de temps et la prévision multipas. Les résultats obtenus sur plusieurs séries de référence sont parmi les plus performants présentés dans la littérature.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (XVIII-183 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 159-168. Référence de site internet.

Où se trouve cette thèse ?

  • Bibliothèque : Université de Tours. Service commun de la documentation. BU de Grandmont.
  • Disponible pour le PEB
  • Cote : TS-2006-TOUR-4024
  • Bibliothèque : Ecole Polytechnique de l’Université de Tours. Départements Electronique et Energie, Informatique, Mécanique et Systèmes. Centre de documentation.
  • Disponible pour le PEB
  • Cote : DI-TH-741
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.