Thèse soutenue

Prediction des series temporelles par reseaux de neurones artificiels : application aux series temporelles ionospheriques
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Françoise Fessant
Direction : Michel Joindot
Type : Thèse de doctorat
Discipline(s) : Terre, océan, espace
Date : Soutenance en 1995
Etablissement(s) : Rennes 1

Résumé

FR

Dans cette these nous nous interessons a la prediction des series temporelles par les reseaux de neurnes artificiels et plus particulierement a la prediction des series temporelles ionospheriques (qui sont reliees a la serie des taches solaires). Les indices ionospheriques sont utilises par le cnet pour etablir des previsions de propagation ionospheriques. Les modeles neuronaux que nous proposons sont tous bases sur les reseaux de neurones a couches entraines par un mecanisme d'apprentissage supervise: la retropropagation du gradient de l'erreur. Nous cherchons a ameliorer la prevision obtenue par un perceptron multicouches simple a une couche cachee. Nous avons montre qu'il faut exploiter plusieurs sources d'informations a l'entree du reseau multicouches (informations provenant d'autres series temporelles dans un cadre multivarie ou des indications sur la tendance, obtenues en calculant de nouvelles donnees). Nous avons egalement obtenu de bons resultats de previsions a partir d'architectures plus complexes: reseaux a delais et reseaux partiellement recurrents qui tiennent compte de la dimension temporelle des donnees, mais egalement a partir d'architectures modulaires dans lesquelles nous avons introduit une information de nature temporelle: chacun des modules a une fenetre temporelle differente en entree. L'approche envisagee est experimentale, cependant nous cherchons a respecter au mieux les theories reliees au probleme de la prediction ainsi que celles reliees aux reseaux de neurones artificiels