Classification et prévision avec les algorithmes d''auto-organisation

Patrick Rousset

ISBN 10: 6131500118 / ISBN 13: 9786131500114

Published by Éditions Universitaires Européennes Mär 2011, 2011

About this Item

This item is printed on demand - it takes 3-4 days longer - Neuware -L'esprit de ce travail est à rapprocher d'une citation de Jean-Paul Benzécri, 'le modèle doit suivre les données et non l'inverse'. Ainsi, la méthode de prévision contient un pré processus d'analyse de données. Les cartes d'auto-organisation, privilégiées dans ce pré processus, ont été complétées par des outils aide à leur l'interprétation pour améliorer leur potentiel d'analyse. Ces outils se sont avérés performants pour analyser un grand nombre de données réelles issues de domaines variés tels que l'analyse de la consommation des canadiens ou du chômage. Ils ont été améliorés à mesure que leur champ d'application s'étendait pour aboutir à un ensemble d'outils complémentaires d'analyse et de visualisation des données dont la performance sera développée en première partie. La seconde partie présente la méthode de prévision qui s'écarte des méthodes récursives et s'adapte à des contextes nouveaux. En particulier, pour la prévision de la consommation électrique, elle solutionne des problèmes structurels aux séries chronologiques (comme la non- stationnarité) qui limitent les performances des techniques traditionnelles ou neuronales. 192 pp. Französisch.

Seller Inventory # 9786131500114

Bibliographic Details

• Title: Classification et prévision avec les algorithmes d''auto-organisation
• Publisher: Éditions Universitaires Européennes Mär 2011
• Publication Date: 2011
• Language: French
• ISBN 10: 6131500118
• ISBN 13: 9786131500114
• Binding: Taschenbuch
• Condition: Neu
• Dimensions: 220W x 150H x 13D millimeters 220 millimeters width by 150 millimeters height by 13 millimeters depth
• Weight: 304 grams

About this title

Synopsis

L'esprit de ce travail est à rapprocher d'une citation de Jean-Paul Benzécri, "le modèle doit suivre les données et non l'inverse". Ainsi, la méthode de prévision contient un pré processus d'analyse de données. Les cartes d'auto-organisation, privilégiées dans ce pré processus, ont été complétées par des outils aide à leur l'interprétation pour améliorer leur potentiel d'analyse. Ces outils se sont avérés performants pour analyser un grand nombre de données réelles issues de domaines variés tels que l'analyse de la consommation des canadiens ou du chômage. Ils ont été améliorés à mesure que leur champ d'application s'étendait pour aboutir à un ensemble d'outils complémentaires d'analyse et de visualisation des données dont la performance sera développée en première partie. La seconde partie présente la méthode de prévision qui s'écarte des méthodes récursives et s'adapte à des contextes nouveaux. En particulier, pour la prévision de la consommation électrique, elle solutionne des problèmes structurels aux séries chronologiques (comme la non- stationnarité) qui limitent les performances des techniques traditionnelles ou neuronales.

About the Author

Patrick Rousset, titulaire d'un doctorat de l'université Panthéon-Sorbonne, est actuellement ingénieur de recherche au centre d'études et de recherche sur les qualifications et chercheur associé au laboratoire SAMM de l'université Panthéon-Sorbonne.