• xmlui.mirage2.page-structure.header.title
    • français
    • English
  • Aide
  • Connexion
  • Langue 
    • Français
    • English
Consulter le document 
  •   Accueil
  • CEREMADE (UMR CNRS 7534)
  • CEREMADE : Publications
  • Consulter le document
  •   Accueil
  • CEREMADE (UMR CNRS 7534)
  • CEREMADE : Publications
  • Consulter le document
JavaScript is disabled for your browser. Some features of this site may not work without it.

Afficher

Toute la baseCentres de recherche & CollectionsAnnée de publicationAuteurTitreTypeCette collectionAnnée de publicationAuteurTitreType

Mon compte

Connexion

Enregistrement

Statistiques

Documents les plus consultésStatistiques par paysAuteurs les plus consultés
Thumbnail - No thumbnail

Un modèle neuronal pour la régression et la discrimination sur données fonctionnelles

Rossi, Fabrice; Conan-Guez, Brieuc (2005), Un modèle neuronal pour la régression et la discrimination sur données fonctionnelles, Revue de Statistique Appliquée, LIII, 4, p. 5-30

Type
Article accepté pour publication ou publié
Lien vers un document non conservé dans cette base
http://hal.inria.fr/inria-00001190/en/
Date
2005
Nom de la revue
Revue de Statistique Appliquée
Volume
LIII
Numéro
4
Éditeur
Société Française de Statistique
Pages
5-30
Métadonnées
Afficher la notice complète
Auteur(s)
Rossi, Fabrice
Conan-Guez, Brieuc
Résumé (FR)
L'objectif de cet article est de présenter un nouveau modèle neuronal adapté à la régression sur variables explicatives fonctionnelles. Nous décrivons le perceptron multi-couches (PMC) fonctionnel et résumons les propriétés théoriques de celui-ci, en terme de puissance de calcul et d'estimation des paramètres. Nous proposons ensuite deux techniques de mise en oeuvre informatique que nous illustrons dans deux applications, l'une sur des données artificielles, l'autre en spectrométrie. Le PMC fonctionnel est ainsi comparé au PMC classique ainsi qu'à des méthodes plus classiques adaptées elles aussi aux données fonctionnelles. Dans les exemples choisis, les PMC fonctionnels obtiennent de meilleures performances que les autres techniques et représentent la fonction de régression de façon très parcimonieuse.
Mots-clés
Analyse de données fonctionnelles; Réseaux de neurones; Perceptrons Multi-Couches; Régression; Discrimination; Approximation universelle; Consistance; Spectrométrie

Publications associées

Affichage des éléments liés par titre et auteur.

  • Vignette de prévisualisation
    Un modèle semi-paramétrique neuronal pour la régression et la discrimination sur données fonctionnelles 
    Rossi, Fabrice; Conan-Guez, Brieuc (2003) Document de travail / Working paper
  • Vignette de prévisualisation
    Estimation consistante des paramètres d'un modèle non linéaire pour des données fonctionnelles discrétisées aléatoirement 
    Conan-Guez, Brieuc; Rossi, Fabrice (2005) Article accepté pour publication ou publié
  • Vignette de prévisualisation
    Representation of Functional Data in Neural Networks 
    Conan-Guez, Brieuc; Delannay, Nicolas; Rossi, Fabrice; Verleysen, Michel (2005) Article accepté pour publication ou publié
  • Vignette de prévisualisation
    Multi-Layer Perceptrons and Symbolic Data 
    Rossi, Fabrice; Conan-Guez, Brieuc (2008) Chapitre d'ouvrage
  • Vignette de prévisualisation
    Functional Multi-Layer Perceptron: a Nonlinear Tool for Functional Data Analysis 
    Conan-Guez, Brieuc; Rossi, Fabrice (2005) Article accepté pour publication ou publié
Dauphine PSL Bibliothèque logo
Place du Maréchal de Lattre de Tassigny 75775 Paris Cedex 16
Tél. : 01 44 05 40 94
Contact
Dauphine PSL logoEQUIS logoCreative Commons logo