Partenaires

CNRS
Logo tutelle
Logo tutelle
Logo tutelle


Rechercher

Sur ce site

Sur le Web du CNRS


Accueil du site > Séminaires > Probabilités Statistiques et réseaux de neurones > Réseaux neuronaux et SVM à entrées fonctionnelles : une approche par régression inverse

Vendredi 4 février 2005, à 10h

Réseaux neuronaux et SVM à entrées fonctionnelles : une approche par régression inverse

Nathalie Villa-Vialaneix (Université Toulouse 2, Le Mirail)

Résumé : Dans le domaine de l’analyse des données fonctionnelles, les méthodes statistiques classiques sont confrontées à des problèmes nouveaux dus au fait que les variables aléatoires étudiées vivent dans des espaces de dimension infinie. Beaucoup de méthodes statistiques classiques ont donc été repensées pour s’adapter aux données fonctionnelles. Nous nous intéressons ici à l’utilisation des perceptrons multi-couches pour traiter des problèmes de régression et de classification à entrées fonctionnelles : la méthode proposée est basée sur une approche par régression inverse permettant d’obtenir un pré-traitement pertinent des données ; des résultats théoriques et des applications sur données réelles montrent l’efficacité de cette approche. Nous expliquons également comment cette méthodologie peut être adaptée à d’autres types de traitements statistiques et, notamment, aux Support Vector Machine ; là aussi, des simulations illustrent notre propos.

Voir en ligne : Tansparents (format PDF)

Dans la même rubrique :