Classification et prévision avec les algorithmes d''auto-organisation - Rousset, Patrick

. .

Résumé :
L''esprit de ce travail est ? rapprocher d''une citation de Jean-Paul Benz?cri, le mod?le doit suivre les donn?es et non l''inverse. Ainsi, la m?thode de pr?vision contient un pr? processus d''analyse de donn?es. Les cartes d''auto-organisation, privil?gi?es dans ce pr? processus, ont ?t? compl?t?es par des outils aide ? leur l''interpr?tation pour am?liorer leur potentiel d''analyse. Ces outils se sont av?r?s performants pour analyser un grand nombre de donn?es r?elles issues de domaines vari?s tels que l''analyse de la consommation des canadiens ou du ch?mage. Ils ont ?t? am?lior?s ? mesure que leur champ d''application s''?tendait pour aboutir ? un ensemble d''outils compl?mentaires d''analyse et de visualisation des donn?es dont la performance sera d?velopp?e en premi?re partie. La seconde partie pr?sente la m?thode de pr?vision qui s''?carte des m?thodes r?cursives et s''adapte ? des contextes nouveaux. En particulier, pour la pr?vision de la consommation ?lectrique, elle solutionne des probl?mes structurels aux s?ries chronologiques (comme la non- stationnarit?) qui limitent les performances des techniques traditionnelles ou neuronales.

Biographie:
Patrick Rousset est ing?nieur en biochimie industrielle et Docteur en Sciences Foresti?res. Chercheur et sp?cialiste des bio-?nergies au Cirad, il coordonne des projets scientifiques et de d?veloppement avec les pays du Sud. Ses recherches concernent les proc?d?s de valorisation thermochimique de la biomasse pour la production de combustibles.

Sommaire:
L''esprit de ce travail est ? rapprocher d''une citation de Jean-Paul Benz?cri, le mod?le doit suivre les donn?es et non l''inverse. Ainsi, la m?thode de pr?vision contient un pr? processus d''analyse de donn?es. Les cartes d''auto-organisation, privil?gi?es dans ce pr? processus, ont ?t? compl?t?es par des outils aide ? leur l''interpr?tation pour am?liorer leur potentiel d''analyse. Ces outils se sont av?r?s performants pour analyser un grand nombre de donn?es r?elles issues de domaines vari?s tels que l''analyse de la consommation des canadiens ou du ch?mage. Ils ont ?t? am?lior?s ? mesure que leur champ d''application s''?tendait pour aboutir ? un ensemble d''outils compl?mentaires d''analyse et de visualisation des donn?es dont la performance sera d?velopp?e en premi?re partie. La seconde partie pr?sente la m?thode de pr?vision qui s''?carte des m?thodes r?cursives et s''adapte ? des contextes nouveaux. En particulier, pour la pr?vision de la consommation ?lectrique, elle solutionne des probl?mes structurels aux s?ries chronologiques (comme la non- stationnarit?) qui limitent les performances des techniques traditionnelles ou neuronales....