La journée mondiale de la gentillesse

Le conjugateur pour un zéro faute sur les verbes ! Je courais, je courrai, tu résolvais, tu résoudras... N'ayez plus aucun doute sur la conjugaison grâce à 8 000 verbes, les tableaux de conjugaison, les règles d'accords et des astuces pour éviter les pièges. Lees verder

Le conjugateur pour un zéro faute sur les verbes !

Je courais, je courrai, tu résolvais, tu résoudras...
N'ayez plus aucun doute sur la conjugaison grâce à 8 000 verbes, les tableaux de conjugaison, les règles d'accords et des astuces pour éviter les pièges.


Paperback - In het Frans 4,40 €

InfoVoor meer informatie over BTW en andere belatingsmogelijkheden, zie hieronder "Betaling & BTW".

Gegevens


Uitgever
Quadrature
Imprint
CRISP - Centre de Recherche et d'Information Socio-Politiques
Auteur
Jacqueline Daussain,
Collectie
Quadrature
Taal
français
BISAC Subject Heading
FIC000000 FICTION
Onix Audience Codes
01 General / trade
CLIL (2013)
3435 LITTÉRATURE GENERALE
Voor het eerst gepubliceerd
03 januari 2013

Paperback


Publicatie datum
01 januari 2004
ISBN-13
9782930344461
Omvang
Aantal pagina's hoofdinhoud : 390
Code
59789
Formaat
16 x 24 x 2,2 cm
Gewicht
619 grammes
Aanbevolen verkoopprijs
24,80 €
ONIX XML
Version 2.1, Version 3

Google Book Preview


Schrijf een reactie

Inhoud


1 Introduction `a la pr´ediction de Séries temporelles 1

1.1 D´efinitions, notations et exemples . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Analyse, mod´elisation et pr´ediction . . . . . . . . . . . . . . . . . . . . . . . 3

1.3 Organisation de la th`ese et contributions . . . . . . . . . . . . . . . . . . . . 5

2 Mod`eles, s´election de structure et pr´ediction `a long terme 7

2.1 Mod`eles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.1.1 Comment s’y retrouver parmi les nombreux mod`eles? . . . . . . . . 7

2.1.2 Quantification vectorielle . . . . . . . . . . . . . . . . . . . . . . . . 8

2.1.3 Les cartes auto-organis´ees . . . . . . . . . . . . . . . . . . . . . . . . 10

2.1.4 Les r´eseaux `a fonctions radiales de base . . . . . . . . . . . . . . . . 13

2.2 S´election de structure de mod`eles . . . . . . . . . . . . . . . . . . . . . . . . 15

2.2.1 Crit`eres de mesure de l’erreur de g´en´eralisation . . . . . . . . . . . . 17

2.2.2 M´ethodes de validation et de cross-validation . . . . . . . . . . . . . 18

2.2.3 Bootstrap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.2.4 Fast-bootstrap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.3 Pr´ediction `a long terme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.4 R´esum´e du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3 Double Quantification Vectorielle 31

3.1 Pr´ediction par Double Quantification Vectorielle . . . . . . . . . . . . . . . 31

3.2 Cartes auto-organis´ees et Séries temporelles . . . . . . . . . . . . . . . . . . 32

3.3 La Double Quantification Vectorielle . . . . . . . . . . . . . . . . . . . . . . 35

3.3.1 Phase d’apprentissage . . . . . . . . . . . . . . . . . . . . . . . . . . 35

3.3.2 Phase de pr´ediction . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

3.3.3 Pr´ediction `a long terme par Double Quantification Vectorielle . . . . 39

3.4 Commentaires sur la Double Quantification Vectorielle . . . . . . . . . . . . 41

3.5 Stabilit´e `a long terme de la Double Quantification Vectorielle . . . . . . . . 42

3.5.1 Rappels sur les chaˆınes deMarkov . . . . . . . . . . . . . . . . . . . 43

3.5.2 Preuve de stabilit´e `a long terme . . . . . . . . . . . . . . . . . . . . 45

3.5.3 Port´ee du r´esultat de stabilit´e . . . . . . . . . . . . . . . . . . . . . . 54

3.6 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

3.6.1 Santa Fe A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

3.6.2 Série polonaise ´electrique . . . . . . . . . . . . . . . . . . . . . . . . 59

3.6.3 CATS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

3.7 Pr´ediction r´ecursive, pr´ediction directe : discussion sur les performances `a long terme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

3.8 M´ethodes proches de la Double Quantification Vectorielle . . . . . . . . . . 68

3.8.1 Double Quantification et RBFN locaux . . . . . . . . . . . . . . . . 68

3.8.2 DoubleMatrice des Transitions . . . . . . . . . . . . . . . . . . . . . 69

3.9 R´esum´e du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

4 L’importance de la s´election du d´elai dans la construction de r´egresseurs 75

4.1 Analyse de Séries temporelles . . . . . . . . . . . . . . . . . . . . . . . . . . 75

4.2 Construction de r´egresseurs et choix du d´elai . . . . . . . . . . . . . . . . . 76

4.3 Le clustering de r´egresseurs est-il significatif? . . . . . . . . . . . . . . . . . 77

4.4 Crit`eres de comparaison pour distributions de prototypes . . . . . . . . . . 79

4.5 Comparaison de distributions de prototypes . . . . . . . . . . . . . . . . . . 81

4.6 Distance `a la Diagonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

4.7 S´election de d´elai et comparaison de distributions de prototypes . . . . . . . 88

4.8 Caract`ere significatif du clustering : enseignements . . . . . . . . . . . . . . 90

4.9 R´esum´e du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

5 S´election du d´elai en haute dimension 93

5.1 Reconstruction de l’espace de phase : la th´eorie . . . . . . . . . . . . . . . . 93

5.1.1 D´efinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

5.1.2 Th´eor`emes fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . 94

5.1.3 M´ethodes d’estimation de la dimension intrins`eque . . . . . . . . . . 95

5.2 S´election du d´elai . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

5.2.1 S´election lin´eaire du d´elai par autocorr´elation . . . . . . . . . . . . . 98

5.2.2 S´election non lin´eaire du d´elai par information mutuelle . . . . . . . 99

5.2.3 Vers une g´en´eralisation de l’autocorr´elation et de l’information mutuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

5.3 Autocorr´elation et information mutuelle `a deux variables : les limites . . . . 102

5.4 D´elai par autocorr´elation d’ordre sup´erieur . . . . . . . . . . . . . . . . . . 105

5.5 D´elai par information mutuelle en haute dimension . . . . . . . . . . . . . . 107

5.6 D´elai par Distance `a la Diagonale . . . . . . . . . . . . . . . . . . . . . . . . 111

5.7 S´election multiple de d´elais . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

5.7.1 Comparaison en termes de d´elais s´electionn´es . . . . . . . . . . . . . 114

5.7.2 Comparaison en termes de pr´ediction . . . . . . . . . . . . . . . . . 120

5.7.3 Analyse des observations . . . . . . . . . . . . . . . . . . . . . . . . . 121

5.7.4 En pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

5.8 R´esum´e du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124

6 Conclusion et perspectives 127

A Séries temporelles utilis´ees 131

A.1 Série SunSpot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

A.2 Série Santa Fe A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

A.3 Série Polonaise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

A.4 Série CATS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

A.5 Série Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

A.6 Série MarcheAl´eatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

A.7 Série Rossler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

A.8 Série AR3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136

Liste des publications 137

R´ef´erences 140