Un modèle neuronal pour la régression et la discrimination sur données fonctionnelles - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Article Dans Une Revue Revue de Statistique Appliquée Année : 2005

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

Résumé

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.
Fichier principal
Vignette du fichier
fmlp-rsa-preprint.pdf (386.88 Ko) Télécharger le fichier

Dates et versions

inria-00001190 , version 1 (01-04-2006)

Identifiants

  • HAL Id : inria-00001190 , version 1

Citer

Fabrice Rossi, Brieuc Conan-Guez. Un modèle neuronal pour la régression et la discrimination sur données fonctionnelles. Revue de Statistique Appliquée, 2005, LIII (4), pp.5-30. ⟨inria-00001190⟩
216 Consultations
299 Téléchargements

Partager

Gmail Facebook X LinkedIn More