Une pure merveille !
Un roman d'une grande beauté, drôle, fin, extrêmement lumineux sur des sujets difficiles : la perte de
l'être aimé, la dureté de la vie et la tristesse qu'on barricade parfois... Elise franco-japonaise,
orpheline de sa maman veut poser LA question à son père et elle en trouvera le courage au fil des pages,
grâce au retour de sa grand-mère du japon, de sa rencontre avec son extravagante amie Stella..
Ensemble il ne diront plus Sayonara mais Mata Ne !
Au cours de ces dix dernières années, les systèmes à base de règles floues se sont avérés des outils souples et puissants pour la modélisation...
Lire la suite
Au cours de ces dix dernières années, les systèmes à base de règles floues se sont avérés des outils souples et puissants pour la modélisation de l'incertain dans un très grand nombre de domaines, comme la reconnaissance ou le diagnostic. Le présent ouvrage est dédié à l'étude et à l'application de ces systèmes en prévision de séries temporelles, en mettant l'accent sur la technique d'agrégation de modèles prédictifs. Quelques-uns des sujets abordés concernent notamment l'apprentissage et l'autostructuration ainsi que l'extraction automatique de la connaissance à partir de données historiques. L'intérêt de ce livre est double. Il permet aux lecteurs peu familiers du domaine de percevoir la diversité des méthodes, les tendances de la recherche, ainsi que les liens avec d'autres disciplines comme l'économétrie ou le contrôle de processus. Par ailleurs, il établit des passerelles entre deux approches différentes du problème de prévision : la première, ancrée dans la théorie des probabilités, la seconde, dans celle des sous-ensembles flous. Etant donné son caractère pluridisciplinaire, Systèmes flous et prévision de séries temporelles s'adresse à un large public de chercheurs et de praticiens. Il a été rédigé avec le souci de le rendre accessible à des lecteurs de formations très diverses : économètres, ingénieurs, mathématiciens ou informaticiens. Il peut aussi servir de support à un cours avancé de second ou troisième cycle.
Sommaire
MODELES STATISTIQUES DE PREVISION
Modélisation stochastique d'une série temporelle
Processus ARMA
Processus ARIMA et SARIMA
Méthodologie de Box et Jenkins
Prévision
Quelques compléments sur les modèles ARIMA
Processus stochastiques non linéaires
Séries temporelles et modèles économétriques
CLUSTERING ET SYSTEMES FLOUS
Appartenance graduelle
Clustering flou
Exemples de clustering flous non supervisés
Raisonnement approché
Systèmes flous
Systèmes Takagi-Sugeno
Liens avec d'autres modèles
REGLAGE PARAMETRIQUE ET STRUCTUREL DES SYSTEMES FLOUS TAKAGI-SUGENO
Réglage paramétrique
Ajustement des paramètres linéaires
Détection de règles redondantes
Réglage structurel
Prévision de la série Mackey-Glass
Prévision de la série Laser
AGREGATION DE MODELES DE PREVISION
Méthode des poids optimaux
Méthodes liées à la régression linéaire
Méthodes bayesiennes
Résultats expérimentaux et conclusion
MODELES TAKAGI-SUGENO POUR L'AGREGATION DE MODELES DE PREVISION
Résultats expérimentaux
Lisibilité et performance
Tests complémentaires
Une méthode locale hybride
Application à la combinaison d'observation linéaires
Antonio Fiordaliso est docteur en sciences de l'université de Mons-Hainaut. Il est maître de conférences au département de mathématiques et recherche opérationnelle de la faculté polytechnique de Mons.
Derniers produits consultés
Systèmes flous et prévisions de séries temporelles est également présent dans les rayons