Thèse soutenue

Contribution à l'étude des machines synchrones à aimants permanents internes à large espace de fonctionnement : Application à l'alterno-démarreur

FR  |  
EN
Auteur / Autrice : Laurent Chedot
Direction : Guy Friedrich
Type : Thèse de doctorat
Discipline(s) : Technologies de l'information et des systèmes
Date : Soutenance en 2004
Etablissement(s) : Compiègne

Résumé

FR  |  
EN

De nombreux algorithmes d'estimation fonctionnelle existent pour l'apprentissage statistique supervisé. Cependant, ils ont pour la plupart été développés dans le but de fournir des estimateurs précis, sans considérer l'interprétabilité de la solution. Les modèles additifs permettent d'expliquer les prédictions simplement, en ne faisant intervenir qu'une variable explicative à la fois, mais ils sont difficiles à mettre en œuvre. Cette thèse est consacrée au développement d'un algorithme d'estimation des modèles additifs. D'une part, leur utilisation y est simplifiée, car le réglage de la complexité est en grande partie intégré dans la phase d'estimation des paramètres. D'autre part, l'interprétabilité est favorisée par une tendance à éliminer automatiquement les variables les moins pertinentes. Des stratégies d'accélération des calculs sont également proposées. Une approximation du nombre effectif de paramètres permet l'utilisation de critères analytiques de sélection de modèle. Sa validité est testée par des simulations et sur des données réelles.