Estimation et choix de modèle pour les séries temporelles par optimisation convexe

par Basad Al Sarray

Thèse de doctorat en Mathématiques et appliquations

Sous la direction de Stéphane Chrétien.

Le président du jury était Christophe Guyeux.

Le jury était composé de Stéphane Chrétien, Christophe Guyeux, Bara'a Ali Attea, Julien Jacques.

Les rapporteurs étaient Bara'a Ali Attea, Julien Jacques.


  • Résumé

    Les séries temporelles sont définies comme une séquence ordonnée d’observation à travers le temps. La structure des séries temporelles est représentée par la somme des composantes indépendantes. Généralement, ces composantes sont estimées indépendamment les unes des autres chaque composant fait partie d’une catégorie particulière. Les modèles Auto régressifs et Moyenne Mobile sont utilisées pour la modélisation des séries chronologiques il y a un grand nombre d’applications telle que le traitement du signal, la finance, l’imagerie médicale le radar, et la communication. […] Cette étude présente quelques-unes des méthodes d’apprentissage machine, et des méthodes convexes pour la sélection de modèle ARMA et l’estimation est basée sur la conversion des modèles ARMA-AR et des modèles ARMA aux modèle espace d’état. […]

  • Titre traduit

    Convex optimization Methods for estimation and Model selection in time series


  • Résumé

    […] this study presents some of machine learning and convex methodes for ARMA model selection and estimation based on the conversion between ARMA –AR models and ARMA-State Space Models. Also in this study, for a time series decomposition and time series components analysis some of convex methods are implemented and simulated. The results show the ability of convex methods of analysing and modelling a given series.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (153p.)
  • Annexes : Bibliogr.p .146-153

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Bibliothèque universitaire Sciences Sport Claude Oytana (Besançon).
  • Disponible pour le PEB
  • Cote : SCI.BESA.2016
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.