Skip to Main content Skip to Navigation
Theses

Optimal algorithms of data processing for complex information and telecommunication systems in an uncertain environment

Résumé : Ce travail est consacré au problème d'estimation non paramétrique dans des modèles de régression en temps continu. On considère le problème d'estimation d'une fonction inconnue S supposée périodique. Cette estimation est basée sur des observations générées par un processus stochastique; ces observations peuvent être en temps continu ou discret. Pour ce faire, nous construisons une série d'estimateurs par projection et nous approchons la fonction inconnue S par une série de Fourier finie. Dans cette thèse, nous considérons le problème d'estimation dans le cadre adaptatif, c'est-à-dire le cas où la régularité de la fonction S est inconnue. Pour ce problème, nous développons une nouvelle méthode d'adaptation basée sur la procédure de sélection de modèle proposée par Konev et Pergamenshchikov (2012). Tout d'abord, cette procédure nous donne une famille d'estimateurs ; après nous choisissons le meilleur estimateur possible en minimisant une fonction coût. Nous donnons également une inégalité d'Oracle pour le risque de nos estimateurs et nous donnons la vitesse de convergence minimax.
Document type :
Theses
Complete list of metadatas

https://tel.archives-ouvertes.fr/tel-01692095
Contributor : Abes Star :  Contact
Submitted on : Wednesday, January 24, 2018 - 4:17:06 PM
Last modification on : Thursday, November 28, 2019 - 3:32:09 AM
Document(s) archivé(s) le : Thursday, May 24, 2018 - 9:44:49 PM

File

beltaiefslim2.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-01692095, version 1

Citation

Slim Beltaief. Optimal algorithms of data processing for complex information and telecommunication systems in an uncertain environment. Numerical Analysis [math.NA]. Normandie Université, 2017. English. ⟨NNT : 2017NORMR056⟩. ⟨tel-01692095⟩

Share

Metrics

Record views

281

Files downloads

316