Apprentissage de représentation pour la prédiction et la classification de séries temporelles

Ali Yazid Ziat 1
1 MLIA - Machine Learning and Information Access
LIP6 - Laboratoire d'Informatique de Paris 6
Résumé : Nous nous intéressons au développement de méthodes qui répondent aux difficultés posées par l’analyse des séries temporelles. Nos contributions se focalisent sur deux tâches : la prédiction de séries temporelles et la classification de séries temporelles. Notre première contribution présente une méthode de prédiction et de complétion de séries temporelles multivariées et relationnelles. Le but est d’être capable de prédire simultanément l’évolution d’un ensemble de séries temporelles reliées entre elles selon un graphe, ainsi que de compléter les valeurs manquantes dans ces séries (pouvant correspondre par exemple à une panne d’un capteur pendant un intervalle de temps donné). On se propose d’utiliser des techniques d’apprentissage de représentation pour prédire l’évolution des séries considérées tout en complétant les valeurs manquantes et prenant en compte les relations qu’il peut exister entre elles. Des extensions de ce modèle sont proposées et décrites : d’abord dans le cadre de la prédiction de séries temporelles hétérogènes puis dans le cas de la prédiction de séries temporelles avec une incertitude exprimée. Un modèle de prédiction de séries spatio-temporelles est ensuiteproposé, avec lequel les relations entre les différentes séries peuvent être exprimées de manière plus générale, et où ces dernières peuvent être apprises.Enfin, nous nous intéressons à la classification de séries temporelles. Un modèle d’apprentissage joint de métrique et de classification de séries est proposé et une comparaison expérimentale est menée.
Type de document :
Thèse
Réseau de neurones [cs.NE]. Université Pierre et Marie Curie - Paris VI, 2017. Français. 〈NNT : 2017PA066324〉
Liste complète des métadonnées

Littérature citée [123 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01724156
Contributeur : Abes Star <>
Soumis le : mardi 6 mars 2018 - 10:46:09
Dernière modification le : mercredi 6 février 2019 - 15:31:19
Document(s) archivé(s) le : jeudi 7 juin 2018 - 13:11:30

Fichier

these_archivage_2902216o.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01724156, version 1

Citation

Ali Yazid Ziat. Apprentissage de représentation pour la prédiction et la classification de séries temporelles. Réseau de neurones [cs.NE]. Université Pierre et Marie Curie - Paris VI, 2017. Français. 〈NNT : 2017PA066324〉. 〈tel-01724156〉

Partager

Métriques

Consultations de la notice

380

Téléchargements de fichiers

4498