Catalogue des Mémoires de master
Détail de l'auteur
Auteur Dalel Zerdazi |
Documents disponibles écrits par cet auteur (4)
Affiner la rechercheÉtude Comparative De Quelques Méthodes De Régularisation Dans Le Modèle Linéaire / Ibtissem Redjam
Titre : Étude Comparative De Quelques Méthodes De Régularisation Dans Le Modèle Linéaire Type de document : texte imprimé Auteurs : Ibtissem Redjam, Auteur ; Rania Haddad, Auteur ; Sebrina Tadjine, Auteur ; Dalel Zerdazi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2020 Importance : 67 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Régression linéaire Estimateurs concurrents Régression ré-
gularisée Sélection de variables.Index. décimale : 510 Mathématiques Résumé : L’une parmi les questions qui continuent de se poser dans le domaine de
l’apprentissage statistique est celle de la qualité de généralisation.
Les méthodes pour résoudre les problèmes généraux sont d’abord apparues dans le contexte du modèle linéaire.
Dans ce mémoire, nous allons nous concentrer essentiellement sur les questions de la régression et de la modélisation.
L’objectif est de présenter des méthodes de régularisation qui permettent
de produire des solutions parcimonieuses et qui améliorent la qualité de gé-
néralisation de notre modèle statistique.
On propose des études de simulation qui faire apparaitre l’efficacité des
méthodes étudiées pour améliorer la qualité des estimateurs dans des diffé-
rents cas étudiés.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=13929 Étude Comparative De Quelques Méthodes De Régularisation Dans Le Modèle Linéaire [texte imprimé] / Ibtissem Redjam, Auteur ; Rania Haddad, Auteur ; Sebrina Tadjine, Auteur ; Dalel Zerdazi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2020 . - 67 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Catégories : Sciences Exactes:Mathématiques Tags : Régression linéaire Estimateurs concurrents Régression ré-
gularisée Sélection de variables.Index. décimale : 510 Mathématiques Résumé : L’une parmi les questions qui continuent de se poser dans le domaine de
l’apprentissage statistique est celle de la qualité de généralisation.
Les méthodes pour résoudre les problèmes généraux sont d’abord apparues dans le contexte du modèle linéaire.
Dans ce mémoire, nous allons nous concentrer essentiellement sur les questions de la régression et de la modélisation.
L’objectif est de présenter des méthodes de régularisation qui permettent
de produire des solutions parcimonieuses et qui améliorent la qualité de gé-
néralisation de notre modèle statistique.
On propose des études de simulation qui faire apparaitre l’efficacité des
méthodes étudiées pour améliorer la qualité des estimateurs dans des diffé-
rents cas étudiés.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=13929 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSMTH200062 MSMTH200062 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
fichier integralAdobe Acrobat PDF
Titre : Etude Comparative De Quelques Techniques De Régularisation Dans Les Méthodes Classiques Et Dans Les Modèles Neuronaux Type de document : texte imprimé Auteurs : Souhaila Bouteraa, Auteur ; Ama Errahmen Moufida Bensaf, Auteur ; Dalel Zerdazi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2018 Importance : 68 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Régression linéaire Régression Ridge Réseaux de neurone Arrêt prématuré Prédiction Moindres carrés Index. décimale : 510 Mathématiques Résumé : Dans la pratique, l'objectif d'une modélisation statistique n'est pas d'ajuster finement un modèle
sur un ensemble d'apprentissage, mais d'obtenir un bon compromis entre les performances
d'apprentissage et les performances de généralisation.
Dans ce mémoire, nous allons désormais comparer plusieurs méthodes de régularisation,
Les estimateurs concurrents à celui des moindres carrés ordinaires sont passé en revue
parallèlement aux diverses techniques neuronales conçues pour la régression et la prédiction.
Une étude comparative a été entreprise afin de montrer que le concept fondamental à l’origine
de toutes ces diverses méthodes peut être perçu comme uniqueDiplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10680 Etude Comparative De Quelques Techniques De Régularisation Dans Les Méthodes Classiques Et Dans Les Modèles Neuronaux [texte imprimé] / Souhaila Bouteraa, Auteur ; Ama Errahmen Moufida Bensaf, Auteur ; Dalel Zerdazi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2018 . - 68 f. ; 30 cm.
Une copie electronique PDF disponible au BUC.
Langues : Français (fre)
Catégories : Sciences Exactes:Mathématiques Tags : Régression linéaire Régression Ridge Réseaux de neurone Arrêt prématuré Prédiction Moindres carrés Index. décimale : 510 Mathématiques Résumé : Dans la pratique, l'objectif d'une modélisation statistique n'est pas d'ajuster finement un modèle
sur un ensemble d'apprentissage, mais d'obtenir un bon compromis entre les performances
d'apprentissage et les performances de généralisation.
Dans ce mémoire, nous allons désormais comparer plusieurs méthodes de régularisation,
Les estimateurs concurrents à celui des moindres carrés ordinaires sont passé en revue
parallèlement aux diverses techniques neuronales conçues pour la régression et la prédiction.
Une étude comparative a été entreprise afin de montrer que le concept fondamental à l’origine
de toutes ces diverses méthodes peut être perçu comme uniqueDiplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10680 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSMTH180054 MSMTH180054 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte integréAdobe Acrobat PDF
Titre : Les méthodes de régularisation dans le modèle linéaire : Aspect théorique et aspect pratique Type de document : texte imprimé Auteurs : zohra Benmerzouk, Auteur ; madjeda boulahouache, Auteur ; fairouz hosna, Auteur ; Dounia Kitouni, Auteur ; Dalel Zerdazi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2019 Importance : 48 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Régression linéaire Estimateurs concurrents Régression
Ridge Régression lasso Régression ElasicNet.Index. décimale : 510 Mathématiques Résumé : En modélisation statistique, il est souvent souhaitable d’avoir une bonne
qualité de généralisation combinée à une représentation parcimonieuse.
Dans ce mémoire, nous nous plaçons dans le cadre de la régression linéaire.
L’objectif est de présenter des méthodes statistiques de régularisation qui
permettent de produire des solutions parcimonieuses par rapport à celle de
la méthode des moindres carrés dans le cas de sa défaillance.
On propose des études de simulation pour garantir l’efficacité de ces dernières approches afin de les adapter à des problèmes différents.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=11512 Les méthodes de régularisation dans le modèle linéaire : Aspect théorique et aspect pratique [texte imprimé] / zohra Benmerzouk, Auteur ; madjeda boulahouache, Auteur ; fairouz hosna, Auteur ; Dounia Kitouni, Auteur ; Dalel Zerdazi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2019 . - 48 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Catégories : Sciences Exactes:Mathématiques Tags : Régression linéaire Estimateurs concurrents Régression
Ridge Régression lasso Régression ElasicNet.Index. décimale : 510 Mathématiques Résumé : En modélisation statistique, il est souvent souhaitable d’avoir une bonne
qualité de généralisation combinée à une représentation parcimonieuse.
Dans ce mémoire, nous nous plaçons dans le cadre de la régression linéaire.
L’objectif est de présenter des méthodes statistiques de régularisation qui
permettent de produire des solutions parcimonieuses par rapport à celle de
la méthode des moindres carrés dans le cas de sa défaillance.
On propose des études de simulation pour garantir l’efficacité de ces dernières approches afin de les adapter à des problèmes différents.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=11512 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSMTH190043 MSMTH190043 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
MSMTH190043Adobe Acrobat PDF
Titre : Multicolinéarité et sélection de variables en régression multiple » Type de document : texte imprimé Auteurs : FILALI Linda, Auteur ; Amina BELBEL, Auteur ; Chaima ALMI, Auteur ; Dalel Zerdazi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2021 Importance : 67 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Régression linéaire Estimateurs concurrents Régression régularisée Sélection de variables. Index. décimale : 510 Mathématiques Résumé : L’une des difficultés majeures avec l’estimateur usuel des MCO est le problème de la
multicolinéarité.
Dans ce travail, nous voulons souligner l’importance des méthodes de régularisation
comme alternatives de la méthode des MCO. L’intérêt de ces méthodes est qu’elles
visent à remédier les effets de la multicolinéarité qui se manifeste dans beaucoup de
problèmes de régression multiple.
Des études de simulation ont été effectuées pour examiner l’efficacité de ces méthodes
lorsque les coefficients des MCO deviennent instables.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15228 Multicolinéarité et sélection de variables en régression multiple » [texte imprimé] / FILALI Linda, Auteur ; Amina BELBEL, Auteur ; Chaima ALMI, Auteur ; Dalel Zerdazi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2021 . - 67 f. ; 30 cm.
Une copie electronique PDF disponible au BUC
Langues : Français (fre)
Catégories : Sciences Exactes:Mathématiques Tags : Régression linéaire Estimateurs concurrents Régression régularisée Sélection de variables. Index. décimale : 510 Mathématiques Résumé : L’une des difficultés majeures avec l’estimateur usuel des MCO est le problème de la
multicolinéarité.
Dans ce travail, nous voulons souligner l’importance des méthodes de régularisation
comme alternatives de la méthode des MCO. L’intérêt de ces méthodes est qu’elles
visent à remédier les effets de la multicolinéarité qui se manifeste dans beaucoup de
problèmes de régression multiple.
Des études de simulation ont été effectuées pour examiner l’efficacité de ces méthodes
lorsque les coefficients des MCO deviennent instables.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15228 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSMTH210005 MSMTH210005 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
fichier integralAdobe Acrobat PDF
