Titre :	L’approche neuronale de l’inférence statistique.
Type de document :	texte imprimé
Auteurs :	Dalel Zerdazi, Auteur ; Ahmed Chibat, Directeur de thèse
Editeur :	جامعة الإخوة منتوري قسنطينة
Année de publication :	2017
Importance :	152 f.
Format :	30 cm.
Note générale :	2 copies imprimées disponibles
Langues :	Français (fre)
Catégories :	Français - Anglais Mathématiques
Tags :	Régression linéaire  Régession ridge  Estimateurs concurrents  Modèles linéaires généralisés  Inférence sous contraintes  Réseaux de neurones et approches connexes  Apprentissage et systèmes adaptatifs  Linear regression  Ridge regression  Shrinkage estimators  Generalized linear models  Inference under constraints  Neural nets and related approaches  Learning and adaptive systems
Index. décimale :	510 Mathématiques
Résumé :	This thesis is an attempt to contribute, even slightly, in situating the neural networks theory into the framework of applied statistics. The central issue of statistical inference was studied under the light of neural approach. A lot of attention was payed to the notion of generalization, with the aim to conceive an unified approach, ghattering toghether traditional statistical methods with those resulting from neural networks theory, and presenting them as emerging from the same principle. The competitor estimators to the least squares one are surveyed, this is also done for the different neural techniques conceived for the needs of regression and prediction. A comparative study was done with the aim to show that the fondamental concept, at the level of the roots, of these different methods can be seen as unique. An application case is presented to illustrate the predictive power of neural nets versus the classical methods.
Diplôme :	Doctorat en sciences
En ligne :	../theses/math/ZER7034.pdf
Format de la ressource électronique :	pdf
Permalink :	index.php?lvl=notice_display&id=10565

L’approche neuronale de l’inférence statistique. [texte imprimé] / Dalel Zerdazi, Auteur ; Ahmed Chibat, Directeur de thèse . - جامعة الإخوة منتوري قسنطينة, 2017 . - 152 f. ; 30 cm.
2 copies imprimées disponibles

Langues : Français (fre)

Catégories :	Français - Anglais Mathématiques
Tags :	Régression linéaire  Régession ridge  Estimateurs concurrents  Modèles linéaires généralisés  Inférence sous contraintes  Réseaux de neurones et approches connexes  Apprentissage et systèmes adaptatifs  Linear regression  Ridge regression  Shrinkage estimators  Generalized linear models  Inference under constraints  Neural nets and related approaches  Learning and adaptive systems
Index. décimale :	510 Mathématiques
Résumé :	This thesis is an attempt to contribute, even slightly, in situating the neural networks theory into the framework of applied statistics. The central issue of statistical inference was studied under the light of neural approach. A lot of attention was payed to the notion of generalization, with the aim to conceive an unified approach, ghattering toghether traditional statistical methods with those resulting from neural networks theory, and presenting them as emerging from the same principle. The competitor estimators to the least squares one are surveyed, this is also done for the different neural techniques conceived for the needs of regression and prediction. A comparative study was done with the aim to show that the fondamental concept, at the level of the roots, of these different methods can be seen as unique. An application case is presented to illustrate the predictive power of neural nets versus the classical methods.
Diplôme :	Doctorat en sciences
En ligne :	../theses/math/ZER7034.pdf
Format de la ressource électronique :	pdf
Permalink :	index.php?lvl=notice_display&id=10565