Prédiction Des Systèmes Par Apprentissage Automatique Dans Un Environnement Imprécis.
No Thumbnail Available
Date
2021
Journal Title
Journal ISSN
Volume Title
Publisher
Université Oum El Bouaghi
Abstract
L'identification de systèmes est un terme regroupant l'ensemble des techniques permettant l'identification de modèles mathématiques à l'aide d'observations. Dans ce cadre, les techniques régressives sont couramment utilisées. Ce travail présente une étude de la régression non paramétrique linéaire et non linéaire en environnement imprécis. Les mesures et les paramètres du modèle sont alors considérés comme imprécis, et les entrées étant précises.
L'approche utilisée de la régression floue à base des machines à vecteur de support présente deux avantages. D'une part, l'imprécision des modèles obtenus est moins importante. D'autre part, l'inclusion est respectée lors de la recherche d'un modèle flou qui englobe les observations.
L'approche utilisée est testée sur des jeux de données multi-entrées comme dans le cas d'analyse du confort thermique.
Description
Keywords
Confort thermique, Régression floue, Machine à vecteur de support, Système multi-entrée