Prédiction Des Systèmes Par Apprentissage Automatique Dans Un Environnement Imprécis.

dc.contributor.author	Benbahria, Rokya
dc.contributor.author	Megri, Abderrahim Fayçal
dc.date.accessioned	2021-11-08T07:11:59Z
dc.date.available	2021-11-08T07:11:59Z
dc.date.issued	2021
dc.description.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.	ar
dc.identifier.uri	http://hdl.handle.net/123456789/11747
dc.language.iso	fr	ar
dc.publisher	Université Oum El Bouaghi	ar
dc.subject	Confort thermique	ar
dc.subject	Régression floue	ar
dc.subject	Machine à vecteur de support	ar
dc.subject	Système multi-entrée	ar
dc.title	Prédiction Des Systèmes Par Apprentissage Automatique Dans Un Environnement Imprécis.	ar
dc.type	Other	ar

Now showing 1 - 2 of 2

Name:: memoire_finale.pdf
Size:: 1.6 MB
Format:: Adobe Portable Document Format
Description:: Prédiction Des Systèmes Par Apprentissage Automatique Dans Un Environnement Imprécis.

Now showing 1 - 1 of 1