PRÉVISION DE SÉRIES TEMPORELLES À L'AIDE DE RÉSEAUX NEURONAUX. EXEMPLES AVEC MATLAB (French Edition)

MATLAB dispose de l'outil Neural Network Toolbox qui fournit des algorithmes, des fonctions et des applications pour créer, entraîner, visualiser et simuler des réseaux de neurones. Vous pouvez effectuer la classification, la régression, le clustering, la réduction de dimensionnalité, la prévision de séries temporelles ainsi que la modélisation et le contrôle de systèmes dynamiques. Les réseaux de neurones dynamiques sont efficaces pour la prédiction de séries temporelles. Vous pouvez utiliser l'application Neural Net Time Series pour résoudre différents types de problèmes de séries chronologiques. Dans le premier type de problème de série chronologique, vous souhaitez prédire les valeurs futures d'une série chronologique y(t) à partir des valeurs passées de cette série chronologique et des valeurs passées d'une deuxième série chronologique x(t). Cette forme de prédiction est appelée réseau autorégressif non linéaire avec entrée exogène (externe), ou NARX. Dans le deuxième type de problème de séries chronologiques, une seule série est impliquée. Les valeurs futures d'une série temporelle y(t) sont prédites uniquement à partir des valeurs passées de cette série. Cette forme de prédiction est appelée autorégressive non linéaire, ou NAR. Le troisième problème de série chronologique est similaire au premier type, dans la mesure où deux séries sont impliquées, une série d'entrée (prédicteurs) x(t) et une série de sortie (réponses) y(t). Ici, vous souhaitez prédire les valeurs de y(t) à partir des valeurs précédentes de x(t), mais sans connaître les valeurs précédentes de y(t). Ce livre développe des méthodes de prévision de séries chronologiques à l'aide de réseaux de neurones dans MATLAB. Read more