Cet article vise à identifier un processus non linéaire par la méthode du noyau. Cette identification nécessite une sélection rigoureuse des coefficients de Markov et le choix de la fenêtre qui détermine le degré de lissage de l’estimateur. This paper aims to identify a nonlinear process by the kernel methodology. This identification requires the selection of the Markov coefficients and the choice of bandwidth, which determines the degree of estimator’s smoothing
Les différences temporelles de Kalman (KTD pour Kalman Temporal Differences) sont un cadre de travai...
Nous introduisons une nouvelle classe de modèles non gaussiens appelés H-ARMA qui sont obtenus par f...
- Les processus aléatoires gaussiens à temps continu permettent de modéliser des séries chronologiqu...
Cet article vise à identifier un processus non linéaire par la méthode du noyau. Cette identificatio...
Résumé: Nous étudions la puissance en terme de prévision des processus basés sur la méthode du noya...
Cet article vise à analyser le comportement cyclique de la série du cours de l'action Orange du 03/0...
L' application des équations cinétiques de l'auteur du procès non Markovian pour quelques problèmes ...
National audienceNous considérons des algorithmes pour apprendre des Mélanges bootstrap d'Arbres d...
Nous présentons un estimateur conjoint, reposant sur les coefficients d'une décomposition en ondelet...
La classe des processus périodiquement corrélés est intéressante aussi bien sur le plan pratique que...
Les bases de paquets d'ondelettes fournissent un cadre approprié à la recherche d'une représentation...
La structure de dépendance que possède une série chronologique est un sujet d’étude populaire depui...
Nous présentons dans cet article certaines possibilités d'utilisation de la théorie de l'évidence de...
Une méthode qui permet d'estimer l'ordre et les coefficients d'un processus stochastique multivariab...
Ce texte propose des méthodes d’inférence exactes (tests et régions de confiance) sur des modèles de...
Les différences temporelles de Kalman (KTD pour Kalman Temporal Differences) sont un cadre de travai...
Nous introduisons une nouvelle classe de modèles non gaussiens appelés H-ARMA qui sont obtenus par f...
- Les processus aléatoires gaussiens à temps continu permettent de modéliser des séries chronologiqu...
Cet article vise à identifier un processus non linéaire par la méthode du noyau. Cette identificatio...
Résumé: Nous étudions la puissance en terme de prévision des processus basés sur la méthode du noya...
Cet article vise à analyser le comportement cyclique de la série du cours de l'action Orange du 03/0...
L' application des équations cinétiques de l'auteur du procès non Markovian pour quelques problèmes ...
National audienceNous considérons des algorithmes pour apprendre des Mélanges bootstrap d'Arbres d...
Nous présentons un estimateur conjoint, reposant sur les coefficients d'une décomposition en ondelet...
La classe des processus périodiquement corrélés est intéressante aussi bien sur le plan pratique que...
Les bases de paquets d'ondelettes fournissent un cadre approprié à la recherche d'une représentation...
La structure de dépendance que possède une série chronologique est un sujet d’étude populaire depui...
Nous présentons dans cet article certaines possibilités d'utilisation de la théorie de l'évidence de...
Une méthode qui permet d'estimer l'ordre et les coefficients d'un processus stochastique multivariab...
Ce texte propose des méthodes d’inférence exactes (tests et régions de confiance) sur des modèles de...
Les différences temporelles de Kalman (KTD pour Kalman Temporal Differences) sont un cadre de travai...
Nous introduisons une nouvelle classe de modèles non gaussiens appelés H-ARMA qui sont obtenus par f...
- Les processus aléatoires gaussiens à temps continu permettent de modéliser des séries chronologiqu...