Un modèle neuronal pour la régression et la discrimination sur données fonctionnelles

 Access to full text

 Full (PDF)

1. [ABR 03] ABRAHAM C., CORNILLON P.-A., MATZNER-LOBER E., MOLINARI N. ( 2003), Unsupervised Curve Clustering using B-Splines, Scandinavian Journal of Statistics, vol. 30, n° 3, p. 581-595. Zbl1039.91067MR2002229
2. [BAR 97] BARDOS M., ZHU W. H. ( 1997) Comparaison de l'analyse disciminante linéaire et des réseaux de neurones - Applications à la détection de défaillance d'entreprises, Revue de Statistique Appliquée, vol. XLV, n° 4, p. 65-92. 
3. [BAR 93] BARRON A. R. ( 1993) Universal Approximation Bounds for Superpositions of a Sigmoidal Function, IEEE Trans. Information Theory, vol. 39, n° 3, p. 930-945. Zbl0818.68126MR1237720
4. [BES 03] BESSE P., CARDOT H. ( 2003) Analyse des données (édité par Gérard Govaert), Chapitre 6 : Modélisation statistique de données fonctionnelles, Hermès/Lavoisier, p. 167-198. 
5. [BES 00] BESSE P., CARDOT H., STEPHENSON D. ( 2000) Autoregressive forecasting of some functional climatic variation, Scandinavian Journal of Statistics, vol. 4, p. 673-688. Zbl0962.62089
6. [BIS 93] BISHOP C. ( 1993) Curvature-driven smoothing : a learning algorithm for feedforward networks, IEEE Trans. on Neural Networks, vol. 4, n° 5, p. 882-884. 
7. [BIS 95] BISHOP C. ( 1995) Neural Networks for Pattern Recognition, Oxford University Press. Zbl0868.68096MR1385195
8. [BOS 00] BOSQ D. ( 2000) Linear Processes in Function Spaces : Theory and Applications, Springer Verlag, vol. 149, Lecture Notes in Statistics. Zbl0962.60004MR1783138
9. [BRE 84] BREIMAN L., FRIEDMAN J.H., OLSHEN R.A., STONE C. J. ( 1984), Classification and Regression Trees, Wadsworth. Zbl0541.62042MR726392
10. [CAZ 75] CAZES P. ( 1975) Protection de la régression par utilisation de contraintes linéaires et non linéaires, Revue de Statistique Appliquée, vol. XXIII, n° 3, p. 37-57. MR415904
11. [CIA 00] CIARLET P.G. ( 2000) Introduction à l'analyse numérique matricielle et à l'optimisation, Dunod. 
12. [CON 02] CONAN-GUEZ B. ( 2002) Modélisation supervisée de données fonctionnelles par perceptron multi-couches, Thèse de doctorat, Paris IX Dauphine Décembre. 
13. [DAU 01] DAUXOIS J., FERRÉ L., YAO A.-F. ( 2201) Un modèle semi-paramétrique pour variables aléatoires hilbertiennes, C. R. Acad. Sci. Paris, vol. 333, p. 947-952. Zbl0996.62035MR1873814
14. [FER 01] FERRATY F. VIEU P. ( 2001) Statistique Fonctionnelle : Modèles de régression pour variables aléatoires uni, multi et infiniment dimensionnées, rapport LSP-2001-03 Laboratoire de Statistique et Probabilités, Université Paul Sabatier, Toulouse, France. 
15. [FER 02a] FERRATY F., GOIA A., VIEU P. ( 2002) Régression non-paramétrique pour des variables aléatoires fonctionnelles mélangeantes, C. R. Acad. Sci. Paris, vol. 334, p. 217-220, Série I. Zbl0998.62036MR1891062
16. [FER 02b] FERRATY F., VIEU P. ( 2002) The Functional Nonparametric Model and Application to Spectrometric Data, Computational Statistics, vol. 17, n° 4. Zbl1037.62032MR1952697
17. [FER 03a] FERRATY F., VIEU P. ( 2003) Curves Discriminations : a Nonparametric Functional Approach, Computational Statistics and Data Analysis, vol. 44, n° 1-2, p. 161-173. Zbl05373903MR2020144
18. [FER 03b] FERRÉ L., YAO A.-F. ( 2003) Functional sliced inverse regression analysis, Statistics, vol. 37, n° 6, p. 475-488. Zbl1032.62052MR2022235
19. [HAL 01] HALL P., POSKITT D., PRESNELL B. ( 2001) A functional data-analytic approach to signal discrimination, Technometrics, vol. 43, n° 1, p. 1-9. Zbl1072.62686MR1847775
20. [HAS 94] HASTIE T., BUJA A., TIBSHIRANI R. ( 1994) Flexible Discriminant Analysis by Optimal Scoring, J. Amer. Statist. Assoc., vol. 89, p. 1255-1270. Zbl0812.62067MR1310220
21. [HAS 95] HASTIE T. BUJA A., TIBSHIRANI R. ( 1995) Penalized Discriminant Analysis, Annals of Statistics, vol. 23, p. 73-102. Zbl0821.62031MR1331657
22. [HOE 70a] HOERL A. E., KENNARD R. W. ( 1970) Ridge regression : Biased estimation for nonorthogonal problems, Technometrics, vol. 12, n° 1, p. 55-67. Zbl0202.17205
23. [HOE 70b] HOERL A. E., KENNARD R. W. ( 1970) Ridge regression : application to non orthogonal problems, Technometrics, vol. 12, n° 2, p. 69-82. Zbl0202.17206
24. [HOR 93] HORNIK K. ( 1993) Some new results on neural network approximation, Neural Networks, vol. 6, n° 8, p. 1069-1072. 
25. [JAM 00] JAMES G.M., HASTIE T.J., SUGAR C.A. ( 2000) Principal component models for sparse functional data, Biometrika, vol. 87, n° 3, p. 587-602. Zbl0962.62056MR1789811
26. [LES 93] LESHNO M., LIN V.Y., PINKUS A., SCHOCKEN S. ( 1993) Multilayer Feedforward Networks With a Nonpolynomial Activation Function Can Approximate Any Function, Neural Networks, vol. 6, n° 6, p. 861-867. 
27. [MAR 89] MARTENS H., NAES T. ( 1989) Multivariate Calibration, John Wiley, New York. Zbl0732.62109MR1029523
28. [PRE 92] PRESS W.H., TEUKOLSKY S. A., VETTERLING W.T., FLANNERY B.P. ( 1992) Numerical Recipes in C, Cambridge University Press, second edition. Zbl0845.65001MR1201159
29. [RAM 97] RAMSAY J., SILVERMAN B. ( 1997) Functional Data Analysis, Springer Verlag, Springer Series in Statistics. Zbl0882.62002MR1638473
30. [ROS 05] ROSSI F., CONAN-GUEZ B. ( 2005) Functional Multi-Layer Perceptron : a Nonlinear Tool for Functional Data Analysis, Neural Network, vol. 18, n° 1, p. 183-210. Zbl1085.68134
31. [SAN 96a] SANDBERG I.W. ( 1996) Notes on Weighted Norms and Network Approximation of Functionals, IEEE Transactions on Circuits and Systems-I : Fundamental Theory and Applications, vol. 43, n° 7, p. 600-601. MR1398566
32. [SAN 96b] SANDBERG I.W., XU L. ( 1996) Network approximation of input-output maps and functionals, Circuits Systems Signal Processing, vol. 15, n° 6, p. 711-725. Zbl0876.94055MR1424108
33. [STI 99] STINCHCOMBE M.B. ( 1999) Neural network approximation of continuous functionals and continuous fonctions on compactifications, Neural Networks, vol. 12, n° 3, p. 467-477. 
34. [WHI 89] WHITE H. ( 1989) Learning in Artificial Neural Networks : A Statistical Perspective, Neural Computation, vol. 1, n° 4, p. 425-464. 
35. [WHI 90] WHITE H. ( 1990) Connectionist Nonparametric Regression : Mutilayer Feedforward Networks Can Learn Arbitrary Mappings, Neural Networks, vol. 3, p. 535-549. 
36. [ZHU 97] ZHU W. H., GUICHENEY C., BERDAGUÉ J.-L., JOUSSET J. ( 1997) Application des réseaux perceptrons multicouches au controle de la qualité des aliments par analyse sensorielle - Comparaison des résultats avec différentes méthodes d'analyse discriminante, Revue de Statistique Appliquée, vol. XLV, n° 2, p. 39-57.