Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

pfe elhassani imane ÉCOLE POLYTECHNIQUE DE L'UNIVERSITÉ DE TOURS DÉPARTEMENT INFORMATIQUE Avenue Jean Portalis TOURS FRANCE Tél www polytech univ-tours fr Projet de Fin d ? études SVR avec Boosting pour la prévision à long terme Encadrant M Aymen CHERIF É

ÉCOLE POLYTECHNIQUE DE L'UNIVERSITÉ DE TOURS DÉPARTEMENT INFORMATIQUE Avenue Jean Portalis TOURS FRANCE Tél www polytech univ-tours fr Projet de Fin d ? études SVR avec Boosting pour la prévision à long terme Encadrant M Aymen CHERIF Étudiante Melle Imane EL HASSANI Année Scolaire - CÉcole Polytechnique de l ? Université de Tours - Département Informatique Année scolaire - CÉcole Polytechnique de l ? Université de Tours - Département Informatique Table des matières REMERCIEMENTS TABLE DES FIGURES LISTE DES TABLEAUX INTRODUCTION CHAPITRE OBJECTIF ET DESCRIPTION DU PROJET Contexte Objectifs du projet Description du projet CHAPITRE ASSISES THEORIQUES EN PREDICTION TEMPORELLE Prédiction sur séries Temporelles Séries Temporelles Problématiques spéci ?ques aux séries temporelles Machines à Vecteurs Support SVM Présentation Fonctionnement des SVM Temps d ? exécutions SVR Boosting SVM Dé ?nition Fonctionnement Etat de l ? art du boosting Historique Adaboost Adaptative Boosting Adaboost R Version Drucker CHAPITRE RAPPEL DES SPECIFICATIONS DU PROJET Environnement du projet Langages et technologies utilisés Fonctionnalités du système Caractéristiques des utilisateurs Contraintes de développement CHAPITRE DESCRIPTION DES OUTILS UT ILISES LIBSVM Introduction Fonctionnalités de la LIBSVM Paramètres SVM pris en charge par la librairie Fichiers de données Edition d ? interfaces WindowBuilder GWT Rendus Graphiques JFreeChart Année scolaire - CÉcole Polytechnique de l ? Université de Tours - Département Informatique CHAPITRE PLANNING Description des Sprints Diagramme de Gant du projet CHAPITRE APPLICATION DE PREDICTION TEMPORELLE Structure interne des données dans la LIBSVM Architecture Technique Séparation des couches logiques MVC Diagramme de classes Aperçu de l ? application développée Chargement des ?chiers Choix de la fenêtre temporelle Paramètres SVM Paramètres Boosting Outputs de l ? application A ?chage des graphiques CHAPITRE EXPE RIE NCES ET RESULTATS Prétraitement des données Sélection des paramètres Expériences Prédiction sans Boosting Accroissement de la MSE avec l ? horizon Évolution de la MSE avec sélection des paramètres Prédiction avec Boosting Évolution de la MSE avec de h à h Comparaison de l ? apprentissage sur ?chiers Sunspot test et test CONCLUSION GLOSSAIRE REFERENCES BIBLIOGRAPHIQ UES Année scolaire - CÉcole Polytechnique de l ? Université de Tours - Département Informatique REMERCIEMENTS Je tiens à remercier M Aymen CHERIF pour son encadrement tout au long de ce PFE pour temps qu ? il a pris sur sa thèse a ?n de suivre l ? avancement de ce travail pour son sens du partage et sa gentillesse Merci d ? avoir été disponible toute les fois qu ? il l ? a fallu ni nonchalant ni encombrant Le Juste parfait Année scolaire - CÉcole Polytechnique de l ? Université de Tours - Département Informatique TABLE DES FIGURES Figure Architecture générale du système Figure Hyperplan séparateur optimal Figure Fonctionnement du bagging Figure Fonctionnement du boosting Figure Algorithme Adaboost R Figure Version Drucker de l ? algorithme Adaboost Pour la régression Figure Use case global du système Figure Illustration du format des supports vecteurs Figure Exemple de ?chier de prédiction dans le cas d ? une régression Figure Interface WindowBuilder Figure Exemple de graphique JFreeChart Figure Diagramme