Accéder directement au contenu Accéder directement à la navigation
Thèse

Interpretable time series kernel analytics by pre-image estimation

Résumé : Les méthodes à noyaux sont connues pour être efficaces pour l’analyse d’objets complexes en les plongeant implicitement dans un espace de caractéristiques (feature-space). Pour interpréter et analyser les résultats obtenus, il est souvent nécessaire de restaurer dans l’espace d’entrée les résultats obtenus dans l’espace des caractéristiques à l’aide de méthodes d’estimation de la pré-image. Ce travail propose une méthode d’estimation de la pré-image pour rendre interprétable les méthodes d’analyse de séries temporelles à base de noyaux. Dans la première étape, une fonction de déformation temporelle, supervisée par des contraintes de distances, est définie pour plonger les séries dans un espace métrique où des analyses pratiques peuvent être menées. Dans la deuxième étape, l’estimation de la pré-image des séries temporelles est obtenue par l’apprentissage d’une transformation linéaire (ou non linéaire) assurant une isométrie locale entre le nouvel espace métrique des séries et l’espace des caractéristiques. La méthode proposée est comparée aux méthodes de l’état de l’art au travers de trois tâches principales requérant l’estimation de la pré-image: 1) le centrage des séries temporelles, 2) la reconstruction et le débruitage des séries temporelles et 3) l’apprentissage de représentations pour des séries temporelles.
Type de document :
Thèse
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-03036775
Contributeur : Abes Star :  Contact
Soumis le : mercredi 2 décembre 2020 - 18:27:35
Dernière modification le : jeudi 3 décembre 2020 - 03:31:38

Fichier

TRAN_2020_archivage.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-03036775, version 1

Collections

STAR | UGA | CNRS | LIG

Citation

Thi Phuong Thao Tran. Interpretable time series kernel analytics by pre-image estimation. Computer Arithmetic. Université Grenoble Alpes [2020-..], 2020. English. ⟨NNT : 2020GRALM035⟩. ⟨tel-03036775⟩

Partager

Métriques

Consultations de la notice

486

Téléchargements de fichiers

106