ISBN-13: 9783838180854 / Francuski / Miękka / 2018 / 252 str.
Les mA(c)thodes numA(c)riques utilisA(c)es en analyse des donnA(c)es ne sont pas adA(c)quates si les donnA(c)es sont reAues d'une faAon sA(c)quentielle. Dans cet ouvrage, nous proposons des algorithmes d'approximation stochastiques rA(c)pondant A cette problA(c)matique. Un cadre probabiliste de l'analyse des donnA(c)es est dA(c)fini. Nous prA(c)sentons un processus gA(c)nA(c)ral d'approximation stochastique appliquA(c) A l'analyse factorielle. Une illustration de la convergence de ses algorithmes est faite sur des donnA(c)es rA(c)elles dans des domaines divers. On retrouve aussi une A(c)tude des algorithmes sA(c)quentiels de classification comme la classification autour des centres mobiles ainsi qu'un processus permettant l'estimation sA(c)quentielle des paramA]tres d'un mA(c)lange de lois en classification. Ce livre s'adresse aux professeurs, chercheurs, A(c)tudiants s'intA(c)ressant A l'approximation stochastique sA(c)quentielle ou A l'analyse des donnA(c)es vue sous un autre angle.
Les méthodes numériques utilisées en analyse des données ne sont pas adéquates si les données sont reçues dune façon séquentielle. Dans cet ouvrage, nous proposons des algorithmes dapproximation stochastiques répondant à cette problématique. Un cadre probabiliste de lanalyse des données est défini. Nous présentons un processus général dapproximation stochastique appliqué à lanalyse factorielle. Une illustration de la convergence de ses algorithmes est faite sur des données réelles dans des domaines divers. On retrouve aussi une étude des algorithmes séquentiels de classification comme la classification autour des centres mobiles ainsi quun processus permettant lestimation séquentielle des paramètres dun mélange de lois en classification. Ce livre sadresse aux professeurs, chercheurs, étudiants sintéressant à lapproximation stochastique séquentielle ou à lanalyse des données vue sous un autre angle.