Méthodes SVM pour l'identification - Archive ouverte HAL
Conference Papers Year : 2006

Méthodes SVM pour l'identification

Fabien Lauer
Gérard Bloch
  • Function : Author
  • PersonId : 832207

Abstract

Ce papier présente les méthodes SVM (Support Vector Machines), issues de la théorie de l'apprentissage statistique, pour l'identification des systèmes. La méthode est tout d'abord exposée dans le cas linéaire, puis étendue au cas non-linéaire grâce à des fonctions noyaux. Ces noyaux permettent de résoudre le problème non-linéaire par une projection implicite dans un espace de dimension supérieure. Le papier traite ensuite des questions pratiques telles que le réglage des hyperparamètres ou l'implémentation algorithmique de la méthode. Les liens avec les réseaux de neurones sont explicités de manière à mettre en valeur les avantages de la méthode : sélection automatique des centres, régularisation intrinsèque, unicité de la solution et bonne généralisation à partir de peu de données. La méthode est illustrée sur un exemple d'identification de système non-linéaire et comparée à un des algorithmes les plus performants, basé sur la sélection des centres des réseaux RBF par Orthogonal Least Squares (OLS) et l'estimation de l'erreur de généralisation.
Fichier principal
Vignette du fichier
LauerBlochJIME06.pdf (274 Ko) Télécharger le fichier
Loading...

Dates and versions

hal-00110344 , version 1 (27-10-2006)

Identifiers

  • HAL Id : hal-00110344 , version 1

Cite

Fabien Lauer, Gérard Bloch. Méthodes SVM pour l'identification. Journées Identification et Modélisation Expérimentale (JIME'2006), Nov 2006, Poitiers, France. pp.CDROM. ⟨hal-00110344⟩
416 View
5955 Download

Share

More