Stoppiglia, Hervé (1997) Méthodes statistiques de sélection de modèles neuronaux; applications financières et bancaires. PhD thesis Physique, Electronique, ESPCI.
Full text available as:
|
|
Alternative Locations: http://www.neurones.espci.fr/Francais.Docs/dossier_recherche/bibliographie/theses.htm
Abstract
Le travail présenté dans ce mémoire traite de l'évaluation, à l'aide de réseaux de neurones, de l'état de santé financière de collectivités locales ou d'entreprises. Dans un premier temps, nous rapprochons cette évaluation d'un problème de classification; nous expliquons pourquoi ce type de problème peut être avantageusement résolu avec des méthodes statistiques de classification comme les réseaux de neurones. Les chapitres suivants présentent et définissent plus précisément les concepts de la classification, les méthodes usuelles de classification, les réseaux de neurones ainsi que l'apprentissage de ceux-ci. Dans les applications envisagées, l'individu à classer (collectivité locale ou entreprise) peut être décrit par une très grande quantité de variables (données comptables, fiscales, socio-économiques, etc); ce constat nous a conduit à étudier les méthodes de sélection de modèles. Nous proposons une méthode statistique originale de sélection des meilleures variables descriptives, puis de définition du modèle neuronal. La dernière partie de ce mémoire concerne les applications industrielles de ces travaux; la première concerne l'analyse financière des collectivités locales,la seconde l'analyse financière des entreprises.
L'apport orignal de cette étude concerne trois domaines :
- Sélection de variables: nous ajoutons une variables aléatoire aux autres variables descriptives afin de distinguer celles qui sont réellement pertinentes.
- Sélection de modèles: nous utilisons la méthode précédente pour sélectionner les seuls neurones utiles dans un réseau de neurones à une couche cachée.
- Classification: nous inversons la formule de Bayes pour estimer les fonctions densité de probabilité avec des approximateurs.
En ce qui concerne l'analyse financière des entreprises, ce travail a débouché sur une application opérationnelle à la Caisse des Dépôts et Consignations depuis 1995.
| Item Type: | PhD Thesis (PhD) |
|---|---|
| Thesis Supervisor: | Dreyfus, Gérard |
| Date: | December 1997 |
| Board of examiners: | Sillion, Florence and Thiria, Sylvie and Coutiere, Antoine and Dreyfus, Gérard and Gallinari, Patrick and Personnaz, Léon |
| Ecole Doctorale: | ED 130 INFORMATIQUE, TELECOMMUNICATIONS ET ELECTRONIQUE (EDITE) |
| Discipline: | Physique |
| Collection (Fonds): | ESPCI |
| Institution: | ESPCI |
| Department: | Electronique |
| Subjects: | 2. Information and Communication Sciences and Technologies |
| Uncontrolled Keywords: | Sélection de modèle Sélection de variables Classification Réseaux de neurones Finance Collectivités locales Entreprises |
References
H. Stoppiglia, G. Dreyfus, R. Dubois, Y. Oussar, Ranking a Random Feature for Variable and Feature Selection, Journal of Machine Learning Research, pp. 1399-1414 (2003).
L. Oukhellou, P. Aknin, H. Stoppiglia, G. Dreyfus, A New Decision Criterion for Feature Selection: Application to the Classification of Non Destructive testing Signatures, European SIgnal Processing COnference (EUSIPCO'98), Rhodes (1998)
H. Stoppiglia, Y. Idan, G. Dreyfuss, Neural-Network-Aided Portfolio Management, Industrial Applications of Neural Networks., F. Fogelman-Soulié, P. Gallinari, eds. (World Scientific, 1997).
| ID Code: | 678 |
|---|---|
| Deposited By: | Gerard DREYFUS |
| Deposited On: | 23 April 2004 |
Repository Staff Only: edit this item