Apprentissage statistique pour la Modélisation des Systèmes
Apprentissage statistique pour la Modélisation des Systèmes dans des Espaces de Hilbert à Noyau Reproduisant
Le travail présenté dans ce rapport entre dans le cadre de l’Apprentissage Automatique (Machine Learning) où l’on cherche à modéliser un système non linéaire et à identifier en ligne les paramètres du modèle considéré.
Ce modèle est développé dans un espace de Hilbert à noyau reproduisant (RKHS).
Ces modèles dits de représentation ou boite noire sont linéaires par rapport à leurs paramètres.
Ils ont connu un grand succès dans l’identification des systèmes non linéaires en utilisant les méthodes à noyaux.
Okba Taouali a reçu son diplôme de Doctorat en Génie Électrique en 2010 de l'École Nationale d'Ingénieurs de Monastir (ENIM).
Actuellement, il est maitre de conférences à l'ENIM (Tunisie) et Professeur à la FCIT, university of Tabuk, Arabie Saoudite.
Ses recherches portent sur : Apprentissage automatique, méthodes à noyaux, diagnostic des défauts.
Tous les produits de Omniscriptum
Fiche technique
- Langue
- Français
- Pays
- Tunisie
30 autres produits dans la même catégorie :
Voir toutRéalisation d’un amplificateur hyperfréquence pour les systèmes 5G
- Nouveau
Conception d’une antenne patch rectangulaire pour les systèmes 5G
- Nouveau
Hydrogène Vert, de la Transition Energétique au Développement Durable
- Nouveau
Conception et mise en œuvre d'un système mobile de télémédecine
- Nouveau
Optimisation des Ressources Radio pour les Réseaux Nouvelle Génération
- Nouveau