0 of 0       
Essec\Faculty\Model\Contribution {#2216 ▼
  #_index: "academ_contributions"
  #_id: "4529"
  #_source: array:26 [
    "id" => "4529"
    "slug" => "4529-distribution-hybride-pour-la-modelisation-de-donnees-a-deux-queues-lourdes-application-sur-les-donnees-neuronales 4529-distribution-hybride-pour-la-modelisation-de-donnees-a-deux-queues-lourdes-application-sur-les- "
    "yearMonth" => "2015-09"
    "year" => "2015"
    "title" => "Distribution hybride pour la modélisation de données à deux queues lourdes: Application sur les données neuronales Distribution hybride pour la modélisation de données à deux queues lourdes: Application sur les donn "
    "description" => "DEBBABI, N., KRATZ, M., MBOUP, M. et EL ASMI, S. (2015). Distribution hybride pour la modélisation de données à deux queues lourdes: Application sur les données neuronales. Dans: <i>25ème Édition du Colloque GRETSI</i>. École Normale Supérieure de Lyon. DEBBABI, N., KRATZ, M., MBOUP, M. et EL ASMI, S. (2015). Distribution hybride pour la modélisation d "
    "authors" => array:4 [
      0 => array:3 [
        "name" => "KRATZ Marie"
        "bid" => "B00072305"
        "slug" => "kratz-marie"
      ]
      1 => array:1 [
        "name" => "DEBBABI N."
      ]
      2 => array:1 [
        "name" => "MBOUP M."
      ]
      3 => array:1 [
        "name" => "EL ASMI S."
      ]
    ]
    "ouvrage" => "25ème Édition du Colloque GRETSI"
    "keywords" => []
    "updatedAt" => "2021-04-19 17:57:25"
    "publicationUrl" => null
    "publicationInfo" => array:3 [
      "pages" => null
      "volume" => null
      "number" => null
    ]
    "type" => array:2 [
      "fr" => "Actes d'une conférence"
      "en" => "Conference Proceedings"
    ]
    "support_type" => array:2 [
      "fr" => "Editeur"
      "en" => "Publisher"
    ]
    "countries" => array:2 [
      "fr" => null
      "en" => null
    ]
    "abstract" => array:2 [
      "fr" => "Ce travail propose un modèle hybride pour modéliser des données à deux queues lourdes. Le modèle proposé est une distribution à trois composantes pondérées : une distribution Gaussienne, pour modéliser le comportement moyen des données, liée à deux distributions de Pareto généralisées pour modéliser les comportements extrêmes. Un algorithme itératif et non supervisé est ensuite proposé pour une estimation fiable des points de jonctions entre les trois distributions, les paramètres de ces dernières ainsi que les poids affectés à chaque composante du modèle hybride. Une application sur des données neuronales réelles issues d’un enregistrement extracellulaire, est développée pour évaluer les performances du modèle proposé, comparé à la distribution normale. Ce travail propose un modèle hybride pour modéliser des données à deux queues lourdes. Le modèle pro "
      "en" => "A new hybrid model for two heavy tailed data modelling is proposed in this study. The proposed model is a weighted three-components distribution: a Gaussian distribution, to model the mean behavior of the data, linked to two generalized Pareto distributions, modelling the extreme ones. An unsupervised iterative algorithm is then developed to estimate accurately the junction points between the three distributions, the parameters of these latter as well as the weights of the hybrid model. An application on real extracellular neural recordings isdeveloped to evaluate the performance of the proposed hybrid model, compared to the normal distribution. A new hybrid model for two heavy tailed data modelling is proposed in this study. The proposed model "
    ]
    "authors_fields" => array:2 [
      "fr" => "Systèmes d'Information, Data Analytics et Opérations"
      "en" => "Information Systems, Data Analytics and Operations"
    ]
    "indexedAt" => "2025-03-21T14:21:42.000Z"
    "docTitle" => "Distribution hybride pour la modélisation de données à deux queues lourdes: Application sur les données neuronales Distribution hybride pour la modélisation de données à deux queues lourdes: Application sur les donn "
    "docSurtitle" => "Conference Proceedings"
    "authorNames" => "<a href="/cv/kratz-marie">KRATZ Marie</a>, DEBBABI N., MBOUP M., EL ASMI S."
    "docDescription" => "<span class="document-property-authors">KRATZ Marie, DEBBABI N., MBOUP M., EL ASMI S.</span><br><span class="document-property-authors_fields">Information Systems, Data Analytics and Operations</span> | <span class="document-property-year">2015</span> <span class="document-property-authors">KRATZ Marie, DEBBABI N., MBOUP M., EL ASMI S.</span><br><spa "
    "keywordList" => ""
    "docPreview" => "<b>Distribution hybride pour la modélisation de données à deux queues lourdes: Application sur les données neuronales</b><br><span>2015-09 | Conference Proceedings </span> <b>Distribution hybride pour la modélisation de données à deux queues lourdes: Application sur les d "
    "docType" => "research"
    "publicationLink" => "<a href="#" target="_blank">Distribution hybride pour la modélisation de données à deux queues lourdes: Application sur les données neuronales</a> <a href="#" target="_blank">Distribution hybride pour la modélisation de données à deux queues lourd "
  ]
  +lang: "en"
  +"_type": "_doc"
  +"_score": 9.160519
  +"parent": null
}