Actes d’une conférence
Année
2015
Abstract
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.
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: 25ème Édition du Colloque GRETSI. École Normale Supérieure de Lyon.