Réseaux de neurones, SVM et approches locales pour la prévision

UNIVERSITÉ FRANÇOIS RABELAIS DE TOURS
École Doctorale MIPTIS
Laboratoire d’Informatique EA 6300
THÈSE présentée par :
Aymen CHERIF
soutenue le : 17 juillet 2013
pour obtenir le grade de : Docteur de l’université François - Rabelais de Tours
Discipline/ Spécialité : INFORMATIQUE
Réseaux de neurones, SVM et approches
locales pour la prévision des séries temporelles
THÈSE dirigée par :
M. CARDOT Hubert Professeur, Université François Rabelais Tours
RAPPORTEURS :
M. GALLINARI Patrick Professeur, Université Pierre et Marie Curie à Paris
M. SALOTTI Jean-Marc Professeur, Institut Polytechnique de Bordeaux
Jury :
M. BONÉ Romuald Professeur, Ecole Nationale d’Ingénieurs du Val de Loire à Blois
M. CARDOT Hubert Professeur, Université François Rabelais Tours
M. CRUCIANU Michel Professeur, Conservatoire National des Arts et Métiers à Paris
M. GALLINARI Patrick Professeur, Université Pierre et Marie Curie à Paris
M. SALOTTI Jean-Marc Professeur, Institut Polytechnique de Bordeaux

Remerciements
Pour réaliser ce document et le travail qu’il présente, j’ai largement bénéficié de l’aide
de nombreuses personnes. Je tiens à les remercier très sincèrement.
Je tiens avant tout à remercier mes directeurs de thèse Hubert CARDOT et Romuald
BONÉ. Travailler avec vous a été enrichissant, merci de m’avoir encouragé durant toute ma
thèse. Hubert pour ton aide précieuse sur le plan scientifique et administratif, merci pour
ta patience et ta disponibilité. Romuald, merci pour toute l’aide que tu m’as apportée,
pour ton enthousiasme permanent et ton incroyable disponibilité.
Je remercie Patrick GALLINARI et Jean-Marc SALOTTI pour l’honneur qu’ils me
font en acceptant de rapporter sur mes travaux. Que Michel CRUCIANU trouve également
l’expression de ma gratitude pour sa participation à mon jury.
Ce travail a été mené au sein de l’équipe Reconnaissance des Formes et Analyse
d’Images, qui fait partie du laboratoire d’informatique de l’université de Tours, et s’est
déroulé en majeure partie au département d’informatique de Polytech’Tours. Je suis très
reconnaissant aux membres de cette équipe et de ce laboratoire pour leurs précieux conseils
tout au long des années que nous avons passées ensemble.
Pour finir, je voudrais remercier les membres de ma famille (ma mère Safia, mon père
Abdel Hamid et mon frère Mehdi) pour leurs soutiens sans failles qu’ils m’ont apportés
tout au long de ces années.
3

REMERCIEMENTS
4

Résumé
La prévision des séries temporelles est un problème qui est traité depuis de nombreuses
années. On y trouve des applications dans différents domaines tels que : la finance, la
médecine, le transport, etc. Dans cette thèse, on s’est intéressé aux méthodes issues de
l’apprentissage artificiel : les réseaux de neurones et les SVM. On s’est également intéressé
à l’intérêt des méta-méthodes pour améliorer les performances des prédicteurs, notamment
l’approche locale. Dans une optique de diviser pour régner, les approches locales effectuent
le clustering des données avant d’affecter les prédicteurs aux sous ensembles obtenus. Nous
présentons une modification dans l’algorithme d’apprentissage des réseaux de neurones
récurrents afin de les adapter à cette approche. Nous proposons également deux nouvelles
techniques de clustering, la première basée sur les cartes de Kohonen et la seconde sur les
arbres binaires.
Mots clés : Réseaux de neurones, Perceptron multi-couche, réseaux de neurones ré-
currents, SVM (Support Vector Machines), prédiction des séries temporelles, régression,
apprentissage artificiel supervisé et non supervisé.
5