Auswahl der wissenschaftlichen Literatur zum Thema „Noyaux polynomiaux“

Cette étude s'inscrit dans des programmes de recherche visant à surveiller spatialement l'effet des apports de produits résiduaires organiques sur les stocks de carbone des sols, et nécessitant pour cela le recueil de données spatialisées sur les systèmes de culture. L'objectif de cette étude est celui d'évaluer, au niveau d'organisation spatiale des parcelles culturales, l'apport des images satellitaires de Très Haute Résolution Spatiale (THRS) Pléiades à l'identification des cultures à des stades de développement précoce d'une part, à la détection des changements d'état de surface des sols nus liés aux opérations culturales, d'autre part. La région d'étude, vaste d'environ 4000 ha, dont 2100 ha de surface agricole utile, est située à l'ouest du territoire périurbain francilien de la Plaine de Versailles et du Plateau des Alluets (PVPA) (Yvelines). Environ 100 parcelles culturales ont fait l'objet d'observations de terrain synchrones des prises de vue des deux images Pléiades acquises les 3 et 24 avril 2013 et d'une image SPOT4 acquise le 2 avril 2013. La structuration géomatique de ces données acquises sur le terrain a servi à délimiter des zones susceptibles de servir à l'entraînement ou la validation des résultats de classification assistée par machine à support de vecteurs à noyau polynomial (pSVM). La classification pSVM a été mise en œuvre sur les 4 bandes spectrales assorties du NDVI pour les images monodates, et pour les 8 bandes spectrales assorties de 2 bandes NDVI pour l'image bi-temporelle Pléiades. Pour les classifications monodates des cultures, la précision totale atteint 87% pour l'image SPOT4 du 2 avril (6 classes), 79% pour l'image Pléiades du 3 avril (6 classes) et 85% pour celle du 24 avril (7 classes). Pour la classification bitemporelle (7 classes), la précision totale est de près de 80%, avec des cultures d'hiver très bien discriminées tandis que les confusions opèrent entre l'orge de printemps aux stades 2-3 feuilles et les sols nus préparés pour les autres cultures de printemps. A la date la plus précoce (2-3 avril), l'image Pléiades discrimine bien les opérations culturales (précisions utilisateur et producteur >77%), les jachères et les prairies et renseigne sur l'hétérogénéité spatiale des stades de développement des cultures, tandis que les céréales d'hiver et le colza sont mieux détectés sur l'image SPOT4 (précisions utilisateur et producteur >70%). Les images Pléiades apportent donc des informations complémentaires à celles des images multispectrales de haute résolution spatiale.

International audience We give a new representation-theoretic proof of the branching rule for Macdonald polynomials using the Etingof-Kirillov Jr. expression for Macdonald polynomials as traces of intertwiners of $U_q(gl_n)$. In the Gelfand-Tsetlin basis, we show that diagonal matrix elements of such intertwiners are given by application of Macdonald's operators to a simple kernel. An essential ingredient in the proof is a map between spherical parts of double affine Hecke algebras of different ranks based upon the Dunkl-Kasatani conjecture. Nous donnons une nouvelle preuve représentation-théorique de la règle de branchement pour les polynômes de Macdonald en utilisant l’expression Etingof-Kirillov Jr. pour les polynômes de Macdonald comme des traces de intertwiners de $U_q(gl_n)$. Dans la base de Gelfand-Tsetlin, nous montrons que les éléments de matrice diagonaux de ces intertwiners sont donnés par action des opérateurs de Macdonald à un noyau simple. Un ingrédient essentiel dans la preuve est une application entre les parties sphériques des algèbres de Hecke double affines de rangs différents basés sur la conjecture Dunkl-Kasatani.

Les noyaux de produit scalaire, tels que les noyaux polynomiaux et exponentiels (softmax), sont parmi les noyaux les plus utilisés en apprentissage automatique, car ils permettent de modéliser les interactions entre les composantes des vecteurs d'entrée, ce qui est crucial dans des applications telles que la vision par ordinateur, le traitement du langage naturel et les systèmes de recommandation. Cependant, un inconvénient fondamental des modèles statistiques basés sur les noyaux est leur évolutivité limitée à un grand nombre de données d'entrée, ce qui nécessite de recourir à des approximations. Dans cette thèse, nous étudions des techniques pour linéariser les méthodes à base de noyaux de produit scalaire au moyen d'approximations de caractéristiques aléatoires. En particulier, nous nous concentrons sur une analyse de variance pour étudier et améliorer leur efficacité statistique
Dot product kernels, such as polynomial and exponential (softmax) kernels, are among the most widely used kernels in machine learning, as they enable modeling the interactions between input features, which is crucial in applications like computer vision, natural language processing, and recommender systems. However, a fundamental drawback of kernel-based statistical models is their limited scalability to a large number of inputs, which requires resorting to approximations. In this thesis, we study techniques to linearize kernel-based methods by means of random feature approximations and we focus on the approximation of polynomial kernels and more general dot product kernels to make these kernels more useful in large scale learning. In particular, we focus on a variance analysis as a main tool to study and improve the statistical efficiency of such sketches

La répartition des revenus d'une population, la distribution des instants de défaillance d'un matériel et l'évolution des bénéfices des contrats d'assurance vie - étudiées en sciences économiques et de gestion – sont liées a des fonctions continues appartenant à la classe des fonctionnelles de la fonction de répartition. Notre thèse porte sur l'estimation à noyau de fonctionnelles de la fonction de répartition avec applications en sciences économiques et de gestion. Dans le premier chapitre, nous proposons des estimateurs polynomiaux locaux dans le cadre i.i.d. de deux fonctionnelles de la fonction de répartition, notées LF et TF , utiles pour produire des estimateurs lisses de la courbe de Lorenz et du temps total de test normalisé (scaled total time on test transform). La méthode d'estimation est décrite dans Abdous, Berlinet et Hengartner (2003) et nous prouvons le bon comportement asymptotique des estimateurs polynomiaux locaux. Jusqu'alors, Gastwirth (1972) et Barlow et Campo (1975) avaient défini des estimateurs continus par morceaux de la courbe de Lorenz et du temps total de test normalisé, ce qui ne respectait pas la propriété de continuité des courbes initiales. Des illustrations sur données simulées et réelles sont proposées. Le second chapitre a pour but de fournir des estimateurs polynomiaux locaux dans le cadre i.i.d. des dérivées successives des fonctionnelles de la fonction de répartition explorées dans le chapitre précédent. A part l'estimation de la dérivée première de la fonction TF qui se traite à l'aide de l'estimation lisse de la fonction de répartition, la méthode d'estimation employée est l'approximation polynomiale locale des fonctionnelles de la fonction de répartition détaillée dans Berlinet et Thomas-Agnan (2004). Divers types de convergence ainsi que la normalité asymptotique sont obtenus, y compris pour la densité et ses dérivées successives. Des simulations apparaissent et sont commentées. Le point de départ du troisième chapitre est l'estimateur de Parzen-Rosenblatt (Rosenblatt (1956), Parzen (1964)) de la densité. Nous améliorons dans un premier temps le biais de l'estimateur de Parzen-Rosenblatt et de ses dérivées successives à l'aide de noyaux d'ordre supérieur (Berlinet (1993)). Nous démontrons ensuite les nouvelles conditions de normalité asymptotique de ces estimateurs. Enfin, nous construisons une méthode de correction des effets de bord pour les estimateurs des dérivées de la densité, grâce aux dérivées d'ordre supérieur. Le dernier chapitre s'intéresse au taux de hasard, qui contrairement aux deux fonctionnelles de la fonction de répartition traitées dans le premier chapitre, n'est pas un rapport de deux fonctionnelles linéaires de la fonction de répartition. Dans le cadre i.i.d., les estimateurs à noyau du taux de hasard et de ses dérivées successives sont construits à partir des estimateurs à noyau de la densité et ses dérivées successives. La normalité asymptotique des premiers estimateurs est logiquement obtenue à partir de celle des seconds. Nous nous plaçons ensuite dans le modèle à intensité multiplicative, un cadre plus général englobant des données censurées et dépendantes. Nous menons la procédure à terme de Ramlau-Hansen (1983) afin d'obtenir les bonnes propriétés asymptotiques des estimateurs du taux de hasard et de ses dérivées successives puis nous tentons d'appliquer l'approximation polynomiale locale dans ce contexte. Le taux d'accumulation du surplus dans le domaine de la participation aux bénéfices pourra alors être estimé non parametriquement puisqu'il dépend des taux de transition (taux de hasard d'un état vers un autre) d'une chaine de Markov (Ramlau-Hansen (1991), Norberg (1999))
The income distribution of a population, the distribution of failure times of a system and the evolution of the surplus in with-profit policies - studied in economics and management - are related to continuous functions belonging to the class of functionals of the distribution function. Our thesis covers the kernel estimation of some functionals of the distribution function with applications in economics and management. In the first chapter, we offer local polynomial estimators in the i.i.d. case of two functionals of the distribution function, written LF and TF , which are useful to produce the smooth estimators of the Lorenz curve and the scaled total time on test transform. The estimation method is described in Abdous, Berlinet and Hengartner (2003) and we prove the good asymptotic behavior of the local polynomial estimators. Until now, Gastwirth (1972) and Barlow and Campo (1975) have defined continuous piecewise estimators of the Lorenz curve and the scaled total time on test transform, which do not respect the continuity of the original curves. Illustrations on simulated and real data are given. The second chapter is intended to provide smooth estimators in the i.i.d. case of the derivatives of the two functionals of the distribution function presented in the last chapter. Apart from the estimation of the first derivative of the function TF with a smooth estimation of the distribution function, the estimation method is the local polynomial approximation of functionals of the distribution function detailed in Berlinet and Thomas-Agnan (2004). Various types of convergence and asymptotic normality are obtained, including the probability density function and its derivatives. Simulations appear and are discussed. The starting point of the third chapter is the Parzen-Rosenblatt estimator (Rosenblatt (1956), Parzen (1964)) of the probability density function. We first improve the bias of this estimator and its derivatives by using higher order kernels (Berlinet (1993)). Then we find the modified conditions for the asymptotic normality of these estimators. Finally, we build a method to remove boundary effects of the estimators of the probability density function and its derivatives, thanks to higher order derivatives. We are interested, in this final chapter, in the hazard rate function which, unlike the two functionals of the distribution function explored in the first chapter, is not a fraction of two linear functionals of the distribution function. In the i.i.d. case, kernel estimators of the hazard rate and its derivatives are produced from the kernel estimators of the probability density function and its derivatives. The asymptotic normality of the first estimators is logically obtained from the second ones. Then, we are placed in the multiplicative intensity model, a more general framework including censored and dependent data. We complete the described method in Ramlau-Hansen (1983) to obtain good asymptotic properties of the estimators of the hazard rate and its derivatives and we try to adopt the local polynomial approximation in this context. The surplus rate in with-profit policies will be nonparametrically estimated as its mathematical expression depends on transition rates (hazard rates from one state to another) in a Markov chain (Ramlau-Hansen (1991), Norberg (1999))

Dans cette thèse, nous étudions le volume et la caractéristique d'Euler de sous-variétés aléatoires de codimension r ∈ {1, . . . , n} dans une variété ambiante M de dimension n. Dans un premier modèle, dit des ondes riemanniennes aléatoires, M est une variété riemannienne fermée. Nous considérons alors le lieu Zλ des zéros communs de r combinaisons linéaires aléatoires indépendantes de fonctions propres du laplacien associées à des valeurs propres inférieures à λ 0. Nous obtenons alors les asymptotiques du volume moyen et de la caractéristique d'Euler moyenne de Zλ lorsque λ tend vers l'infini. Dans un second modèle, M est le lieu réel d'une variété projective définie sur les réels. On s'intéresse dans ce cadre au lieu d'annulation réel Zd d'une section holomorphe réelle globale aléatoire de E⊗Ld, où E est un fibré hermitien de rang r, L est un fibré en droites hermitien ample et tous deux sont définis sur les réels. Nous estimons alors les moyennes du volume et de la caractéristique d'Euler de Zd quand d tend vers l'infini. Dans ce modèle algébrique réel, nous calculons aussi l'asymptotique de la variance du volume de Zd pour 1 r < n. Nous en déduisons, dans ce cas, des résultats asymptotiques d'équidistribution de Zd dans M
We study the volume and Euler characteristic of codimension r ∈ {1, . . . , n} random submanifolds in a dimension n manifold M. First, we consider Riemannian random waves. That is M is a closed Riemannian manifold and we study the common zero set Zλ of r independent random linear combinations of eigenfunctions of the Laplacian associated to eigenvalues smaller than λ 0. We compute estimates for the mean volume and Euler characteristic of Zλ as λ goes to infinity. We also consider a model of random real algebraic manifolds. In this setting, M is the real locus of a projective manifold defined over the reals. Then, we consider the real vanishing locus Zd of a random real global holomorphic section of E ⊗ Ld, where E is a rank r Hermitian vector bundle, L is an ample Hermitian line bundle and both these bundles are defined over the reals. We compute the asymptotics of the mean volume and Euler characteristic of Zd as d goes to infinity. In this real algebraic setting, we also compute the asymptotic of the variance of the volume of Zd, when 1 r < n. In this case, we prove asympotic equidistribution results for Zd in M

Cette thèse est consacrée à l'étude de certaines propriétés d'exemples de classes de processus déterminantaux. Dans une première partie, nous nous intéressons aux processus déterminantaux reliés aux niveaux de Landau supérieurs du laplacien magnétique dans le disque unité. Nous donnons une estimation précise de la variance asymptotique du nombre de points dans un disque dont le rayon tend vers 1 -. Dans une deuxième partie, nous introduisons les déformations de Christoffel d'ensemble polynômiaux orthogonaux discrets, en multipliant la mesure d'orthogonalité sous-jacente par un polynôme positif. Nous montrons que les déformations de Christoffel de l'ensemble de Charlier convergent vers des déformations du processus de Bessel discret ; nous montrons également que les déformations de Christoffel des z-mesures sont des processus déterminantaux dont nous explicitons le noyau ; enfin, nous établissons que les déformations de Christoffel des z-mesures non-dégénérées convergent vers des déformation du processus avec le noyau Gamma. Dans une dernière partie, nous établissons une loi des grands nombre pour les motifs locaux de partitions planes aléatoires, généralisant à deux dimensions un phénomène apparaissant pour les mesures de Schur unidimensionnelles
This thesis studies several aspects of classes of determinantal processes. In a first part, we introduce determinantal processes arising from the higher Landau levels in the unit disk. We give a precise asymptotic for the variance of the number of points inside a disk of which the radius tends to one -. In a second part, we introduce the Christoffel deformations of discrete orthogonal polynomial ensembles, by multiplying the underlying orthogonality measure by a positive polynomial. We prove that the Christoffel deformatons of the Charlier ensemble converge towards deformations of the discrete Bessel process ; we also establish that Christoffel deformations of the z-measures are determinantal point process with an explicit kernel ; we eventually prove that the Christoffel deformations of the non-degenerate z-measures converge to a modification of the process with the Gamma kernel. In the last part, we establish a law of large numbers for local patterns in random plane partitions, generalizing in dimension two a phenomenon that occurs for a class of one dimensional Schur measures

Les précipitations et les débits des cours d'eau constituent les deux variables hydrométéorologiques les plus importantes pour l'analyse des bassins versants. Ils fournissent des informations fondamentales pour la gestion intégrée des ressources en eau, telles que l’approvisionnement en eau potable, l'hydroélectricité, les prévisions d'inondations ou de sécheresses ou les systèmes d'irrigation.Dans cette thèse de doctorat sont abordés deux problèmes distincts. Le premier prend sa source dans l’étude des débits des cours d’eau. Dans le but de bien caractériser le comportement global d'un bassin versant, de longues séries temporelles de débit couvrant plusieurs dizaines d'années sont nécessaires. Cependant les données manquantes constatées dans les séries représentent une perte d'information et de fiabilité, et peuvent entraîner une interprétation erronée des caractéristiques statistiques des données. La méthode que nous proposons pour aborder le problème de l'imputation des débits se base sur des modèles de régression dynamique (DRM), plus spécifiquement, une régression linéaire multiple couplée à une modélisation des résidus de type ARIMA. Contrairement aux études antérieures portant sur l'inclusion de variables explicatives multiples ou la modélisation des résidus à partir d'une régression linéaire simple, l'utilisation des DRMs permet de prendre en compte les deux aspects. Nous appliquons cette méthode pour reconstruire les données journalières de débit à huit stations situées dans le bassin versant de la Durance (France), sur une période de 107 ans. En appliquant la méthode proposée, nous parvenons à reconstituer les débits sans utiliser d'autres variables explicatives. Nous comparons les résultats de notre modèle avec ceux obtenus à partir d'un modèle complexe basé sur les analogues et la modélisation hydrologique et d'une approche basée sur le plus proche voisin. Dans la majorité des cas, les DRMs montrent une meilleure performance lors de la reconstitution de périodes de données manquantes de tailles différentes, dans certains cas pouvant allant jusqu'à 20 ans.Le deuxième problème que nous considérons dans cette thèse concerne la modélisation statistique des quantités de précipitations. La recherche dans ce domaine est actuellement très active car la distribution des précipitations exhibe une queue supérieure lourde et, au début de cette thèse, il n'existait aucune méthode satisfaisante permettant de modéliser toute la gamme des précipitations. Récemment, une nouvelle classe de distribution paramétrique, appelée distribution généralisée de Pareto étendue (EGPD), a été développée dans ce but. Cette distribution exhibe une meilleure performance, mais elle manque de flexibilité pour modéliser la partie centrale de la distribution. Dans le but d’améliorer la flexibilité, nous développons, deux nouveaux modèles reposant sur des méthodes semiparamétriques.Le premier estimateur développé transforme d'abord les données avec la distribution cumulative EGPD puis estime la densité des données transformées en appliquant un estimateur nonparamétrique par noyau. Nous comparons les résultats de la méthode proposée avec ceux obtenus en appliquant la distribution EGPD paramétrique sur plusieurs simulations, ainsi que sur deux séries de précipitations au sud-est de la France. Les résultats montrent que la méthode proposée se comporte mieux que l'EGPD, l’erreur absolue moyenne intégrée (MIAE) de la densité étant dans tous les cas presque deux fois inférieure.Le deuxième modèle considère une distribution EGPD semiparamétrique basée sur les polynômes de Bernstein. Plus précisément, nous utilisons un mélange creuse de densités béta. De même, nous comparons nos résultats avec ceux obtenus par la distribution EGPD paramétrique sur des jeux de données simulés et réels. Comme précédemment, le MIAE de la densité est considérablement réduit, cet effet étant encore plus évident à mesure que la taille de l'échantillon augmente
Precipitation and streamflow are the two most important meteorological and hydrological variables when analyzing river watersheds. They provide fundamental insights for water resources management, design, or planning, such as urban water supplies, hydropower, forecast of flood or droughts events, or irrigation systems for agriculture.In this PhD thesis we approach two different problems. The first one originates from the study of observed streamflow data. In order to properly characterize the overall behavior of a watershed, long datasets spanning tens of years are needed. However, the quality of the measurement dataset decreases the further we go back in time, and blocks of data of different lengths are missing from the dataset. These missing intervals represent a loss of information and can cause erroneous summary data interpretation or unreliable scientific analysis.The method that we propose for approaching the problem of streamflow imputation is based on dynamic regression models (DRMs), more specifically, a multiple linear regression with ARIMA residual modeling. Unlike previous studies that address either the inclusion of multiple explanatory variables or the modeling of the residuals from a simple linear regression, the use of DRMs allows to take into account both aspects. We apply this method for reconstructing the data of eight stations situated in the Durance watershed in the south-east of France, each containing daily streamflow measurements over a period of 107 years. By applying the proposed method, we manage to reconstruct the data without making use of additional variables, like other models require. We compare the results of our model with the ones obtained from a complex approach based on analogs coupled to a hydrological model and a nearest-neighbor approach, respectively. In the majority of cases, DRMs show an increased performance when reconstructing missing values blocks of various lengths, in some of the cases ranging up to 20 years.The second problem that we approach in this PhD thesis addresses the statistical modeling of precipitation amounts. The research area regarding this topic is currently very active as the distribution of precipitation is a heavy-tailed one, and at the moment, there is no general method for modeling the entire range of data with high performance. Recently, in order to propose a method that models the full-range precipitation amounts, a new class of distribution called extended generalized Pareto distribution (EGPD) was introduced, specifically with focus on the EGPD models based on parametric families. These models provide an improved performance when compared to previously proposed distributions, however, they lack flexibility in modeling the bulk of the distribution. We want to improve, through, this aspect by proposing in the second part of the thesis, two new models relying on semiparametric methods.The first method that we develop is the transformed kernel estimator based on the EGPD transformation. That is, we propose an estimator obtained by, first, transforming the data with the EGPD cdf, and then, estimating the density of the transformed data by applying a nonparametric kernel density estimator. We compare the results of the proposed method with the ones obtained by applying EGPD on several simulated scenarios, as well as on two precipitation datasets from south-east of France. The results show that the proposed method behaves better than parametric EGPD, the MIAE of the density being in all the cases almost twice as small.A second approach consists of a new model from the general EGPD class, i.e., we consider a semiparametric EGPD based on Bernstein polynomials, more specifically, we use a sparse mixture of beta densities. Once again, we compare our results with the ones obtained by EGPD on both simulated and real datasets. As before, the MIAE of the density is considerably reduced, this effect being even more obvious as the sample size increases