Bibliographies thématiques / Agrégation des séries temporelles

Littérature scientifique sur le sujet « Agrégation des séries temporelles »

Auteur : Grafiati
Publié le 1 juin 2024

Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres

Choisissez une source :

Sommaire

Consultez les listes thématiques d’articles de revues, de livres, de thèses, de rapports de conférences et d’autres sources académiques sur le sujet « Agrégation des séries temporelles ».

À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.

Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.

Articles de revues sur le sujet "Agrégation des séries temporelles"

1

Bonneuil, Noël. « Traitement des données manquantes dans les séries issues des registres paroissiaux ». Population Vol. 53, no 1 (1 janvier 1998) : 249–70. http://dx.doi.org/10.3917/popu.p1998.53n1-2.0270.

Texte intégral
Résumé :
Résumé BONNEUIL (Noël). - Traitement des données manquantes dans les séries issues des registres paroissiaux L'enquête Biraben 1 500- 1 700 des registres paroissiaux est constituée de séries comportant des données manquantes. Pour compléter ces lacunes, il est préférable actuellement de recourir aux modèles ARIMA de l'économétrie des séries temporelles. On peut ainsi sélectionner quelles séries parmi les co-séries disponibles sont corrélées avec la série à compléter, identifier un modèle, le valider, et projeter pour combler peu à peu la période lacunaire. Des essais effectués sur des séries connues de l'enquête permettent déjuger des possibilités de cette méthode sur ce type de données temporelles. Des exemples sont donnés.
Styles APA, Harvard, Vancouver, ISO, etc.
2

Nijman et Palm. « Séries temporelles incomplètes en modélisation macroéconomique ». Cahiers du Séminaire d'Économétrie, no 27 (1985) : 141. http://dx.doi.org/10.2307/20075587.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
3

Lafrance, Bruno, Xavier Lenot, Caroline Ruffel, Patrick Cao et Thierry Rabaute. « Outils de prétraitements des images optiques Kalideos ». Revue Française de Photogrammétrie et de Télédétection, no 197 (21 avril 2014) : 10–16. http://dx.doi.org/10.52638/rfpt.2012.78.

Texte intégral
Résumé :
La communauté scientifique a besoin de disposer de séries temporelles d'observations récurrentes, couvrant des sites d'intérêt pour le suivi de l'évolution des surfaces terrestres (études agronomiques par assimilation de données, suivi de traits de côte, glissements de terrain, surveillance des volcans, cartographie littorale, etc.). L'analyse de ces séries temporelles demande à avoir des images superposables entre elles qui renseignent sur la réflectance des sites (grandeur physique indépendante du capteur).Dans l'objectif de rendre accessibles de telles données physiques et de garantir une homogénéité des traitements de séries temporelles d'images, le CNES a mis en place le programme Kalideos. Dans ce cadre, CS SI a développé et opère les chaines de traitement des images.Cet article présente les traitements appliqués aux images optiques des bases Kalideos (capteurs Spot et Formosat). Ces traitements permettent de convertir les produits de niveau 1A en ortho-images, donnant la réflectance mesurée au sommet de l'atmosphère et celle estimée au niveau de la surface après correction des effets atmosphériques.
Styles APA, Harvard, Vancouver, ISO, etc.
4

Teixeira, A. « Les séries chronologiques ou séries temporelles : présentation et principes d’analyse ». Revue des Maladies Respiratoires 22, no 3 (juin 2005) : 493–95. http://dx.doi.org/10.1016/s0761-8425(05)85582-2.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
5

Inglada, Jordi. « Lettre : Utilisation conjointe de séries temporelles d'images optiques et radar pour le suivi des surfaces agricoles ». Revue Française de Photogrammétrie et de Télédétection, no 219-220 (19 janvier 2020) : 71–72. http://dx.doi.org/10.52638/rfpt.2019.468.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
6

Jayet, Pierre-Alain. « Quelques notions sur l'analyse spectrale des séries temporelles ». Histoire & ; Mesure 6, no 1 (1991) : 7–29. http://dx.doi.org/10.3406/hism.1991.1381.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
7

Renaut, Didier. « Les séries temporelles de produits satellitaires passées au crible ». La Météorologie 8, no 88 (2015) : 4. http://dx.doi.org/10.4267/2042/56354.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
8

Dronne, Yves, et Christophe Tavéra. « Substitution dans l'alimentation animale : l'apport des modèles de séries temporelles ». Cahiers d'Economie et sociologie rurales 23, no 1 (1992) : 63–86. http://dx.doi.org/10.3406/reae.1992.1306.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
9

Gond, Valéry, Jacques Fontès et Philippe Loudjani. « Dynamique des biomes africains par l'analyse de séries temporelles satellitales ». Comptes Rendus de l'Académie des Sciences - Series III - Sciences de la Vie 320, no 2 (février 1997) : 179–88. http://dx.doi.org/10.1016/s0764-4469(97)85010-x.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
10

Hili, Ouagnina. « Sur l'estimation des modèles autorégressifs d'ordre multiple de séries temporelles ». Comptes Rendus de l'Académie des Sciences - Series I - Mathematics 332, no 8 (avril 2001) : 755–59. http://dx.doi.org/10.1016/s0764-4442(01)01897-3.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
Plus de sources

Thèses sur le sujet "Agrégation des séries temporelles"

1

Sànchez, Pérez Andrés. « Agrégation de prédicteurs pour des séries temporelles, optimalité dans un contexte localement stationnaire ». Thesis, Paris, ENST, 2015. http://www.theses.fr/2015ENST0051/document.

Texte intégral
Résumé :
Cette thèse regroupe nos résultats sur la prédiction de séries temporelles dépendantes. Le document comporte trois chapitres principaux où nous abordons des problèmes différents. Le premier concerne l’agrégation de prédicteurs de décalages de Bernoulli Causales, en adoptant une approche Bayésienne. Le deuxième traite de l’agrégation de prédicteurs de ce que nous définissions comme processus sous-linéaires. Une attention particulaire est portée aux processus autorégressifs localement stationnaires variables dans le temps, nous examinons un schéma de prédiction adaptative pour eux. Dans le dernier chapitre nous étudions le modèle de régression linéaire pour une classe générale de processus localement stationnaires
This thesis regroups our results on dependent time series prediction. The work is divided into three main chapters where we tackle different problems. The first one is the aggregation of predictors of Causal Bernoulli Shifts using a Bayesian approach. The second one is the aggregation of predictors of what we define as sub-linear processes. Locally stationary time varying autoregressive processes receive a particular attention; we investigate an adaptive prediction scheme for them. In the last main chapter we study the linear regression problem for a general class of locally stationary processes
Styles APA, Harvard, Vancouver, ISO, etc.
2

Sànchez, Pérez Andrés. « Agrégation de prédicteurs pour des séries temporelles, optimalité dans un contexte localement stationnaire ». Electronic Thesis or Diss., Paris, ENST, 2015. http://www.theses.fr/2015ENST0051.

Texte intégral
Résumé :
Cette thèse regroupe nos résultats sur la prédiction de séries temporelles dépendantes. Le document comporte trois chapitres principaux où nous abordons des problèmes différents. Le premier concerne l’agrégation de prédicteurs de décalages de Bernoulli Causales, en adoptant une approche Bayésienne. Le deuxième traite de l’agrégation de prédicteurs de ce que nous définissions comme processus sous-linéaires. Une attention particulaire est portée aux processus autorégressifs localement stationnaires variables dans le temps, nous examinons un schéma de prédiction adaptative pour eux. Dans le dernier chapitre nous étudions le modèle de régression linéaire pour une classe générale de processus localement stationnaires
This thesis regroups our results on dependent time series prediction. The work is divided into three main chapters where we tackle different problems. The first one is the aggregation of predictors of Causal Bernoulli Shifts using a Bayesian approach. The second one is the aggregation of predictors of what we define as sub-linear processes. Locally stationary time varying autoregressive processes receive a particular attention; we investigate an adaptive prediction scheme for them. In the last main chapter we study the linear regression problem for a general class of locally stationary processes
Styles APA, Harvard, Vancouver, ISO, etc.
3

Gaillard, Pierre. « Contributions à l’agrégation séquentielle robuste d’experts : Travaux sur l’erreur d’approximation et la prévision en loi. Applications à la prévision pour les marchés de l’énergie ». Thesis, Paris 11, 2015. http://www.theses.fr/2015PA112133/document.

Texte intégral
Résumé :
Nous nous intéressons à prévoir séquentiellement une suite arbitraire d'observations. À chaque instant, des experts nous proposent des prévisions de la prochaine observation. Nous formons alors notre prévision en mélangeant celles des experts. C'est le cadre de l'agrégation séquentielle d'experts. L'objectif est d'assurer un faible regret cumulé. En d'autres mots, nous souhaitons que notre perte cumulée ne dépasse pas trop celle du meilleur expert sur le long terme. Nous cherchons des garanties très robustes~: aucune hypothèse stochastique sur la suite d'observations à prévoir n'est faite. Celle-ci est supposée arbitraire et nous souhaitons des garanties qui soient vérifiées quoi qu'il arrive. Un premier objectif de ce travail est l'amélioration de la performance des prévisions. Plusieurs possibilités sont proposées. Un exemple est la création d'algorithmes adaptatifs qui cherchent à s'adapter automatiquement à la difficulté de la suite à prévoir. Un autre repose sur la création de nouveaux experts à inclure au mélange pour apporter de la diversité dans l'ensemble d'experts. Un deuxième objectif de la thèse est d'assortir les prévisions d'une mesure d'incertitude, voire de prévoir des lois. Les applications pratiques sont nombreuses. En effet, très peu d'hypothèses sont faites sur les données. Le côté séquentiel permet entre autres de traiter de grands ensembles de données. Nous considérons dans cette thèse divers jeux de données du monde de l'énergie (consommation électrique, prix de l'électricité,...) pour montrer l'universalité de l'approche
We are interested in online forecasting of an arbitrary sequence of observations. At each time step, some experts provide predictions of the next observation. Then, we form our prediction by combining the expert forecasts. This is the setting of online robust aggregation of experts. The goal is to ensure a small cumulative regret. In other words, we want that our cumulative loss does not exceed too much the one of the best expert. We are looking for worst-case guarantees: no stochastic assumption on the data to be predicted is made. The sequence of observations is arbitrary. A first objective of this work is to improve the prediction accuracy. We investigate several possibilities. An example is to design fully automatic procedures that can exploit simplicity of the data whenever it is present. Another example relies on working on the expert set so as to improve its diversity. A second objective of this work is to produce probabilistic predictions. We are interested in coupling the point prediction with a measure of uncertainty (i.e., interval forecasts,…). The real world applications of the above setting are multiple. Indeed, very few assumptions are made on the data. Besides, online learning that deals with data sequentially is crucial to process big data sets in real time. In this thesis, we carry out for EDF several empirical studies of energy data sets and we achieve good forecasting performance
Styles APA, Harvard, Vancouver, ISO, etc.
4

Gagnon, Jean-François. « Prévision humaine de séries temporelles ». Doctoral thesis, Université Laval, 2014. http://hdl.handle.net/20.500.11794/25243.

Texte intégral
Résumé :
La fonction cognitive de prévision est à la base du processus de décision dans plusieurs domaines de travail tels que les finances, la gestion des inventaires et la médecine. Les individus en charge de prendre des décisions quant à l’évolution de situations dynamiques complexes commettent régulièrement des erreurs, généralement attribuées à l’utilisation de stratégies décisionnelles simplificatrices : les heuristiques. Ces heuristiques sont décrites comme irrationnelles puisqu’elles ne tiennent pas compte de l’ensemble des informations disponibles pour porter un jugement sur l’évolution future d’une situation. À l’inverse, la classe de modèle du jugement linéaire constituerait la norme rationnelle dans ce contexte. Les modèles de jugement linéaire stipulent qu’un jugement optimal rationnel intègre et pondère linéairement l’ensemble des indices disponibles pour la prévision d’un critère au sein d’une seule représentation. Plus le jugement d’une personne s’écarterait du jugement linéaire, plus il serait irrationnel. La thèse remet cet énoncé en question et tente de valider une vision plus adaptative de la rationalité dans un contexte de prévision de situations dynamiques complexes. La rationalité dite écologique considère que la norme rationnelle ne doit pas être absolue, mais plutôt définie en fonction des contraintes environnementales. Selon cette vision de la rationalité, il est possible que dans un environnement favorable, une heuristique donnée soit plus performante que l’application d’une règle de jugement linéaire. Les individus sélectionneraient ainsi la stratégie la plus adaptée au contexte à partir d’un bassin de stratégies disponibles en mémoire à long terme. Or, à l’aide de simulations, la présente thèse démontre qu’il est possible que des heuristiques simplificatrices performent mieux que le jugement linéaire et que cette modulation dépend en partie des contraintes environnementales. La thèse suggère ensuite que les individus appliquent différentes stratégies en fonction des contraintes environnementales et que la stratégie appliquée est généralement adaptée à la nature de la situation. Finalement, la thèse indique que certaines limites cognitives ont également un impact sur la sélection de stratégies de prévision. Dans l’ensemble, ce patron de résultats appuie une vision écologique de la rationalité, mais souligne également que les limites cognitives fondamentales des individus contraignent le bassin de stratégies disponibles.
Styles APA, Harvard, Vancouver, ISO, etc.
5

Hmamouche, Youssef. « Prédiction des séries temporelles larges ». Thesis, Aix-Marseille, 2018. http://www.theses.fr/2018AIXM0480.

Texte intégral
Résumé :
De nos jours, les systèmes modernes sont censés stocker et traiter des séries temporelles massives. Comme le nombre de variables observées augmente très rapidement, leur prédiction devient de plus en plus compliquée, et l’utilisation de toutes les variables pose des problèmes pour les modèles classiques.Les modèles de prédiction sans facteurs externes sont parmi les premiers modèles de prédiction. En vue d’améliorer la précision des prédictions, l’utilisation de multiples variables est devenue commune. Ainsi, les modèles qui tiennent en compte des facteurs externes, ou bien les modèles multivariés, apparaissent, et deviennent de plus en plus utilisés car ils prennent en compte plus d’informations.Avec l’augmentation des données liées entre eux, l’application des modèles multivariés devient aussi discutable. Le challenge dans cette situation est de trouver les facteurs les plus pertinents parmi l’ensemble des données disponibles par rapport à une variable cible.Dans cette thèse, nous étudions ce problème en présentant une analyse détaillée des approches proposées dans la littérature. Nous abordons le problème de réduction et de prédiction des données massives. Nous discutons également ces approches dans le contexte du Big Data.Ensuite, nous présentons une méthodologie complète pour la prédiction des séries temporelles larges. Nous étendons également cette méthodologie aux données très larges via le calcul distribué et le parallélisme avec une implémentation du processus de prédiction proposé dans l’environnement Hadoop/Spark
Nowadays, storage and data processing systems are supposed to store and process large time series. As the number of variables observed increases very rapidly, their prediction becomes more and more complicated, and the use of all the variables poses problems for classical prediction models.Univariate prediction models are among the first models of prediction. To improve these models, the use of multiple variables has become common. Thus, multivariate models and become more and more used because they consider more information.With the increase of data related to each other, the application of multivariate models is also questionable. Because the use of all existing information does not necessarily lead to the best predictions. Therefore, the challenge in this situation is to find the most relevant factors among all available data relative to a target variable.In this thesis, we study this problem by presenting a detailed analysis of the proposed approaches in the literature. We address the problem of prediction and size reduction of massive data. We also discuss these approaches in the context of Big Data.The proposed approaches show promising and very competitive results compared to well-known algorithms, and lead to an improvement in the accuracy of the predictions on the data used.Then, we present our contributions, and propose a complete methodology for the prediction of wide time series. We also extend this methodology to big data via distributed computing and parallelism with an implementation of the prediction process proposed in the Hadoop / Spark environment
Styles APA, Harvard, Vancouver, ISO, etc.
6

Hmamouche, Youssef. « Prédiction des séries temporelles larges ». Electronic Thesis or Diss., Aix-Marseille, 2018. http://www.theses.fr/2018AIXM0480.

Texte intégral
Résumé :
De nos jours, les systèmes modernes sont censés stocker et traiter des séries temporelles massives. Comme le nombre de variables observées augmente très rapidement, leur prédiction devient de plus en plus compliquée, et l’utilisation de toutes les variables pose des problèmes pour les modèles classiques.Les modèles de prédiction sans facteurs externes sont parmi les premiers modèles de prédiction. En vue d’améliorer la précision des prédictions, l’utilisation de multiples variables est devenue commune. Ainsi, les modèles qui tiennent en compte des facteurs externes, ou bien les modèles multivariés, apparaissent, et deviennent de plus en plus utilisés car ils prennent en compte plus d’informations.Avec l’augmentation des données liées entre eux, l’application des modèles multivariés devient aussi discutable. Le challenge dans cette situation est de trouver les facteurs les plus pertinents parmi l’ensemble des données disponibles par rapport à une variable cible.Dans cette thèse, nous étudions ce problème en présentant une analyse détaillée des approches proposées dans la littérature. Nous abordons le problème de réduction et de prédiction des données massives. Nous discutons également ces approches dans le contexte du Big Data.Ensuite, nous présentons une méthodologie complète pour la prédiction des séries temporelles larges. Nous étendons également cette méthodologie aux données très larges via le calcul distribué et le parallélisme avec une implémentation du processus de prédiction proposé dans l’environnement Hadoop/Spark
Nowadays, storage and data processing systems are supposed to store and process large time series. As the number of variables observed increases very rapidly, their prediction becomes more and more complicated, and the use of all the variables poses problems for classical prediction models.Univariate prediction models are among the first models of prediction. To improve these models, the use of multiple variables has become common. Thus, multivariate models and become more and more used because they consider more information.With the increase of data related to each other, the application of multivariate models is also questionable. Because the use of all existing information does not necessarily lead to the best predictions. Therefore, the challenge in this situation is to find the most relevant factors among all available data relative to a target variable.In this thesis, we study this problem by presenting a detailed analysis of the proposed approaches in the literature. We address the problem of prediction and size reduction of massive data. We also discuss these approaches in the context of Big Data.The proposed approaches show promising and very competitive results compared to well-known algorithms, and lead to an improvement in the accuracy of the predictions on the data used.Then, we present our contributions, and propose a complete methodology for the prediction of wide time series. We also extend this methodology to big data via distributed computing and parallelism with an implementation of the prediction process proposed in the Hadoop / Spark environment
Styles APA, Harvard, Vancouver, ISO, etc.
7

Hugueney, Bernard. « Représentations symboliques de longues séries temporelles ». Paris 6, 2003. http://www.theses.fr/2003PA066161.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
8

Nowakowski, Samuel. « Détection de défauts dans les séries temporelles ». Nancy 1, 1989. http://www.theses.fr/1989NAN10074.

Texte intégral
Résumé :
Utilisation des calculs de distances pour résoudre des problèmes rencontrés pour les tests de détection de changements tels que le test du rapport de vraisemblance généralisé. Expérimentation de la méthode de la variable instrumentale
Styles APA, Harvard, Vancouver, ISO, etc.
9

Haykal, Vanessa. « Modélisation des séries temporelles par apprentissage profond ». Thesis, Tours, 2019. http://www.theses.fr/2019TOUR4019.

Texte intégral
Résumé :
La prévision des séries temporelles est un problème qui est traité depuis de nombreuses années. Dans cette thèse, on s’est intéressé aux méthodes issues de l’apprentissage profond. Il est bien connu que si les relations entre les données sont temporelles, il est difficile de les analyser et de les prévoir avec précision en raison des tendances non linéaires et du bruit présent, spécifiquement pour les séries financières et électriques. A partir de ce contexte, nous proposons une nouvelle architecture de réduction de bruit qui modélise des séries d’erreurs récursives pour améliorer les prévisions. L’apprentissage hybride fusionne simultanément un réseau de neurones convolutifs (CNN) et un réseau récurrent à mémoire long et court termes (LSTM). Ce modèle se distingue par sa capacité à capturer globalement différentes propriétés telles que les caractéristiques locales du signal, d’apprendre les dépendances non linéaires à long terme et de s’adapter également à une résistance élevée au bruit. La seconde contribution concerne les limitations des approches globales en raison des changements de régimes dynamiques dans le signal. Nous présentons donc une modification locale non-supervisée de notre architecture précédente afin d’ajuster les résultats en pilotant le modèle par un modèle de Markov caché (HMM). Enfin, on s’est également intéressé aux techniques de multi-résolutions pour améliorer les performances des couches convolutives, notamment par la méthode de décomposition en mode variationnel (VMD)
Time series prediction is a problem that has been addressed for many years. In this thesis, we have been interested in methods resulting from deep learning. It is well known that if the relationships between the data are temporal, it is difficult to analyze and predict accurately due to non-linear trends and the existence of noise specifically in the financial and electrical series. From this context, we propose a new hybrid noise reduction architecture that models the recursive error series to improve predictions. The learning process fusessimultaneouslyaconvolutionalneuralnetwork(CNN)andarecurrentlongshort-term memory network (LSTM). This model is distinguished by its ability to capture globally a variety of hybrid properties, where it is able to extract local signal features, to learn long-term and non-linear dependencies, and to have a high noise resistance. The second contribution concerns the limitations of the global approaches because of the dynamic switching regimes in the signal. We present a local unsupervised modification with our previous architecture in order to adjust the results by adapting the Hidden Markov Model (HMM). Finally, we were also interested in multi-resolution techniques to improve the performance of the convolutional layers, notably by using the variational mode decomposition method (VMD)
Styles APA, Harvard, Vancouver, ISO, etc.
10

Jabbari, Ali. « Encodage visuel composite pour les séries temporelles ». Thesis, Université Grenoble Alpes (ComUE), 2018. http://www.theses.fr/2018GREAM035/document.

Texte intégral
Résumé :
Les séries temporelles sont l'un des types de données les plus courants dans divers domaines scientifiques, industriels et financiers. Selon le contexte, l'analyse des séries temporelles est effectuée à diverses fins: prévision, estimation, classification et détection des tendances et des événements. Grâce aux capacités exceptionnelles de la perception visuelle humaine, la visualisation reste l'un des outils les plus puissants pour l'analyse de données, en particulier pour les données temporelles. Avec la croissance de volume et de la complexité des jeux de données, de nouvelles techniques de visualisation sont clairement nécessaires pour améliorer l'analyse des données. Elles visent à faciliter l'analyse visuelle dans le cas où des situations ou des tâches sont bien spécifiées, ou à favoriser l'analyse exploratoire non guidée.La visualisation est basée sur le "mapping visuel", un processus qui consiste à associer les valeurs de données aux canaux visuels comme la position, la taille et la couleur des éléments graphiques. A cet égard, la forme la plus connue de visualisation des séries temporelles, c'est-à-dire les graphiques linéaires ("line charts" en anglais), consiste en une mise en correspondance des valeurs de données avec la position verticale de la ligne. Cependant, un seul mapping visuel ne convient pas à toutes les situations et objectifs analytiques.Notre but est d'introduire des alternatives au mapping visuel conventionnel et de trouver des situations dans lesquelles, la nouvelle approche compense la simplicité et la familiarité des techniques existantes. Nous présentons une revue de l'état de l'art sur la visualisation des séries chronologiques, puis nous nous concentrons sur les approches existantes du mapping visuel.Ensuite, nous présentons nos contributions. Notre première contribution est une étude systématique d'un «mapping visuelle composite» qui consiste à utiliser des combinaisons de canaux visuels pour communiquer différentes facettes d'une série temporelle. Au moyen de plusieurs expériences avec des utilisateurs, nous comparons les nouveaux mappings visuels à une technique de référence existante et nous mesurons la vitesse et la précision des utilisateurs dans différentes tâches analytiques. Nos résultats montrent que les nouvelles conceptions visuelles conduisent à des performances analytiques proches de celles des techniques existantes sans être inutilement complexes ou nécessiter un entraînement. De plus, certains mappings proposés surpassent les techniques existantes dans les situations de contraintes spatiales. L'efficacité spatiale est d'une grande importance pour la visualisation simultanée de grands volumes de données ou de visualisation sur de petits écrans. Les deux scénarios font partie des défis actuels de la visualisation de l'information
Time series are one of the most common types of recorded data in various scientific, industrial, and financial domains. Depending on the context, time series analysis are used for a variety of purposes: forecasting, estimation, classification, and trend and event detection. Thanks to the outstanding capabilities of human visual perception, visualization remains one of the most powerful tools for data analysis, particularly for time series. With the increase in data sets' volume and complexity, new visualization techniques are clearly needed to improve data analysis. They aim to facilitate visual analysis in specified situations, tasks, or for unguided exploratory analysis.Visualization is based upon visual mapping, which consists in association of data values to visual channels, e.g. position, size, and color of the graphical elements. In this regard, the most familiar form of time series visualization, i.e. line charts, consists in a mapping of data values to the vertical position of the line. However, a single visual mapping is not suitable for all situations and analytical objectives.Our goal is to introduce alternatives to the conventional visual mapping and find situations in which, the new approach compensate for the simplicity and familiarity of the existing techniques. We present a review of the existing literature on time series visualization and then, we focus on the existing approaches to visual mapping.Next, we present our contributions. Our first contribution is a systematic study of a "composite" visual mapping which consists in using combinations of visual channels to communicate different facets of a time series. By means of several user studies, we compare our new visual mappings with an existing reference technique and we measure users' speed and accuracy in different analytical tasks. Our results show that the new visual designs lead to analytical performances close to those of the existing techniques without being unnecessarily complex or requiring training. Also, some of the proposed mappings outperform the existing techniques in space constraint situations. Space efficiency is of great importance to simultaneous visualization of large volumes of data or visualization on small screens. Both scenarios are among the current challenges in information visualization
Styles APA, Harvard, Vancouver, ISO, etc.
Plus de sources

Livres sur le sujet "Agrégation des séries temporelles"

1

Aragon, Yves. Séries temporelles avec R. Paris : Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
2

Gourieroux, Christian. Séries temporelles et modèles dynamiques. Paris : Economica, 1990.

Trouver le texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
3

Thionbiano, Taladidia. ECONOMÉTRIE DES SÉRIES TEMPORELLES - Cours et exercices. Paris : Editions L'Harmattan, 2008.

Trouver le texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
4

Meuriot, Véronique. Une histoire des concepts des séries temporelles. Louvain-la-Neuve : Harmattan-Academia, 2012.

Trouver le texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
5

Aragon, Yves. Séries temporelles avec R : Méthodes et cas. Paris : Springer Paris, 2011.

Trouver le texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
6

Pawłowski, Adam. Séries temporelles en linguistique : Avec application à l'attribution de textes, Romain Gary et Emile Ajar. Paris : H. Champion, 1998.

Trouver le texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
7

Applied econometric time series. 2e éd. Hoboken, NJ : Wiley, 2003.

Trouver le texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
8

Enders, Walter. Applied econometric time series. New York : John Wiley, 1995.

Trouver le texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
9

Franses, Philip Hans. Time series models for business and economic forecasting. Cambridge, UK : Cambridge University Press, 1998.

Trouver le texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
10

Aragon, Yves. Séries temporelles avec R. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
Plus de sources

Chapitres de livres sur le sujet "Agrégation des séries temporelles"

1

Aragon, Yves. « Séries temporelles non stationnaires ». Dans Pratique R, 97–120. Paris : Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4_5.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
2

Aragon, Yves. « R pour les séries temporelles ». Dans Pratique R, 21–38. Paris : Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4_2.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
3

Aragon, Yves. « Démarche de base en séries temporelles ». Dans Pratique R, 1–20. Paris : Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4_1.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
4

Aragon, Yves. « Modèles de base en séries temporelles ». Dans Pratique R, 57–95. Paris : Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4_4.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
5

« Bibliographie ». Dans Analyse des séries temporelles, 345–52. Dunod, 2016. http://dx.doi.org/10.3917/dunod.bourb.2016.01.0345.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
6

« Chapitre 2 R pour les séries temporelles ». Dans Séries temporelles avec R, 21–38. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-005.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
7

« Chapitre 6 Lissage exponentiel ». Dans Séries temporelles avec R, 123–34. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-009.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
8

« AVANT-PROPOS ». Dans Séries temporelles avec R, xi—xvi. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-003.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
9

« Chapitre 8 Trafic mensuel de l’aéroport de Toulouse-Blagnac ». Dans Séries temporelles avec R, 149–72. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-011.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
10

« Index ». Dans Séries temporelles avec R, 261–64. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-017.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.

Actes de conférences sur le sujet "Agrégation des séries temporelles"

1

LAFON, Virginie, Arthur ROBINET, Tatiana DONNAY, David DOXARAN, Bertrand LUBAC, Eric MANEUX, Aldo SOTTOLICHIO et Olivier HAGOLLE. « RIVERCOLOR : chaîne de traitement des séries temporelles LANDSAT, SPOT et MODIS dédiée à la cartographie des matières en suspension en zone estuarienne ». Dans Journées Nationales Génie Côtier - Génie Civil. Editions Paralia, 2014. http://dx.doi.org/10.5150/jngcgc.2014.067.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.

Rapports d'organisations sur le sujet "Agrégation des séries temporelles"

1

Perreault, L., A. Nicault, É. Boucher, D. Arseneault et F. Gennaretti. Analyse des changements de régimes dans les séries temporelles issues de la dendrochronologie. Natural Resources Canada/CMSS/Information Management, 2021. http://dx.doi.org/10.4095/328084.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
2

Nicault, A., L. Cournoyer, T. Labarre et Y. Bégin. Analyse des relations entre le climat et les séries temporelles de densité de cerne. Natural Resources Canada/CMSS/Information Management, 2021. http://dx.doi.org/10.4095/328074.

Texte intégral
Styles APA, Harvard, Vancouver, ISO, etc.
Vous pouvez également être intéressé par les bibliographies sur le sujet « Agrégation des séries temporelles » pour d’autres types de sources :
Articles de revues Thèses Livres
Nous offrons des réductions sur tous les plans premium pour les auteurs dont les œuvres sont incluses dans des sélections littéraires thématiques. Contactez-nous pour obtenir un code promo unique!

Vers la bibliographie