Maximum de vraisemblance stochastique - Historique des versions

Pitpitt : Remplacement de texte : « ↵ » par «  ==Sources== »

2024-01-28T15:01:24Z

Remplacement de texte : « ↵<small> » par «  ==Sources== »

← Version précédente		Version du 28 janvier 2024 à 11:01
Ligne 9 :		Ligne 9 :


	~~<small>~~
			==Sources==
	[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ]		[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ]

Pitpitt le 25 janvier 2021 à 16:26

2021-01-25T16:26:42Z

← Version précédente		Version du 25 janvier 2021 à 12:26
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	Estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance dans un modèle stochastique.		Estimateur statistique utilisé pour inférer les paramètres de la '''[[loi de probabilité]]''' d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance dans un modèle stochastique.

	== Français ==		== Français ==
Ligne 14 :		Ligne 14 :
	[https://ieeexplore.ieee.org/document/1368317 Source : ieeexplore.ieee.org]		[https://ieeexplore.ieee.org/document/1368317 Source : ieeexplore.ieee.org]

	~~[[Catégorie:Vocabulaire]]~~
	~~[[Catégorie:App-profond-livre]]~~		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	~~[[Catégorie:Apprentissage profond]]~~
	~~[[Catégorie:sihem]]~~
	[[Catégorie:9]]

Imeziani le 25 janvier 2021 à 14:48

2021-01-25T14:48:35Z

← Version précédente		Version du 25 janvier 2021 à 10:48
Ligne 1 :		Ligne 1 :
	~~== en construction ==~~

	== Définition ==		== Définition ==
	~~De tels estimateurs sont nécessaires dans~~ les ~~études~~ de ~~propagation où~~ des ~~mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales~~ dans ~~le processus de développement de modèles de canaux avancés.~~		Estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance dans un modèle stochastique.

	Le modèle ~~de signal est~~ stochastique~~. La performance de la méthode proposée est comparée à l’algorithme SAGE où le modèle de signal est déterministe~~.


	== Français ==		== Français ==
	'''Maximum de vraisemblance stochastique'''		'''Maximum de vraisemblance stochastique'''

Pitpitt le 23 janvier 2021 à 13:05

2021-01-23T13:05:19Z

← Version précédente		Version du 23 janvier 2021 à 09:05
Ligne 1 :		Ligne 1 :
	== en construction ==		== en construction ==
	~~[[Catégorie:Vocabulaire]]~~
	~~[[Catégorie:App-profond-livre]]~~
	~~[[Catégorie:Apprentissage profond]]~~

	== Définition ==		== Définition ==

	~~j'ai fait des petites rectifications , mais j'ai aussi ajouté cette introduction :~~

	~~Nous dériverons une méthode stochastique de maximum de vraisemblance pour estimer les paramètres spatio-temporels des canaux.~~

	De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles de canaux avancés.		De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles de canaux avancés.

Ligne 20 :		Ligne 12 :
	== Anglais ==		== Anglais ==
	'''Stochastic maximum likelihood'''		'''Stochastic maximum likelihood'''

	We will derive a stochastic maximum likelihood method for estimating spatio-temporal channel parameters. Such estimators are needed in propagation studies where extensive channel measurements and sounding are required. These are seminal tasks in the process of developing advanced channel models. The proposed method employs angular Von Mises distribution model which is appropriate for directional data typically observed in channel measurement campaigns. The signal model is stochastic. The performance of the proposed method is compared to SAGE algorithm where the signal model is deterministic. The computational complexity of the proposed method is lower and channel parameters are estimated with higher fidelity because the underlying distribution model is well-suited for directional data.




Ligne 30 :		Ligne 18 :

	[https://ieeexplore.ieee.org/document/1368317 Source : ieeexplore.ieee.org]		[https://ieeexplore.ieee.org/document/1368317 Source : ieeexplore.ieee.org]

			[[Catégorie:Vocabulaire]]
			[[Catégorie:App-profond-livre]]
			[[Catégorie:Apprentissage profond]]
	[[Catégorie:sihem]]		[[Catégorie:sihem]]
	[[Catégorie:9]]		[[Catégorie:9]]

Sihem le 23 janvier 2021 à 04:40

2021-01-23T04:40:04Z

← Version précédente		Version du 23 janvier 2021 à 00:40
Ligne 12 :		Ligne 12 :
	De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles de canaux avancés.		De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles de canaux avancés.

	Le modèle de signal est stochastique. La performance de la méthode proposée est ~~comparées~~ à l’algorithme SAGE où le modèle de signal est déterministe.		Le modèle de signal est stochastique. La performance de la méthode proposée est comparée à l’algorithme SAGE où le modèle de signal est déterministe.

Sihem le 23 janvier 2021 à 04:38

2021-01-23T04:38:57Z

← Version précédente		Version du 23 janvier 2021 à 00:38
Ligne 6 :		Ligne 6 :
	== Définition ==		== Définition ==

	~~ajouter~~ cette introduction :		j'ai fait des petites rectifications , mais j'ai aussi ajouté cette introduction :

	Nous dériverons une méthode stochastique de maximum de vraisemblance pour estimer les paramètres spatio-temporels des canaux.		Nous dériverons une méthode stochastique de maximum de vraisemblance pour estimer les paramètres spatio-temporels des canaux.
Ligne 30 :		Ligne 30 :

	[https://ieeexplore.ieee.org/document/1368317 Source : ieeexplore.ieee.org]		[https://ieeexplore.ieee.org/document/1368317 Source : ieeexplore.ieee.org]
			[[Catégorie:sihem]]
			[[Catégorie:9]]

Sihem le 23 janvier 2021 à 04:35

2021-01-23T04:35:41Z

← Version précédente		Version du 23 janvier 2021 à 00:35
Ligne 5 :		Ligne 5 :

	== Définition ==		== Définition ==
	De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles avancés.

	Le modèle de signal est stochastique. ~~Les performances~~ de la méthode proposée ~~sont~~ comparées à ~~l'algorithme~~ SAGE où le modèle de signal est déterministe.		ajouter cette introduction :

			Nous dériverons une méthode stochastique de maximum de vraisemblance pour estimer les paramètres spatio-temporels des canaux.

			De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles de canaux avancés.

			Le modèle de signal est stochastique. La performance de la méthode proposée est comparées à l’algorithme SAGE où le modèle de signal est déterministe.


	== Français ==		== Français ==

Pitpitt le 21 janvier 2021 à 16:04

2021-01-21T16:04:42Z

← Version précédente		Version du 21 janvier 2021 à 12:04
Ligne 5 :		Ligne 5 :

	== Définition ==		== Définition ==
	De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles ~~de canaux~~ avancés.		De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles avancés.

	Le modèle de signal est stochastique. Les performances de la méthode proposée sont comparées à l'algorithme SAGE où le modèle de signal est déterministe.		Le modèle de signal est stochastique. Les performances de la méthode proposée sont comparées à l'algorithme SAGE où le modèle de signal est déterministe.

Pitpitt le 21 janvier 2021 à 15:54

2021-01-21T15:54:37Z

← Version précédente		Version du 21 janvier 2021 à 11:54
Ligne 5 :		Ligne 5 :

	== Définition ==		== Définition ==
			De tels estimateurs sont nécessaires dans les études de propagation où des mesures et des sondages approfondis sont nécessaires. Ce sont des tâches fondamentales dans le processus de développement de modèles de canaux avancés.

			Le modèle de signal est stochastique. Les performances de la méthode proposée sont comparées à l'algorithme SAGE où le modèle de signal est déterministe.

	== Français ==		== Français ==
Ligne 11 :		Ligne 14 :
	== Anglais ==		== Anglais ==
	'''Stochastic maximum likelihood'''		'''Stochastic maximum likelihood'''

			We will derive a stochastic maximum likelihood method for estimating spatio-temporal channel parameters. Such estimators are needed in propagation studies where extensive channel measurements and sounding are required. These are seminal tasks in the process of developing advanced channel models. The proposed method employs angular Von Mises distribution model which is appropriate for directional data typically observed in channel measurement campaigns. The signal model is stochastic. The performance of the proposed method is compared to SAGE algorithm where the signal model is deterministic. The computational complexity of the proposed method is lower and channel parameters are estimated with higher fidelity because the underlying distribution model is well-suited for directional data.




	<small>		<small>
	[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ]		[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ]

			[https://ieeexplore.ieee.org/document/1368317 Source : ieeexplore.ieee.org]

Pitpitt le 9 juin 2020 à 02:03

2020-06-09T02:03:35Z

← Version précédente		Version du 8 juin 2020 à 22:03
Ligne 5 :		Ligne 5 :

	== Définition ==		== Définition ==
	~~...~~

	== Français ==		== Français ==