Time series forecasting : from econometrics to deep learning
La prédiction des séries temporelles (TSF) est essentielle dans divers domaines. Cette thèse explore profondément la TSF, contribuant aux domaines économétriques et de l apprentissage profond. Dans cette thèse, nous avons étudié les méthodes de prédiction économétriques, y compris les modèles ARIMA,...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , |
| Format: | Thèse numérique |
| Langue: | Anglais |
| Publié: |
2023.
|
| Sujets: | |
| Accès en ligne: | Accès au texte intégral https://theses.univ-orleans.fr/public/2023ORLE1016_va.pdf http://www.theses.fr/2023ORLE1016/abes https://theses.hal.science/tel-04313651 |
| Note: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire) Autre(s) contribution(s) : Paul Honeine (Président du jury) ; Meryem Jabloun, Sylvie Treuillet (Membre(s) du jury) ; Romain Tavenard, Karine Bennis-Zeitouni (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Prédiction de séries temporelles :, de l'économétrie à l'apprentissage profond |