No description available.

Conventional time series analysis depends heavily on the twin assumptions of linearity and stationarity. However; there are certain cases where sampled data tend to violate the assumptions. In this paper, we use neural networks technology to explore the situation when the assumptions of linearity and stationarity are failed. At the end of the paper, we discuss an illustrative example about the annual expenditures of government and science-education-culture of R.O.C.

Approved for public release; distribution is unlimited / This thesis presents a statistical analysis of the monthly rainfall for the Monterey Peninsula and the Carmel Valley in Central California. The analysis begins with the simple first-order autoregressive Markov model, which is found to be weak. Next, 2X2 contingency tables are used to identify predictors, one of which is found to be January rainfall. Finally, logistic analysis is used to quantify the predictive ability of January. This paper attempts to analyze rainfall time series in the statistical sense. No attempt is made to provide a physical explanation of the findings from the point of view of a meteorologist. / http://archive.org/details/statisticalanaly00davi / Captain, United States Army

In some situations we cannot observe the original time series and instead, we record only binary data which express whether the values of the original series exceeded a certain threshold or not. The thesis deals with estimation of characteristics of the original series constructed from the binary (so called clipped or hard-limited) data, in particular in Gaussian ARMA models. We summarize some basic characteristics of the clipped series and describe their relation to the original ones. Some practical examples are provided as well. The estimation of parameters in AR(p) model is shown for the case of zero threshold. Using a similar approach, an estimator of the MA(1) model parameter is proposed and its properties are studied with emphasis on asymptotic variance. Subsequently, we propose an estimation procedure for AR(p) and MA(1) models with unknown (non-zero) threshold. The behaviour of our estimators is investigated in a simulation study, which provides a comparison with estimators constructed from the original data. Finally, a real data analysis is presented for an illustration. Powered by TCPDF (www.tcpdf.org)

Most of the time series are constructed by some kind of aggregation and temporal aggregation that can be defined as aggregation over consecutive time periods. Temporal aggregation takes an important role in time series analysis since the choice of time unit clearly influences the type of model and forecast results. A totally different time series model can be fitted on the same variable over different time periods. In this thesis, the effect of temporal aggregation on univariate time series models is studied by considering modeling and forecasting procedure via a simulation study and an application based on a southern oscillation data set. Simulation study shows how the model, mean square forecast error and estimated parameters change when temporally aggregated data is used for different orders of aggregation and sample sizes. Furthermore, the effect of temporal aggregation is also demonstrated through southern oscillation data set for different orders of aggregation. It is observed that the effect of temporal aggregation should be taken into account for data analysis since temporal aggregation can give rise to misleading results and inferences.

Various models, such as ARMA and GARCH, are used in the financial time series framework. The purpose of this thesis is to present an alternative for these models which are bilinear time series models. First chapter is theore- tical, there is a short introduction to the theory of time series and ARMA models. Second chapter focuses on theoretical aspects of the simple bilinear model, third chapter presents the theory for general bilinear model in the similiar fashion as for simple model. Last chapter is focused on practical aspects, it contains simulations and examines the properties of estimates based on the presented theory, final part is devoted to the comparison of properties of ARMA models and bilinear models for selected financial data. 1

En France, en Europe et dans le monde entier, le vieillissement de la population est une réalité. Une partie de cette population âgée est dite dépendante car elle n’est plus en mesure d’assumer seule les tâches de la vie quotidienne. L’enjeu sociétal est alors de garantir un niveau de bien-être et de sécurité à ces personnes, compatible avec l’évolution du niveau de vie et des usages et habitudes ‘modernes’. Très logiquement, les domaines de recherche liés à la problématique des personnes âgées à domicile font preuve d’un grand dynamisme, alors que la maison de retraite, qui reste la solution pour la grande dépendance, a été un peu délaissée. Néanmoins, la pénurie de personnel conjuguée à l’augmentation des coûts et des exigences des résidents offre une opportunité à des solutions innovantes basées sur les TIC. Les travaux de cette thèse de doctorat sous convention CIFRE se sont déroulés dans ce contexte au sein de l’équipe de recherche de Legrand et du département d’Electronique et Physique de Télécom SudParis à Evry. Le sujet concerne la conception d’un nouveau capteur (non-porté) intégrant l’installation électrique du lieu de vie du patient ainsi que la fusion avec d’autres capteurs de l’infrastructure afin de suivre l’activité du résident et, le cas échéant, soit signaler en temps réel des situations nécessitant le recours d’un aidant, soit identifier des dérives lentes dont l’interprétation sera du ressort du personnel médical. Les travaux de la thèse ont été en partie intégrés au projet FUI14 « E-monitor’âge » dont l’objectif est précisément la « supervision » des résidents. Ce mémoire est structuré de manière à présenter l’historique de ces travaux et la démarche opérée pour leur réalisation. Nous introduisons le contexte et les besoins identifiés pour le suivi des personnes âgées dans les maisons de retraites. Nous faisons un point sur les systèmes de supervision/monitoring existants et nous présentons les méthodes et les techniques de détection de situations d’urgence. Nous terminons cette partie du mémoire (chapitre 1) par la spécification du problème majeur rencontré par ces systèmes de supervision qui est celui de la détection de présence d’une personne. En s’appuyant sur la technologie des capteurs pyro-électriques, la partie suivante propose une solution originale de traitement de signal pour la détection d’une présence humaine dans une chambre voire la détection de présence de plusieurs personnes à la fois (chapitre 2). Le chapitre 3 introduit ensuite un capteur thermique à base de thermopiles afin de détecter la présence d’une personne dans son lit, ce que ne permet pas la technologie pyro-électrique qui ne détecte pas un corps chaud immobile. Dans cette partie nous limitons l’utilisation de ce capteur à la détection de la présence de la personne dans son lit (chapitre 4) voire à l’estimation de la qualité de son sommeil qui constitue d’une part l’originalité de nos travaux s’appuyant sur des approches de classification non-supervisée, et qui ouvre des perspectives encourageantes quant à l’utilisation de ce capteur pour caractériser relativement finement le type de sommeil d’autre part (chapitre 5) / In France, in Europe and worldwide, the aging population is a reality. Some of these elderly people lose their autonomy as they are no longer able to manage alone the tasks of daily life. The societal issue is therefore to ensure a level of well-being and safety of these persons, consistent with changes in living standards, customs and modern habits. The research areas related to the problems of elderly people at home are showing great dynamism, while the nursing home, which remains the solution for cases of high dependence, is somewhat neglected. Nevertheless, staff shortages combined with rising costs and residents’ demands offer an opportunity for innovative ICT-based solutions. The work presented here was performed, in the context of a CIFRE doctoral thesis, within the Legrand research team and at the physics and electronics department of Mines-Telecom SudParis at Evry. The subject and project aim was twofold: firstly, designing a new sensor which will be incorporated in the electrical installation of the patient’s living space, and secondly, a multi-sensor merger to monitor the activity of the resident in order to enable real-time reporting of situations requiring the caregiver’s intervention or to detect slow drifts whose interpretation will be the responsibility of the medical staff. The work carried out for the purpose of this thesis has been included partially in the FUI 14 project whose propose is precisely the “supervision of residents in the nursing home”. The present paper is structured in such a way as to introduce the background of the work and the approach taken to perform it. The context and needs identified for monitoring of nursing home residents are also introduced. We begin by describing existing monitoring systems and the technical methods used to detect emergency situations. We end the first part (chapter 1) of this paper by specifying the major problem encountered when testing existing monitoring systems based on ambient sensors: namely how to detect the presence of an immobile and silent person in the room. Using an existing pyro-electric infrared sensors network installation in a nursing home, the next section proposes an original solution for detecting human presence in a room and also for differentiating between the presence of one and the presence of more than one person (chapter 2). Chapter 3 presents a new sensor integrated into the electrical installation of the patient’s living space. Here, we introduce a thermopile based thermal sensor in order to detect the presence of a person in his/her living space. In this work we restrict the use of this sensor to detecting the presence of the person in bed (chapter 4). The estimation of sleep quality which represents the original dimension of our work is presented in chapter 5. Differentiation between different phases of sleep is based on unsupervised classification approaches. Our project opens up encouraging prospects for the use of this type of sensor for relatively fine characterization of different kinds of sleep

QC 20100601

Αντικείμενο της διπλωματικής εργασίας είναι η εφαρμογή Εξελικτικών Μεθόδων, βασισμένων, στους Γενετικούς Αλγόριθμους, στο πρόβλημα της επιλογής της τάξης και της αναγνώρισης των παραμέτρων γραμμικών συστημάτων και ειδικότερα Αυτοανάδρομων Κινούμενου Μέσου όρου Διαδικασιών ARMA (Autoregressive Moving Average Processes). Οι Γενετικοί Αλγόριθμοι είναι αλγόριθμοι αναζήτησης που βασίζονται στις αρχές της εξέλιξης που παρατηρούνται στη φύση και γίνονται όλο και περισσότερο γνωστοί χάριν της ικανότητά τους να λύνουν δύσκολα προβλήματα. Οι ΓΑ χαρακτηρίζονται από την απλότητα και την κομψότητά τους ως ‘γεροί’ αλγόριθμοι αναζήτησης, καθώς επίσης και από τη ικανότητά τους να ανακαλύπτουν γρήγορα τις καλές λύσεις δύσκολων και κυρίως μεγάλης διάστασης προβλημάτων. Το θεμελιώδες πρόβλημα της επιλογής της τάξης και της αναγνώρισης των παραμέτρων ενός μοντέλου, έχει αντιμετωπιστεί με επιτυχία με τη χρήση της θεωρίας Διαμερισμού Πολλών Μοντέλων (Multi Model Partitioning -MMP) του Λαϊνιώτη. Βασισμένη στην εκ των υστέρων επιλογή του συνόλου των υποψηφίων μοντέλων, η μέθοδος αυτή δίνει βέλτιστες λύσεις - ή σχεδόν βέλτιστες, όταν η πραγματική τάξη του μοντέλου δεν ανήκει στον αρχικό πληθυσμό των υποψηφίων μοντέλων. Το μειονέκτημα της εξάρτησης από την εκ των υστέρων επιλογή των υποψηφίων μοντέλων μπορεί να αντιμετωπιστεί με τη χρήση τεχνικών φυσικής επιλογής, όπως οι Γενετικοί Αλγόριθμοι, οι οποίοι αποτελούν μία από τις πιο γνωστές και αποτελεσματικές μεθόδους αναζήτησης και βελτιστοποίησης. Η εξελικτική μέθοδος, που παρουσιάζεται στην εργασία αυτή, συνδυάζει την αποτελεσματικότητα της MMP θεωρίας με την ευρωστία των Γενετικών Αλγορίθμων με σκοπό τη δημιουργία μίας νέας γενιάς πολυδιάστατων φίλτρων διαμερισμού. Η δομή των φίλτρων αυτών μεταβάλλεται διαρκώς για να ταιριάζει κάθε φορά με ένα δεδομένο σύνολο μοντέλων, τα οποία προσδιορίζονται δυναμικά και on-line με τη χρήση ενός κατάλληλα σχεδιασμένου ΓΑ. Παρά του ότι η κωδικοποίηση των παραμέτρων είναι σύνθετη, τα πειραματικά αποτελέσματα έδειξαν ότι ο προτεινόμενος αλγόριθμος επιτυγχάνει καλύτερα αποτελέσματα, σε σύγκριση με τους συμβατικούς αλγορίθμους αναγνώρισης συστήματος, αφού έχει τη δυνατότητα να εξερευνά ολόκληρο το χώρο τιμών των παραμέτρων. Επιπλέον, η εξέλιξη του αρχικού πληθυσμού καταλήγει σε εύρεση της πραγματικής τάξης του μοντέλου του συστήματος ακόμα και στην περίπτωση όπου η πραγματική τάξη δεν ανήκει στην τράπεζα μοντέλων του αρχικού πληθυσμού. Η υλοποίηση του αλγόριθμου έγινε σε παράλληλο περιβάλλον, αφού τόσο το Multi Model Adaptive Filter (MMAF) όσο και οι Γενετικοί Αλγόριθμοι είναι από τη φύση τους παράλληλα δομημένοι, οδηγώντας έτσι στη βελτίωση της ταχύτητας του αλγορίθμου. Με σκοπό να επιτευχθεί επιπλέον βελτίωση του αλγορίθμου τόσο ως προς την αύξηση της ταχύτητας του όσο και την ποιότητα της εξέλιξης των πληθυσμών των ΓΑ, έγινε χρήση ενός επιπλέον Γενετικού Αλγορίθμου ο οποίος προσδιόρισε τις τιμές των παραμέτρων των ΓΑ που υλοποιούν την υβριδική εξελικτική μέθοδο. Ο Μετά-Γενετικός αλγόριθμος προσδιόρισε το Μέγεθος του Πληθυσμού, την Πιθανότητα Μετάλλαξης και Διασταύρωσης των παράλληλων ΓΑ. Από τα πειραματικά αποτελέσματα που προέκυψαν μπορεί κάποιος εύκολα να καταλήξει στο συμπέρασμα ότι ο ΜΓΑ καταφέρνει να επιλέξει τις βέλτιστες τιμές για τις βασικές γενετικές παραμέτρους με αποτέλεσμα η όλη διαδικασία να μπορεί να αυτοματοποιηθεί και να είναι πλήρως προσαρμόσιμη σε οποιαδήποτε αλλαγή συμβεί στο περιβάλλον εφαρμογής του ΜΓΑ. / -

The aim of this work was to present the issue of neural network, which is still, despite the fact it exist and has been applied for several years, remains quite unknown for a considerably big part of public and academical environment. The aim of the practical part was to verify via practical application if neural network are truly a better instrument of statistical analysis, than the commonly used ones, especially when the goal is to analyze and describe complex processes and relationships between them. Further aim of the work was to investigate and describe the relationships between the development of trading volumes of Apple shares and the shares of competitive companies regarding the market of smart phones such as Google, HTC, Nokia, Samsung using neural network models. The attainment of these goals was realized through a rather extensive description of neural networks theory as well as the presentation of valuable theoretical tools for avoiding the frequent barriers occurring during the practical implementation. This practical application was realized via software called R, which has widely spread lately due to its availability and a vast range of flexibility, which is provided to users. The value of this work is familiarization and the creation of an integrated knowledge within readers about the issue of neural networks and the deliverance of a proof, that neural networks are indeed a better tool compared to the commonly used ones (ARMA models, linear regression). The author of the work gained a lot of useful knowledge about neural networks, learned how to use them in practice especially in the environment of R software, by which he shifted his proficiency with the current software to a whole new level.