@InProceedings{2015_amblard402,
	author = "Pierre-olivier Amblard and Hachem Kadri",
	title = "Algorithme LMS pour la régression à noyau multivariée parcimonieuse",
	booktitle = "25° Colloque sur le traitement du signal et des images",
	year = "2015",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-039",
	pages = "p. 157-160",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_amblard402.pdf",
	abstract = "Cet article s'intéresse à la régression non-linéaire multivariée par des méthodes à noyau. Plus précisément, il s'agit de l'étude de l'algorithme LMS~(least mean square) dans le cas où les sorties du problème de régression sont sous forme vectorielle. Nous développons dans ce contexte une extension de cet algorithme basée sur la généralisation de la théorie des espaces de Hilbert à noyau reproduisant. Dans ce cadre, nous proposons un critère de cohérence permettant de contrôler la parcimonie de l'algorithme et nous illustrons les performances de l'algorithme et les comparons à celles obtenues par l'algorithme LMS à noyau standard. Nos résultats montrent qu'il est possible d'améliorer les performances de régression des signaux à valeurs vectorielles ou fonctionnelles en tenant compte les dépendances pouvant exister entre les différents points du signal observé, tout en gardant un temps de calcul raisonnable..pdf",
}