Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN

RAMAHEFY Tiana Razefania; RANDRIAMAROSON Rivo Mahandrisoa

Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN

September 2024

Vol-10, Issue-5

Paper ID: 24954

ISSN: 2395-4396

Downloads: 0

Abstract & Details

Research Area

Intelligence artificiel, Informatique

Keywords

Apprentissage automatique données déséquilibrées formule Itô k-proches voisins LSTM

Abstract

Les données météorologiques sont souvent déséquilibrées en raison de la rareté de certains événements extrêmes comme les tempêtes, les sécheresses. L'apprentissage sur de telles données nécessite des techniques spécifiques pour éviter le biais et améliorer les performances du modèle. Le but de cet article est d’utiliser de données équilibrées avant de prédire les variables météorologiques via des méthode classique LSTM ou GCM pour optimiser la prévision météorologique. Cette méthode est basée de la modélisation de la formule d’Itô combinée avec la méthode de k-proches voisins ou K-NN.

License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Author Information

#	Name	Institute / Affiliation
1	RAMAHEFY Tiana Razefania	Université du Vakinankaratra, Madagascar
2	RANDRIAMAROSON Rivo Mahandrisoa	Univesrité Antananarivo

How to Cite

Use the following formats to cite this article in your research.

APA Style

Razefania, RAMAHEFY Tiana & Mahandrisoa, RANDRIAMAROSON Rivo (2024). Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN. International Journal of Advance Research and Innovative Ideas In Education, 10(5), 399-406.

MLA Style

Razefania, RAMAHEFY Tiana, and RANDRIAMAROSON Rivo Mahandrisoa. "Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN." International Journal of Advance Research and Innovative Ideas In Education, vol. 10, no. 5, 2024, pp. 399-406.

IEEE Style

RAMAHEFY Tiana Razefania and RANDRIAMAROSON Rivo Mahandrisoa, "Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN," International Journal of Advance Research and Innovative Ideas In Education, vol. 10, no. 5, pp. 399-406, 2024.

Vancouver Style

Razefania RAMAHEFY Tiana, Mahandrisoa RANDRIAMAROSON Rivo. Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN. International Journal of Advance Research and Innovative Ideas In Education. 2024;10(5):399-406.

Harvard Style

Razefania, RAMAHEFY Tiana & Mahandrisoa, RANDRIAMAROSON Rivo (2024) 'Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN', International Journal of Advance Research and Innovative Ideas In Education, 10(5), pp. 399-406.

Chicago Style

Razefania, RAMAHEFY Tiana and RANDRIAMAROSON Rivo Mahandrisoa. "Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN." International Journal of Advance Research and Innovative Ideas In Education 10, no. 5 (2024): 399-406.

Turabian Style

Razefania, RAMAHEFY Tiana and RANDRIAMAROSON Rivo Mahandrisoa. "Optimisation de l’apprentissage des données météorologique déséquilibrées basé sur la modélisation du formule d’Itô et le k-NN." International Journal of Advance Research and Innovative Ideas In Education 10, no. 5 (2024): 399-406.