|
Objectif
|
Acquérir les fondements théoriques de la détection et de l'estimation statistique décentralisée. Comprendre les algorithmes de base utilisés pour la recherche de consensus dans un réseau de capteur et leur utilisation dans le cadre de l'estimation, de la détection, de l'optimisation et du filtrage décentralisés. Apprendre à mettre en oeuvre ces algorithmes dans des cas simples.
|
 |
|
Contenu
|
Introduction
* Présentation et classification des problèmes liés aux traitements statistiques décentralisés dans les réseaux de capteurs : estimation, détection, optimisation, poursuite, filtrage, mobilité coordonnée, localisation
* Modèles de réseaux synchrones et asynchrones. Notions élémentaires de théorie des graphes Algorithmes de consensus
* Présentation d'un exemple simple : calcul décentralisé de la moyenne des températures enregistrées par des capteurs thermiques
* Présentation et étude d'algorithmes : broadcast gossip, pairwise gossip, geographical gossip
* Notions de convergence en consensus et de temps de convergence Eléments de théorie de l'estimation et de la détection
* Maximum de vraisemblance, erreur quadratique moyenne, borne de Cramér
-Rao
* Test d'hypothèses, lemme de Neyman
-Pearson, courbe ROC Estimation
-détection décentralisées
* Estimateur du maximum de vraisemblance, test du rapport de vraisemblance
* Estimation récursive et algorithmes d'approximation stochastique décentralisés Illustrations
* Mise en oeuvre et test d'algorithmes sur des exemples simulés Travaux pratiques, études de cas, démonstrations Synthèse et conclusion
|
|
|
Niveau requis
|
Bonnes connaissances dans le domaine des mathématiques (probabilités et statistique, optimisation, calcul matriciel). Connaissances de base en programmation informatique.
|
|
|
Coût
|
1060 euros (Restauration comprise)
|
|
|
Durée de la formation
|
2 jours
|
|
|
