Estimation des paramètres de la distribution pareto par approche neuronale.

Abstract

Le terme RADAR signifie la détection automatique et la localisation à distance d’une cible dans l'espace à partir d'un signal rétrodiffusé (écho). Ceci est une tâche délicate qui doit se faire sous divers conditions et environnements, ce qui la rend difficile et complexe. La diversité des environnements dans lesquels opère le RADAR est source principale des différents bruits et échos indésirable appelés « fouillis » qui viennent s’ajouter au signal de cible. Notre travail consiste en une estimation du paramètre de forme de la distribution Pareto par la méthode FNN qui combine entre les réseaux de neurones artificiel (ANN) et la logique floue. Nous avons donc utilisé l’algorithme de rétropropagation BP pour l’apprentissage et les fonctions de moments supérieurs HOME et fractionnaires FOME comme entré du réseau. On peut conclure que l’utilisation des couples d’entrés des moments supérieurs HOME (μ1, μ2) et des moments fractionnaires (𝛼0.1,𝛼0.01) donne de bonnes performances d’estimation du paramètre de la distribution.