Modèle à processus latent et algorithme EM pour la régression non linéaire

Résumé. Cet article propose une méthode de régression non linéaire qui s’appuie sur un modèle intégrant un processus latent qui permet d’activer préférentiellement, et de manière souple, des sous-modèles de régression polynomiaux. Les paramètres du modèle sont estimés par la méthode du maximum de vraisemblance mise en œuvre par un algorithme EM dédié. Une étude expérimentale menée sur des données simulées et des données réelles met en évidence de bonnes performances de l’approche proposée.