MAADISON - Modèles par apprentissage automatisés pour la surveillance des ouvrages névralgiques | FEREC 2020

32 La seconde approche proposée vise à simplifier les étapes de traitement des résidus, en abordant les résidus comme un problème multivarié. Les résidus sont ainsi directement combinés, et l’algorithme se passe de choix arbitrai res pour la combinaison des résultats. L’intégration opérationnelle a été réalisée à l’aide de Python, à l’aide des librairies sklearn et pandas. L’application de l’approche de détection de points de changement par maximum de vraisemblance pénalisé a fait l’objet d’une publication à la conférence scientifique internationale Eurostruct 2021 (Manzini et al. [2021]) intitulée « An automated machine learning-based approach for structural novelty detection based on SHM ».