Salut

si tu na pas d informations sur ta fonction les techniques RKHS et autres me semblent les plus puissantes. Mais, en general, les kernels sont
- des polynomes
- des gaussiennes
Bref pas tres periodiques.

Je suppose qu il existe des techniques specialisees pour ce cas. As tu des infos sur la periode ? ou sur le nombre d'harmoniques ?
Si oui, ca peut aider (cf la premiere technique avec les Theta). Par contre, tu vas tomber sur un probleme de moindres carres pas tres lineaires ni facilement exprimable avec des kernels...
Si tu n a pas d info, je pense qu on peut quand meme appliquer ce que j ai t ai dit: regarde sur google periodic function regression, j ai trouve quelques papiers utils

- Wang Y, Ke C, Brown MB. Shape invariant modeling of circadian rhythms with random effects and smoothing spline ANOVA decompositions. Biometrics 2003; 59(4):804-812.
Avec un joli kernel dedie au fonction periodique que tu peux utiliser directement avec ce que je t ai dit

- Spline-based nonparametric regression for periodic functions and its application to directional tuning of neurons.
Les splines sont des fonctions utilises en approximation de fonctions. C est une maniere cachee de faire des RKHS

- j ai vu une presentation avec des periodic gaussian kernel, tu peux regarder par la.

bon courage ++