A partir de cette page vous pouvez :
author
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Ouiza Nait Belaid
Commentaire :
ép. AIT HAMADOUCHE
|
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesApprentissage des systèmes multi-agents / Ouiza Nait Belaid (2011)
Titre : Apprentissage des systèmes multi-agents Type de document : theses et memoires Auteurs : Ouiza Nait Belaid ; Moussa Diaf, Directeur de thèse Editeur : Tizi Ouzou : UMMTO.FGEI Année de publication : 2011 Importance : 76 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Système multi-agent Apprentissage Q-Learning Problème Résumé : Résumé- Un Système Multi-Agent qui est l’un des aspects de l’Intelligence Artificielle Distribuée, constitue un
moyen intéressant pour modéliser des comportements de groupes dans différents domaines d’applications allant de
l’industrie jusqu’aux sciences humaines et ce, à l’aide d’un ensemble d’agents intelligents fonctionnant en commun
et dotés de capacités de perception et d’actions sur l’environnement. Les SMA évoluent généralement dans des
environnements complexes autrement dit, larges, ouverts, dynamiques et non prévisibles. Pour de tels
environnements, il est très difficile et parfois impossible de définir correctement et complètement les systèmes a
priori, c’est-à -dire, lors de la phase de conception, bien avant leur utilisation car, ceci exigerait de connaître Ã
l’avance toutes les conditions environnementales qui vont survenir dans le futur, quels agents seront disponibles à ce
moment et comment les agents disponibles devront réagir et interagir en réponse à ces conditions. Une manière de
gérer ces difficultés est de donner à chaque agent l’habileté d’améliorer ses propres performances, ainsi que celles
du groupe auquel il appartient et cela est réalisé en utilisant des algorithmes d’apprentissage qui dépendent des
connaissances dont dispose le concepteur sur le domaine. Le travail traité dans ce mémoire traite de
l’apprentissage des systèmes multi-agents en vue de prendre des décisions diverses selon la situation rencontrée.
L’application choisie dans le cadre de ce mémoire relève du problème de tournée de véhicules impliquant, de ce fait,
une optimisation en termes de temps de distance et d’économie. Il s’agit, en effet, de transmettre un flux entre des
agences avec le minimum de véhicules sans violation d’aucune contrainte. Le problème est décomposé en sous-
problèmes où différents agents coopèrent, collaborent, communiquent et apprennent en vue de prendre une décision
en se servant de l’apprentissage. Pour cet apprentissage, le Q-Learning, a permis de trouver les meilleurs Hubs Ã
insérer dans les itinéraires d’un véhicule allant d’une ville de départ pour servir une destination donnée en respectant
les contraintes. La réalisation de ce travail a été effectuée en JAVA en utilisant la plateforme MADKIT.
Mots clés : Systèmes multi-agents, apprentissage, Q-learning, tournées de véhicules avec fenêtres de temps.En ligne : https://dl.ummto.dz/bitstream/handle/ummto/653/NAITBELAID-OUIZA.pdf?sequence=1&i [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=24784 Apprentissage des systèmes multi-agents [theses et memoires] / Ouiza Nait Belaid ; Moussa Diaf, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : UMMTO.FGEI, 2011 . - 76 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Système multi-agent Apprentissage Q-Learning Problème Résumé : Résumé- Un Système Multi-Agent qui est l’un des aspects de l’Intelligence Artificielle Distribuée, constitue un
moyen intéressant pour modéliser des comportements de groupes dans différents domaines d’applications allant de
l’industrie jusqu’aux sciences humaines et ce, à l’aide d’un ensemble d’agents intelligents fonctionnant en commun
et dotés de capacités de perception et d’actions sur l’environnement. Les SMA évoluent généralement dans des
environnements complexes autrement dit, larges, ouverts, dynamiques et non prévisibles. Pour de tels
environnements, il est très difficile et parfois impossible de définir correctement et complètement les systèmes a
priori, c’est-à -dire, lors de la phase de conception, bien avant leur utilisation car, ceci exigerait de connaître Ã
l’avance toutes les conditions environnementales qui vont survenir dans le futur, quels agents seront disponibles à ce
moment et comment les agents disponibles devront réagir et interagir en réponse à ces conditions. Une manière de
gérer ces difficultés est de donner à chaque agent l’habileté d’améliorer ses propres performances, ainsi que celles
du groupe auquel il appartient et cela est réalisé en utilisant des algorithmes d’apprentissage qui dépendent des
connaissances dont dispose le concepteur sur le domaine. Le travail traité dans ce mémoire traite de
l’apprentissage des systèmes multi-agents en vue de prendre des décisions diverses selon la situation rencontrée.
L’application choisie dans le cadre de ce mémoire relève du problème de tournée de véhicules impliquant, de ce fait,
une optimisation en termes de temps de distance et d’économie. Il s’agit, en effet, de transmettre un flux entre des
agences avec le minimum de véhicules sans violation d’aucune contrainte. Le problème est décomposé en sous-
problèmes où différents agents coopèrent, collaborent, communiquent et apprennent en vue de prendre une décision
en se servant de l’apprentissage. Pour cet apprentissage, le Q-Learning, a permis de trouver les meilleurs Hubs Ã
insérer dans les itinéraires d’un véhicule allant d’une ville de départ pour servir une destination donnée en respectant
les contraintes. La réalisation de ce travail a été effectuée en JAVA en utilisant la plateforme MADKIT.
Mots clés : Systèmes multi-agents, apprentissage, Q-learning, tournées de véhicules avec fenêtres de temps.En ligne : https://dl.ummto.dz/bitstream/handle/ummto/653/NAITBELAID-OUIZA.pdf?sequence=1&i [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=24784 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAG.AUTO.32-11/2 MAG.AUTO.32-11 Mémoires Magasin de Thèses et Mémoires / FGE Magister en Automatique Disponible MAG.AUTO.32-11/1 MAG.AUTO.32-11 Mémoires Magasin de Thèses et Mémoires / FGE Magister en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Classification par FCM en analysant la texture et la forme .application aux images médicales Type de document : theses et memoires Auteurs : Amar Bengana ; Ouiza Nait Belaid, Directeur de thèse Editeur : Tizi Ouzou : UMMTO.FGEI Année de publication : 2014 Importance : 52 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Classification FCM Texture Forme, matrice de cooccurrence Filtre de Gabor Décomposition en ondelettes. Moments invariants de hu. Résumé : Résumé
Le travail traité dans ce mémoire, s’inscrit dans le domaine médicale plus précisément
l’aide au diagnostique.
Notre objectif est de classifier l’es images IRM cérébrales en deux classes saines et
Pathologiques a l’aide d’un algorithme de classification le FCM , pour cela nous avons
utilisé deux approches : l’analyse de la forme et de texture pour caractériser les image.
Pour la texture on a choisi de travaillé avec trois méthodes la matrice de cooccurrence, les
filtre de Gabor et la décomposition en ondelettes, et on a utilisé les moments invariants de
hu pour analysé la forme. a l’aide des programme implanté sous matlab on a eu des
résultats qui nous a permet de choisir la meilleur approche qui nous donne de meilleur
performance en taux de classification.En ligne : https://dl.ummto.dz/bitstream/handle/ummto/7726/BenganaAmar.pdf?sequence=1&isAll [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=25407 Classification par FCM en analysant la texture et la forme .application aux images médicales [theses et memoires] / Amar Bengana ; Ouiza Nait Belaid, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : UMMTO.FGEI, 2014 . - 52 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Classification FCM Texture Forme, matrice de cooccurrence Filtre de Gabor Décomposition en ondelettes. Moments invariants de hu. Résumé : Résumé
Le travail traité dans ce mémoire, s’inscrit dans le domaine médicale plus précisément
l’aide au diagnostique.
Notre objectif est de classifier l’es images IRM cérébrales en deux classes saines et
Pathologiques a l’aide d’un algorithme de classification le FCM , pour cela nous avons
utilisé deux approches : l’analyse de la forme et de texture pour caractériser les image.
Pour la texture on a choisi de travaillé avec trois méthodes la matrice de cooccurrence, les
filtre de Gabor et la décomposition en ondelettes, et on a utilisé les moments invariants de
hu pour analysé la forme. a l’aide des programme implanté sous matlab on a eu des
résultats qui nous a permet de choisir la meilleur approche qui nous donne de meilleur
performance en taux de classification.En ligne : https://dl.ummto.dz/bitstream/handle/ummto/7726/BenganaAmar.pdf?sequence=1&isAll [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=25407 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.11-14/2 MAST.AUTO.11-14 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible MAST.AUTO.11-14/1 MAST.AUTO.11-14 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Les abonnés qui ont emprunté ce document ont également emprunté :
Reconstitution de Défauts Complexes avec la Méthode des Réseaux de Neurones. Application pour l’EvaluationNon Destructive. Harouz, Amirouche Segmentation Des Images Couleurs Par les Réseaux de Neurones SOM Rahmouni, Nadia Application de la méthode support vector machines (SVM) pour la reconnaissance des chiffres manuscrits Haliche, Noria Classification par réseaux de neurones Mezaguer, Smail Segmentation d'images couleur par les réseaux de neurones à apprentissage compétitif Hammadi, Amara Technique de seuillage flou d'images Farez, Abderezak Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Classification par réseaux de neurones : Application aux image médicales cérébrales Type de document : theses et memoires Auteurs : Smail Mezaguer, Auteur ; Ouiza Nait Belaid, Directeur de thèse Editeur : Tizi Ouzou : UMMTO.FGEI Année de publication : 2013 Importance : 61 p. Présentation : ill. Format : 29 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Classification Imagerie médicales cérébrales Programmation et algorithmes IRM Image échographie. En ligne : https://dl.ummto.dz/bitstream/handle/ummto/7447/MezaguerSmail.pdf?sequence=1&isA [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=25211 Classification par réseaux de neurones : Application aux image médicales cérébrales [theses et memoires] / Smail Mezaguer, Auteur ; Ouiza Nait Belaid, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : UMMTO.FGEI, 2013 . - 61 p. : ill. ; 29 cm.
Bibliogr.
Langues : Français
Mots-clés : Classification Imagerie médicales cérébrales Programmation et algorithmes IRM Image échographie. En ligne : https://dl.ummto.dz/bitstream/handle/ummto/7447/MezaguerSmail.pdf?sequence=1&isA [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=25211 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.04-13/2 MAST.AUTO.04-13 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible MAST.AUTO.04-13/1 MAST.AUTO.04-13 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Les abonnés qui ont emprunté ce document ont également emprunté :
Algorithmes génétiques et réseaux de neurones Renders, Jean-Michel Réseaux de neurones Dreyfus, Gérard Segmentation Des Images Couleurs Par les Réseaux de Neurones SOM Rahmouni, Nadia Classification par FCM en analysant la texture et la forme .application aux images médicales Bengana, Amar Segmentation d'images médicales basée sur la classification Djoudrez, Kamélia Reconstitution de Défauts Complexes avec la Méthode des Réseaux de Neurones. Application pour l’EvaluationNon Destructive. Harouz, Amirouche Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Classification des tumeurs cérébrales par les réseaux de neurones convolutifs (CNN) Type de document : theses et memoires Auteurs : Wissam Bengana, Auteur ; Leticia Kaddour, Auteur ; Ouiza Nait Belaid, Directeur de thèse Editeur : TIZI-OUZOU : FGEI.UMMTO Année de publication : 2023 Importance : 64 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Tumeur cérébrale IRM Deep learning Classification Transfer learning DenseNet121 VGG19. Résumé : L'objectif de ce projet est d'explorer l'utilisation de l'apprentissage profond, et plus spéci quement des réseaux de neurones convolutifs (CNN), pour classi er trois types de tumeurs cérébrales à partir d'images d'IRM. Trois modèles CNN ont été utilisés pour cette tâche : DenseNet121, VGG19 et un modèle concaténé combinant ces deux architectures. L'objectif principal est de comparer les performances de ces modèles pour la classi cation des tumeurs en utilisant des métriques telles que la précision, le rappel et le F1-score.
L'environnement de développement choisi est Google Colab, une plateforme cloud qui permet d'accéder à des ressources de calcul puissantes, notamment des GPU, essentiels pour l'entraînement e cace des modèles d'apprentissage profond. Le prétraitement des données inclut la normalisation des images et leur redimensionnement à une taille uniforme. Des techniques comme le transfert d'apprentissage et la régularisation par Dropout ont été utilisées pour optimiser les performances des modèles.
En résumé, ce projet vise à classi er avec précision les tumeurs cérébrales à partir d'images d'IRM en utilisant diérentes architectures CNN. Les résultats montrent que le modèle concaténé ore une précision supérieure par rapport aux modèles individuels, démontrant ainsi l'e cacité de la combinaison de plusieurs architectures pour améliorer la performance de classi cation.Diplôme : Master En ligne : https://dspace.ummto.dz/handle/ummto/26869 Permalink : ./index.php?lvl=notice_display&id=37629 Classification des tumeurs cérébrales par les réseaux de neurones convolutifs (CNN) [theses et memoires] / Wissam Bengana, Auteur ; Leticia Kaddour, Auteur ; Ouiza Nait Belaid, Directeur de thèse . - TIZI-OUZOU (TIZI-OUZOU) : FGEI.UMMTO, 2023 . - 64 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Tumeur cérébrale IRM Deep learning Classification Transfer learning DenseNet121 VGG19. Résumé : L'objectif de ce projet est d'explorer l'utilisation de l'apprentissage profond, et plus spéci quement des réseaux de neurones convolutifs (CNN), pour classi er trois types de tumeurs cérébrales à partir d'images d'IRM. Trois modèles CNN ont été utilisés pour cette tâche : DenseNet121, VGG19 et un modèle concaténé combinant ces deux architectures. L'objectif principal est de comparer les performances de ces modèles pour la classi cation des tumeurs en utilisant des métriques telles que la précision, le rappel et le F1-score.
L'environnement de développement choisi est Google Colab, une plateforme cloud qui permet d'accéder à des ressources de calcul puissantes, notamment des GPU, essentiels pour l'entraînement e cace des modèles d'apprentissage profond. Le prétraitement des données inclut la normalisation des images et leur redimensionnement à une taille uniforme. Des techniques comme le transfert d'apprentissage et la régularisation par Dropout ont été utilisées pour optimiser les performances des modèles.
En résumé, ce projet vise à classi er avec précision les tumeurs cérébrales à partir d'images d'IRM en utilisant diérentes architectures CNN. Les résultats montrent que le modèle concaténé ore une précision supérieure par rapport aux modèles individuels, démontrant ainsi l'e cacité de la combinaison de plusieurs architectures pour améliorer la performance de classi cation.Diplôme : Master En ligne : https://dspace.ummto.dz/handle/ummto/26869 Permalink : ./index.php?lvl=notice_display&id=37629 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.37-23/1 MAST.AUTO.37-23 CD Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Deep learning pour la classification des images IRM cérébrales Type de document : theses et memoires Auteurs : Malek Ramdani ; Ouiza Nait Belaid, Directeur de thèse Editeur : Tizi.Ouzou : U.M.M.T.O Année de publication : 2020 Importance : 69 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Tumeur de cerveau Image IRM cérébrale Réseau de neurones convolutifs Deep learning Imagerie médicale Résumé : Cancer du cerveau parmi les types de cancer les plus critiques. Le patient peut avoir plusieurs symptômes dans le corps en fonction de la localisation du cancer dans le cerveau. La détection précoce du cancer peut donner à la personne une nouvelle chance dans sa vie, afin de suivre un traitement efficace pour la sauver. Dans ce travail, une méthode d'apprentissage en profondeur est utilisée. La détection de tumeur dans le cerveau à partir d'images IRM est faite à l'aide d'un traitement sur l'image puis la classification de l’image IRM cérébrale en image saine et pathologique avec les réseaux de neurones convolutionnels. En ligne : D:\CD THESES 2020\MAST.AUTO\RAMDANI MALEK.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=35268 Deep learning pour la classification des images IRM cérébrales [theses et memoires] / Malek Ramdani ; Ouiza Nait Belaid, Directeur de thèse . - Tizi.Ouzou (Tizi.Ouzou) : U.M.M.T.O, 2020 . - 69 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Tumeur de cerveau Image IRM cérébrale Réseau de neurones convolutifs Deep learning Imagerie médicale Résumé : Cancer du cerveau parmi les types de cancer les plus critiques. Le patient peut avoir plusieurs symptômes dans le corps en fonction de la localisation du cancer dans le cerveau. La détection précoce du cancer peut donner à la personne une nouvelle chance dans sa vie, afin de suivre un traitement efficace pour la sauver. Dans ce travail, une méthode d'apprentissage en profondeur est utilisée. La détection de tumeur dans le cerveau à partir d'images IRM est faite à l'aide d'un traitement sur l'image puis la classification de l’image IRM cérébrale en image saine et pathologique avec les réseaux de neurones convolutionnels. En ligne : D:\CD THESES 2020\MAST.AUTO\RAMDANI MALEK.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=35268 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.93-20/1 MAST.AUTO.93-20 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Les abonnés qui ont emprunté ce document ont également emprunté :
Segmentation d’images avec le deep learning Larbi, Nacerdine Classification par réseaux de neurones Mezaguer, Smail Détection d’objets avec Deep Learning Sahraoui, Said Signaux et images sous Matlab Blanchet, Gérard Classification des grains de pollen à base des réseaux de neurones convolutifs Ahmed Saadi, Dihia Introduction au traitement d'images Burel, Gilles Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Permalink
Permalink
Permalink
