A partir de cette page vous pouvez :
author
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Lydia Mohand Kaci |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesCommande par backstepping d’un réseau électrique multi-machines / Lydia Mohand Kaci (2019)
Titre : Commande par backstepping d’un réseau électrique multi-machines Type de document : theses et memoires Auteurs : Lydia Mohand Kaci ; Bouali Fatma ; Nadia Djeghali, Directeur de thèse Editeur : TIZI-OUZOU : FGEI.UMMTO Année de publication : 2019 Importance : 64 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr Langues : Français Mots-clés : Backstepping Réseau électrique Loi de commande Machine synchrone Lyapunov Système non linéaire. Résumé : Beaucoup de progrès ont été faits dans le domaine de la commande des systèmes non linéaires. La technique du backstepping fait partie de ces nouvelles percées dans ce domaine. Elle est basée sur la décomposition du système entier à commander, en une cascade de sous-systèmes du premier ordre. L'arrivée de la commande par backstepping a donné un nouveau souffle à la commande des systèmes non linéaires. Cette technique est une méthode systématique et récursive de synthèse de lois de commande non linéaires qui utilise le principe de stabilité de Lyapunov et qui peut s'appliquer à un grand nombre de systèmes non-linéaires. En ligne : D:\CD THESES 2019\MAST.AUTO\MOHAND KACI LYDIA; BOUALI FATMA.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=34312 Commande par backstepping d’un réseau électrique multi-machines [theses et memoires] / Lydia Mohand Kaci ; Bouali Fatma ; Nadia Djeghali, Directeur de thèse . - TIZI-OUZOU (TIZI-OUZOU) : FGEI.UMMTO, 2019 . - 64 p. : ill. ; 30 cm.
Bibliogr
Langues : Français
Mots-clés : Backstepping Réseau électrique Loi de commande Machine synchrone Lyapunov Système non linéaire. Résumé : Beaucoup de progrès ont été faits dans le domaine de la commande des systèmes non linéaires. La technique du backstepping fait partie de ces nouvelles percées dans ce domaine. Elle est basée sur la décomposition du système entier à commander, en une cascade de sous-systèmes du premier ordre. L'arrivée de la commande par backstepping a donné un nouveau souffle à la commande des systèmes non linéaires. Cette technique est une méthode systématique et récursive de synthèse de lois de commande non linéaires qui utilise le principe de stabilité de Lyapunov et qui peut s'appliquer à un grand nombre de systèmes non-linéaires. En ligne : D:\CD THESES 2019\MAST.AUTO\MOHAND KACI LYDIA; BOUALI FATMA.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=34312 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.32-19/1 MAST.AUTO.32-19 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Les abonnés qui ont emprunté ce document ont également emprunté :
Analyse des systèmes non linéaires Lamnabhi-Lagarrigue, Françoise Nonlinear dynamics and chaotic phenomena Shivamoggi, Bhimsen K. Introduction à l'analyse et à la commande des systèmes non linéaires Müllhaupt, Philippe Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Détection d’objets par les réseaux de neurones profonds (Deep Learning) en utilisant le PFH (Point Feature Histograms) Type de document : theses et memoires Auteurs : Lydia Mohand Kaci ; Ghena Ourida ; Takfarinas Chelli, Directeur de thèse Editeur : Tizi-Ouzou : U.M.M.T.O Année de publication : 2021 Importance : 50 p. Présentation : ill. Format : 24cm. Note générale : Bibliog Langues : Français Mots-clés : Apprentissage en profondeur Vision par ordinateur Détection d'objets Suivi et la reconnaissance d'objet Machine learning Réseaux de neurones Résumé : Aujourd'hui, en raison du développement continu des capacités informatiques et de la grande disponibilité des données, l'apprentissage en profondeur est utilisé dans de nombreux domaines, en particulier la vision par ordinateur. Grâce aux algorithmes d'apprentissage profond, le domaine de la détection d'objets, comme l'une des applications de vision par ordinateur, a connu une révolution complète.
La détection d'objet est un domaine très vaste et très important dans la recherche, parce que les recherches actuelles visent à crée des systèmes qui se rapproches des compétences de l'être humain dans la perception et le suivi et la reconnaissance d'objet.
La détection d'objet elle est parmi les applications pratiques les plus intéressantes dans la vie courante.
Dans la carde de ce mémoire, nous avons présentez la détection d'objets par un réseau de neurone profond.En ligne : D:\CD THESES 2021\MAST ELN\MOHAND KACI LYDIA; GHENA OURIDA.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=36473 Détection d’objets par les réseaux de neurones profonds (Deep Learning) en utilisant le PFH (Point Feature Histograms) [theses et memoires] / Lydia Mohand Kaci ; Ghena Ourida ; Takfarinas Chelli, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : U.M.M.T.O, 2021 . - 50 p. : ill. ; 24cm.
Bibliog
Langues : Français
Mots-clés : Apprentissage en profondeur Vision par ordinateur Détection d'objets Suivi et la reconnaissance d'objet Machine learning Réseaux de neurones Résumé : Aujourd'hui, en raison du développement continu des capacités informatiques et de la grande disponibilité des données, l'apprentissage en profondeur est utilisé dans de nombreux domaines, en particulier la vision par ordinateur. Grâce aux algorithmes d'apprentissage profond, le domaine de la détection d'objets, comme l'une des applications de vision par ordinateur, a connu une révolution complète.
La détection d'objet est un domaine très vaste et très important dans la recherche, parce que les recherches actuelles visent à crée des systèmes qui se rapproches des compétences de l'être humain dans la perception et le suivi et la reconnaissance d'objet.
La détection d'objet elle est parmi les applications pratiques les plus intéressantes dans la vie courante.
Dans la carde de ce mémoire, nous avons présentez la détection d'objets par un réseau de neurone profond.En ligne : D:\CD THESES 2021\MAST ELN\MOHAND KACI LYDIA; GHENA OURIDA.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=36473 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.ELN.123-21/1 MAST.ELN.123-21 Mémoires Magasin de Thèses et Mémoires / FGE Master en Electronique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
