A partir de cette page vous pouvez :
author
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Sadia Alkama |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesApproche par apprentissage profond pour l’identification de la schizophrénie à partir des signaux EEG / Ibrahim Mezdad
Titre : Approche par apprentissage profond pour l’identification de la schizophrénie à partir des signaux EEG Type de document : theses et memoires Auteurs : Ibrahim Mezdad, Auteur ; Walid Lamani, Auteur ; Sadia Alkama, Directeur de thèse Editeur : Tizi-Ouzou : UMMTO F.G.E.I Importance : 50 p. Présentation : ill. Format : Note générale : Bibliogr. Langues : Français Mots-clés : Schizophrénie EEG Apprentissage profond CNN-1D Intelligence artificielle Classification. Résumé : Ce mémoire présente une approche basée sur l’apprentissage profond pour le diagnostic automatisé de la schizophrénie à partir des signaux EEG (électroencéphalogrammes). Contrairement aux méthodes traditionnelles de diagnostic psychiatrique, souvent subjectives et basées sur des entretiens, cette étude propose une solution informatique capable d’identifier des patients schizophrènes en analysant directement les signaux cérébraux. Les auteurs commencent par une exploration détaillée du fonctionnement du cerveau, des neurones, des maladies neurologiques et de la technologie EEG. Ils exposent ensuite les fondements de l’intelligence artificielle, en particulier du deep learning, et présentent les réseaux de neurones convolutifs (CNN), particulièrement sur leur version unidimensionnelle (CNN-1D), bien adaptée aux signaux temporels comme ceux de l’EEG. Pour tester leur approche, les auteurs utilisent une base de données EEG de 28 sujets, et mettent en Å“uvre un modèle CNN-1D sous Python avec Google Colab. Les résultats expérimentaux montrent que ce modèle permet de classer efficacement les individus en sujets sains ou schizophrènes, avec une précision croissante selon le nombre d’itérations d’apprentissage (epochs). En conclusion, ce travail démontre que les techniques de deep learning peuvent constituer une alternative fiable et rapide pour le diagnostic de troubles psychiatriques comme la schizophrénie. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37900 Approche par apprentissage profond pour l’identification de la schizophrénie à partir des signaux EEG [theses et memoires] / Ibrahim Mezdad, Auteur ; Walid Lamani, Auteur ; Sadia Alkama, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : UMMTO F.G.E.I, [s.d.] . - 50 p. : ill. ; PDF.
Bibliogr.
Langues : Français
Mots-clés : Schizophrénie EEG Apprentissage profond CNN-1D Intelligence artificielle Classification. Résumé : Ce mémoire présente une approche basée sur l’apprentissage profond pour le diagnostic automatisé de la schizophrénie à partir des signaux EEG (électroencéphalogrammes). Contrairement aux méthodes traditionnelles de diagnostic psychiatrique, souvent subjectives et basées sur des entretiens, cette étude propose une solution informatique capable d’identifier des patients schizophrènes en analysant directement les signaux cérébraux. Les auteurs commencent par une exploration détaillée du fonctionnement du cerveau, des neurones, des maladies neurologiques et de la technologie EEG. Ils exposent ensuite les fondements de l’intelligence artificielle, en particulier du deep learning, et présentent les réseaux de neurones convolutifs (CNN), particulièrement sur leur version unidimensionnelle (CNN-1D), bien adaptée aux signaux temporels comme ceux de l’EEG. Pour tester leur approche, les auteurs utilisent une base de données EEG de 28 sujets, et mettent en Å“uvre un modèle CNN-1D sous Python avec Google Colab. Les résultats expérimentaux montrent que ce modèle permet de classer efficacement les individus en sujets sains ou schizophrènes, avec une précision croissante selon le nombre d’itérations d’apprentissage (epochs). En conclusion, ce travail démontre que les techniques de deep learning peuvent constituer une alternative fiable et rapide pour le diagnostic de troubles psychiatriques comme la schizophrénie. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37900 Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Approche par apprentissage profond pour l’identification de la schizophrénie à partir des signaux EEG Type de document : theses et memoires Auteurs : Ibrahim Mezdad, Auteur ; Walid Lamani, Auteur ; Sadia Alkama, Directeur de thèse Editeur : Tizi-Ouzou : UMMTO F.G.E.I Importance : 50 p. Présentation : ill. Format : Note générale : Bibliogr. Langues : Français Mots-clés : Schizophrénie EEG Apprentissage profond CNN-1D Intelligence artificielle Classification. Résumé : Ce mémoire présente une approche basée sur l’apprentissage profond pour le diagnostic automatisé de la schizophrénie à partir des signaux EEG (électroencéphalogrammes). Contrairement aux méthodes traditionnelles de diagnostic psychiatrique, souvent subjectives et basées sur des entretiens, cette étude propose une solution informatique capable d’identifier des patients schizophrènes en analysant directement les signaux cérébraux. Les auteurs commencent par une exploration détaillée du fonctionnement du cerveau, des neurones, des maladies neurologiques et de la technologie EEG. Ils exposent ensuite les fondements de l’intelligence artificielle, en particulier du deep learning, et présentent les réseaux de neurones convolutifs (CNN), particulièrement sur leur version unidimensionnelle (CNN-1D), bien adaptée aux signaux temporels comme ceux de l’EEG. Pour tester leur approche, les auteurs utilisent une base de données EEG de 28 sujets, et mettent en Å“uvre un modèle CNN-1D sous Python avec Google Colab. Les résultats expérimentaux montrent que ce modèle permet de classer efficacement les individus en sujets sains ou schizophrènes, avec une précision croissante selon le nombre d’itérations d’apprentissage (epochs). En conclusion, ce travail démontre que les techniques de deep learning peuvent constituer une alternative fiable et rapide pour le diagnostic de troubles psychiatriques comme la schizophrénie. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37901 Approche par apprentissage profond pour l’identification de la schizophrénie à partir des signaux EEG [theses et memoires] / Ibrahim Mezdad, Auteur ; Walid Lamani, Auteur ; Sadia Alkama, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : UMMTO F.G.E.I, [s.d.] . - 50 p. : ill. ; PDF.
Bibliogr.
Langues : Français
Mots-clés : Schizophrénie EEG Apprentissage profond CNN-1D Intelligence artificielle Classification. Résumé : Ce mémoire présente une approche basée sur l’apprentissage profond pour le diagnostic automatisé de la schizophrénie à partir des signaux EEG (électroencéphalogrammes). Contrairement aux méthodes traditionnelles de diagnostic psychiatrique, souvent subjectives et basées sur des entretiens, cette étude propose une solution informatique capable d’identifier des patients schizophrènes en analysant directement les signaux cérébraux. Les auteurs commencent par une exploration détaillée du fonctionnement du cerveau, des neurones, des maladies neurologiques et de la technologie EEG. Ils exposent ensuite les fondements de l’intelligence artificielle, en particulier du deep learning, et présentent les réseaux de neurones convolutifs (CNN), particulièrement sur leur version unidimensionnelle (CNN-1D), bien adaptée aux signaux temporels comme ceux de l’EEG. Pour tester leur approche, les auteurs utilisent une base de données EEG de 28 sujets, et mettent en Å“uvre un modèle CNN-1D sous Python avec Google Colab. Les résultats expérimentaux montrent que ce modèle permet de classer efficacement les individus en sujets sains ou schizophrènes, avec une précision croissante selon le nombre d’itérations d’apprentissage (epochs). En conclusion, ce travail démontre que les techniques de deep learning peuvent constituer une alternative fiable et rapide pour le diagnostic de troubles psychiatriques comme la schizophrénie. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37901 Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Application de l’apprentissage profond pour la segmentation sémantique en vidéosurveillance Type de document : theses et memoires Auteurs : Youcef Amroun, Auteur ; Amar Bouabba, Auteur ; Sadia Alkama, Directeur de thèse Editeur : TIZI-OUZOU : FGEI.UMMTO Année de publication : 2023 Importance : 52 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Vidéosurveillance Segmentation d'Images Deep Learning Traitement d’images Intelligence artificielle Réseaux de neurones Résumé : Ce mémoire traite de l'application de la vidéosurveillance moderne, en mettant l'accent sur l'importance de l'analyse automatique des flux vidéo pour la sécurité des espaces publics et privés. À travers une exploration approfondie, il souligne comment la segmentation d'images, une technique clé du traitement d'images, permet d'isoler efficacement les objets d'intérêt dans des environnements complexes, facilitant ainsi leur détection et leur suivi. Le document est structuré en trois chapitres principaux :
1. Vidéosurveillance et Traitement d'Images : Ce chapitre introduit les concepts fondamentaux de la vidéosurveillance, définissant son rôle crucial dans la sécurité. Il aborde également les techniques de segmentation d'images et leur application dans la détection d'objets, tout en discutant des défis associés à leur mise en œuvre.
2. Intelligence Artificielle et Deep Learning : Ce chapitre se concentre sur les principes de l'intelligence artificielle et du deep learning, permettant de commenter ces technologies avancées améliorant la précision et l'efficacité des systèmes de vidéosurveillance.
3. Mise en Œuvre, Tests et Résultats : Le dernier chapitre présente les résultats obtenus à partir d'images capturées en temps réel dans un flux vidéo, en analysant les performances des modèles de deep learning utilisés pour la segmentation sémantique.
Le mémoire conclut en soulignant l'importance croissante de la vidéosurveillance intelligente et les perspectives d'amélioration continue dans ce domaine, contribuant ainsi à une meilleure compréhension des enjeux contemporains liés à la sécurité.
Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37727 Application de l’apprentissage profond pour la segmentation sémantique en vidéosurveillance [theses et memoires] / Youcef Amroun, Auteur ; Amar Bouabba, Auteur ; Sadia Alkama, Directeur de thèse . - TIZI-OUZOU (TIZI-OUZOU) : FGEI.UMMTO, 2023 . - 52 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Vidéosurveillance Segmentation d'Images Deep Learning Traitement d’images Intelligence artificielle Réseaux de neurones Résumé : Ce mémoire traite de l'application de la vidéosurveillance moderne, en mettant l'accent sur l'importance de l'analyse automatique des flux vidéo pour la sécurité des espaces publics et privés. À travers une exploration approfondie, il souligne comment la segmentation d'images, une technique clé du traitement d'images, permet d'isoler efficacement les objets d'intérêt dans des environnements complexes, facilitant ainsi leur détection et leur suivi. Le document est structuré en trois chapitres principaux :
1. Vidéosurveillance et Traitement d'Images : Ce chapitre introduit les concepts fondamentaux de la vidéosurveillance, définissant son rôle crucial dans la sécurité. Il aborde également les techniques de segmentation d'images et leur application dans la détection d'objets, tout en discutant des défis associés à leur mise en œuvre.
2. Intelligence Artificielle et Deep Learning : Ce chapitre se concentre sur les principes de l'intelligence artificielle et du deep learning, permettant de commenter ces technologies avancées améliorant la précision et l'efficacité des systèmes de vidéosurveillance.
3. Mise en Œuvre, Tests et Résultats : Le dernier chapitre présente les résultats obtenus à partir d'images capturées en temps réel dans un flux vidéo, en analysant les performances des modèles de deep learning utilisés pour la segmentation sémantique.
Le mémoire conclut en soulignant l'importance croissante de la vidéosurveillance intelligente et les perspectives d'amélioration continue dans ce domaine, contribuant ainsi à une meilleure compréhension des enjeux contemporains liés à la sécurité.
Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37727 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.57-23/1 MAST.AUTO.57-23 CD Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Approche par apprentissage profond pour l’identification de la schizophrénie à partir des signaux EEG Type de document : theses et memoires Auteurs : Ibrahim Mezdad, Auteur ; Walid Lamani, Auteur ; Sadia Alkama, Directeur de thèse Editeur : Tizi-Ouzou : UMMTO F.G.E.I Année de publication : 2024 Importance : 50 p. Présentation : ill. Format : Note générale : Bibliogr. Langues : Français Mots-clés : Schizophrénie EEG Apprentissage profond CNN-1D Intelligence artificielle Classification. Résumé : Ce mémoire présente une approche basée sur l’apprentissage profond pour le diagnostic automatisé de la schizophrénie à partir des signaux EEG (électroencéphalogrammes). Contrairement aux méthodes traditionnelles de diagnostic psychiatrique, souvent subjectives et basées sur des entretiens, cette étude propose une solution informatique capable d’identifier des patients schizophrènes en analysant directement les signaux cérébraux. Les auteurs commencent par une exploration détaillée du fonctionnement du cerveau, des neurones, des maladies neurologiques et de la technologie EEG. Ils exposent ensuite les fondements de l’intelligence artificielle, en particulier du deep learning, et présentent les réseaux de neurones convolutifs (CNN), particulièrement sur leur version unidimensionnelle (CNN-1D), bien adaptée aux signaux temporels comme ceux de l’EEG. Pour tester leur approche, les auteurs utilisent une base de données EEG de 28 sujets, et mettent en Å“uvre un modèle CNN-1D sous Python avec Google Colab. Les résultats expérimentaux montrent que ce modèle permet de classer efficacement les individus en sujets sains ou schizophrènes, avec une précision croissante selon le nombre d’itérations d’apprentissage (epochs). En conclusion, ce travail démontre que les techniques de deep learning peuvent constituer une alternative fiable et rapide pour le diagnostic de troubles psychiatriques comme la schizophrénie. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37902 Approche par apprentissage profond pour l’identification de la schizophrénie à partir des signaux EEG [theses et memoires] / Ibrahim Mezdad, Auteur ; Walid Lamani, Auteur ; Sadia Alkama, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : UMMTO F.G.E.I, 2024 . - 50 p. : ill. ; PDF.
Bibliogr.
Langues : Français
Mots-clés : Schizophrénie EEG Apprentissage profond CNN-1D Intelligence artificielle Classification. Résumé : Ce mémoire présente une approche basée sur l’apprentissage profond pour le diagnostic automatisé de la schizophrénie à partir des signaux EEG (électroencéphalogrammes). Contrairement aux méthodes traditionnelles de diagnostic psychiatrique, souvent subjectives et basées sur des entretiens, cette étude propose une solution informatique capable d’identifier des patients schizophrènes en analysant directement les signaux cérébraux. Les auteurs commencent par une exploration détaillée du fonctionnement du cerveau, des neurones, des maladies neurologiques et de la technologie EEG. Ils exposent ensuite les fondements de l’intelligence artificielle, en particulier du deep learning, et présentent les réseaux de neurones convolutifs (CNN), particulièrement sur leur version unidimensionnelle (CNN-1D), bien adaptée aux signaux temporels comme ceux de l’EEG. Pour tester leur approche, les auteurs utilisent une base de données EEG de 28 sujets, et mettent en Å“uvre un modèle CNN-1D sous Python avec Google Colab. Les résultats expérimentaux montrent que ce modèle permet de classer efficacement les individus en sujets sains ou schizophrènes, avec une précision croissante selon le nombre d’itérations d’apprentissage (epochs). En conclusion, ce travail démontre que les techniques de deep learning peuvent constituer une alternative fiable et rapide pour le diagnostic de troubles psychiatriques comme la schizophrénie. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37902 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.32-24/1 MAST.AUTO.32-24 CD Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Restauration des données dégradées dans une image Type de document : theses et memoires Auteurs : Kamel Benakli ; Ait Yahia Anis ; Sadia Alkama, Directeur de thèse Editeur : Tizi-Ouzou : U.M.M.T.O Année de publication : 2021 Importance : 65 p. Présentation : ill. Format : 24 cm. Note générale : Bibliog. Langues : Français Mots-clés : Inpainting restauration d’images image numérique analyse de texture matrice de cooccurrence EDP Variation Totale recherche de similarité Résumé : Ce travail s’inscrit dans le cadre des travaux de recherche qui visent à la restauration des données manquantes dans une image. Cet axe de recherche est d’une grande importance dans divers domaines à l’instar de la restauration et de la conservation des œuvres d’arts.
En effet les images se divisent en deux principales catégories, nous décrivons chaque catégorie ainsi que ses différents attributs et paramètres.
Ces images peuvent subir des dégradations liées à plusieurs artefacts tels que l’usure du temps ou une mauvaise manipulation. Dans l’optique de remédier à ce problème, une technique numérique est utilisée pour les restaurer, il s’agit de la technique de l’inpainting.
Dans cette thèse, notre travail vise à analyser quelques méthodes de la littérature des techniques d’inpainting qui se décomposent en 4 groupes. Nous en avons sélectionné quelques approches que nous avons implémenté et pour chacune d’entre elles nous exposons les avantages et les inconvénients en se basant sur certains critères.En ligne : D:\CD THESES 2021\MAST AUTO\BENAKLI KAMEL; AIT YAHIA ANIS.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=36309 Restauration des données dégradées dans une image [theses et memoires] / Kamel Benakli ; Ait Yahia Anis ; Sadia Alkama, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : U.M.M.T.O, 2021 . - 65 p. : ill. ; 24 cm.
Bibliog.
Langues : Français
Mots-clés : Inpainting restauration d’images image numérique analyse de texture matrice de cooccurrence EDP Variation Totale recherche de similarité Résumé : Ce travail s’inscrit dans le cadre des travaux de recherche qui visent à la restauration des données manquantes dans une image. Cet axe de recherche est d’une grande importance dans divers domaines à l’instar de la restauration et de la conservation des œuvres d’arts.
En effet les images se divisent en deux principales catégories, nous décrivons chaque catégorie ainsi que ses différents attributs et paramètres.
Ces images peuvent subir des dégradations liées à plusieurs artefacts tels que l’usure du temps ou une mauvaise manipulation. Dans l’optique de remédier à ce problème, une technique numérique est utilisée pour les restaurer, il s’agit de la technique de l’inpainting.
Dans cette thèse, notre travail vise à analyser quelques méthodes de la littérature des techniques d’inpainting qui se décomposent en 4 groupes. Nous en avons sélectionné quelques approches que nous avons implémenté et pour chacune d’entre elles nous exposons les avantages et les inconvénients en se basant sur certains critères.En ligne : D:\CD THESES 2021\MAST AUTO\BENAKLI KAMEL; AIT YAHIA ANIS.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=36309 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.43-21/1 MAST.AUTO.43-21 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
