A partir de cette page vous pouvez :
author
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Walid Lamani |
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 : 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 !
