Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of Digital Repository
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "KHADIDJA, DERDOUR: Encadreur"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    Améliorer la classification de CNN à l'aide des filtres pour la reconnaissance des images
    (Mohamed Boudiaf University of M'sila, 2024-06) BOUTERAA, YOUCEF; KHADIDJA, DERDOUR: Encadreur
    La classification des images a fait des progrès significatifs grâce au développement des réseaux de neurones convolutifs. Dans cette note, nous présentons un modèle de réseau neuronal convolutif simple et efficace sur l'ensemble de données MNIST, l'un des ensembles de données les plus populaires utilisés dans ce domaine, composé de 70 000 images en niveaux de gris. De nombres manuscrits de 0 à 9, répartis en 60 000 images pour l'entraînement et 10 000 images pour les tests. Dans le but d'essayer d'améliorer le modèle en termes de performances en utilisant les filtres suggérés et en comparant ses performances avec un autre modèle qui utilise des filtres par défaut, il a montré des résultats de classification supérieurs à 96 % et inférieurs au modèle qui utilisait des filtres par défaut, et les performances obtenues étaient acceptables en termes de précision et de faible erreur de prédiction.

All Rights Reserved - University of M'Sila - UMB Electronic Portal © 2024

  • Cookie settings
  • Privacy policy
  • Terms of Use