Data classification using deep learning approach
dc.contributor.author | MESSEGUEM, Chahrazed | |
dc.date.accessioned | 2018-07-03T10:44:39Z | |
dc.date.available | 2018-07-03T10:44:39Z | |
dc.date.issued | 2018 | |
dc.description.abstract | Le travail présenté dans ce rapport se situe dans le domaine de reconnaissance de la forme, et la motivation particulière dans celui-ci est d’étudier les systèmes d'apprentissage de données, leurs architectures, techniques, et méthodes. Notre système s’appuie sur les machines de Boltzmann restreinte et précisément ceux qui font partis d’apprentissage profond. Nous détaillons les systèmes basés sur les réseaux du Boltzmann empiles restreints pour l'extraction des caractéristiques, à savoir, les chiffres et les visages. Cette approche propose une architecture particulière qu’on vient d’utiliser dans la partie expérimentale pour entrainer nos bases de données afin que notre réseau de neurone arrive à reconnaitre les données proposées à l’entrée du réseau. | en_US |
dc.identifier.uri | http://dspace.univ-msila.dz:8080//xmlui/handle/123456789/5073 | |
dc.language.iso | fr | en_US |
dc.publisher | FACULTE DES MATHEMATIQUES ET DE L’INFORMATIQUE DEPARTEMENT D’INFORMATIQUE | en_US |
dc.subject | l'apprentissage profond, Réseaux de neurons, classification, Restricted Boltzmann Machines (RBM), Deep Croyance Networks (DBN). | en_US |
dc.title | Data classification using deep learning approach | en_US |
dc.type | Thesis | en_US |