Data classification using deep learning approach

dc.contributor.authorMESSEGUEM, Chahrazed
dc.date.accessioned2018-07-03T10:44:39Z
dc.date.available2018-07-03T10:44:39Z
dc.date.issued2018
dc.description.abstractLe 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.urihttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/5073
dc.language.isofren_US
dc.publisherFACULTE DES MATHEMATIQUES ET DE L’INFORMATIQUE DEPARTEMENT D’INFORMATIQUEen_US
dc.subjectl'apprentissage profond, Réseaux de neurons, classification, Restricted Boltzmann Machines (RBM), Deep Croyance Networks (DBN).en_US
dc.titleData classification using deep learning approachen_US
dc.typeThesisen_US

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
MESSEGUEM Chahrazed.pdf
Size:
6.94 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections