APPRENTISSAGE DES MACHINES PUISSANTES POUR LA RECONNAISSANCE DES FORMES.
| dc.contributor.author | AICHE, Ishaq | |
| dc.contributor.author | KETFI, Meryem | |
| dc.date.accessioned | 2020-01-22T07:48:05Z | |
| dc.date.available | 2020-01-22T07:48:05Z | |
| dc.date.issued | 2018 | |
| dc.description.abstract | Résumé La reconnaissance des formes a été largement étudiée au cours des dernières années. Dans ce travail, nous avons évalué plusieurs techniques des machines d’apprentissage en utilisant deux bases de données : base des chiffres et base des eaux industrielles. Nous avons introduit la technique d’apprentissage approfondi dont l’objectif est de classifier les eaux déminéraliser en utilisant l’autoencodeur. Nous avons aussi traité dans ce mémoire le problème de la reconnaissance des chiffres. Les solutions proposées permettent de s’adapter aux changements des styles d’écriture, aux différents angles d'orientation et différents fonts d’écriture ; pour augmenter les performances nous avons utilisé le réseau de neurone de type Auto-encodeur et CNN. Finalement, nous avons présenté une étude comparative pour savoir les points faibles et les points forts de chaque technique, nous avons eu les meilleurs résultats en appliquant la technique d’apprentissage approfondi ( Auto-encodeur et CNN). | en_US |
| dc.identifier.other | EL/ESEM015/18 | |
| dc.identifier.uri | http://dspace.univ-msila.dz:8080//xmlui/handle/123456789/19140 | |
| dc.language.iso | fr | en_US |
| dc.publisher | UNIVERSITE MOHAMED BOUDIAF - M’SILA | en_US |
| dc.subject | reconnaissance de forme, machine d’apprentissage, apprentissage approfondi, SVM, K-PPV, RNA (MLP), Autoencodeur, CNN. | en_US |
| dc.title | APPRENTISSAGE DES MACHINES PUISSANTES POUR LA RECONNAISSANCE DES FORMES. | en_US |
| dc.type | Thesis | en_US |