les Thèses Soutenues à l'USTO MB
vous cherchez une thèse?
A partir de cette page vous pouvez :
Retourner au premier écran avec les dernières notices... | Votre compte |
Catégories
Faire une suggestion Affiner la recherche
Titre : Conception d’une approche de traitement du Text Mining Type de document : texte imprimé Auteurs : BELHERAZEM Assia, Auteur Année de publication : 2022-2023 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Informatique et Technologie d’Information et de la Communication Mots-clés : Classification de Texte, Réseaux Neuronaux Convolutifs, Réseaux Neuronaux Profonds, Réseaux Neuronaux Récurrents, Traitement du Langage Naturel, Unité Récurrente Fermée.
Convolutional Neural Networks, Deep Neural Network, Gated Recurrent Unit, Natural
Language Processing, Text Classification, Recurrent Neural Network .Résumé : Cette étude propose une approche automatique de la catégorisation des textes à l’aide de l’apprentissage profond. La catégorisation de textes consiste à associer des documents à des classes prédéfinies rédigées en langage naturel à l’aide du traitement du langage naturel. Il a été construit d’une combinaison de réseau neuronal convolutionnel unidimensionnel et d’unité récurrente bidirectionnelle rapide appelée (CNN-BiFaGRU).
La performance du modèle proposé est renforcée par l’utilisation d’une couche CuDNNGRU qui est une unité récurrente bidirectionnelle rapide nommé Fast Bidirectional Gated Recurrent Unit, implémentée par CuDNN qui ne peut être exécutée que sur GPU avec le backend TensorFlow.
La couche de convolution passe sur chaque pixel en extraire des motifs de taille 3 pixels (Kernel).
La couche exécute cette action 128 fois en fonction de la taille du filtre nous aurons donc 128 cartes de caractéristiques possédant chacune des caractéristiques différentes.
Pour réduire le nombre de paramètres, nous utilisons l’élimination spatiale et afin de réduire la dimension de chacune de ces cartes de caractéristiques, nous utilisons le regroupement maximal pour ne conserver que les informations importantes en extrayant la valeur maximale.
Ensuite, le bloc bidirectionnel CUDNNGRU est utilisé pour extraire les caractéristiques temporelles. Les résultats de cette couche sont normalisés par la couche de normalisation par lots et transmis à la couche entièrement connectée.
La donnée atteint finalement la couche de prédiction qui est la couche Dense, permettant d’obtenir le label détecté par le modèle de Deep Learning et produit les résultats de la classification finale
Le score de précision et erreur a été utilisé comme critère principal sur cinq ensembles de données différents : AG-News, WebKb, R8, R52 et 20 NewsGroup pour évaluer les performances du modèle proposé.
Le modèle proposé montre une plus grande précision et des scores d’erreur plus faibles que les autres méthodes.
This study proposes an automatic approach to categorizing text using deep learning. Text
categorization is the associating documents process to predefined classes written in natural
language using natural language processing (NLP).
It has been constructed on a combination of One-dimensional Convolutional Neural Network
and Fast Bidirectional Gated Recurrent Unit termed as (CNN-BiFaGRU) .
The performance of the proposed model is boosted by using a CuDNNGRU layer which is a
Fast Bidirectional Gated Recurrent Unit implementation backend by CuDNN which can only
be ru on GPU with the TensorFlow backend .
The convolution layer passes over each pixel using one stride to extract patterns about 3
pixels (Kernel).
The layer executes this action 128 times depending on the filter size then we will have 128
feature maps with different characteristics.
To reduce the number of parameters we use the spatial dropout then to reduce the dimension
of each of these feature-map we utilize the max pooling to keep the important informations
only by extracting the maximum value.
Then, the bidirectional CUDNNGRU block is used to extract temporal features. The
results of this layer are normalize by the batch normalization layer and transmitted to the
fully connected layer.
The data finally reaches a prediction layer which is the Dense layer, which provides the label
detected by the Deep Learning model and produces the final classification results.
III
Precision and loss score was used as the main criterion on five different datasets : AGNews,WebKb, R8, R52 and 20 NewsGroup to assess the performance of the proposed model.
The proposed model shows higher precision and lower loss scores than other methods
Directeur de thèse : TLEMSANI Redouane Conception d’une approche de traitement du Text Mining [texte imprimé] / BELHERAZEM Assia, Auteur . - 2022-2023 . - + CD.
Langues : Français (fre)
Catégories : Informatique:Informatique et Technologie d’Information et de la Communication Mots-clés : Classification de Texte, Réseaux Neuronaux Convolutifs, Réseaux Neuronaux Profonds, Réseaux Neuronaux Récurrents, Traitement du Langage Naturel, Unité Récurrente Fermée.
Convolutional Neural Networks, Deep Neural Network, Gated Recurrent Unit, Natural
Language Processing, Text Classification, Recurrent Neural Network .Résumé : Cette étude propose une approche automatique de la catégorisation des textes à l’aide de l’apprentissage profond. La catégorisation de textes consiste à associer des documents à des classes prédéfinies rédigées en langage naturel à l’aide du traitement du langage naturel. Il a été construit d’une combinaison de réseau neuronal convolutionnel unidimensionnel et d’unité récurrente bidirectionnelle rapide appelée (CNN-BiFaGRU).
La performance du modèle proposé est renforcée par l’utilisation d’une couche CuDNNGRU qui est une unité récurrente bidirectionnelle rapide nommé Fast Bidirectional Gated Recurrent Unit, implémentée par CuDNN qui ne peut être exécutée que sur GPU avec le backend TensorFlow.
La couche de convolution passe sur chaque pixel en extraire des motifs de taille 3 pixels (Kernel).
La couche exécute cette action 128 fois en fonction de la taille du filtre nous aurons donc 128 cartes de caractéristiques possédant chacune des caractéristiques différentes.
Pour réduire le nombre de paramètres, nous utilisons l’élimination spatiale et afin de réduire la dimension de chacune de ces cartes de caractéristiques, nous utilisons le regroupement maximal pour ne conserver que les informations importantes en extrayant la valeur maximale.
Ensuite, le bloc bidirectionnel CUDNNGRU est utilisé pour extraire les caractéristiques temporelles. Les résultats de cette couche sont normalisés par la couche de normalisation par lots et transmis à la couche entièrement connectée.
La donnée atteint finalement la couche de prédiction qui est la couche Dense, permettant d’obtenir le label détecté par le modèle de Deep Learning et produit les résultats de la classification finale
Le score de précision et erreur a été utilisé comme critère principal sur cinq ensembles de données différents : AG-News, WebKb, R8, R52 et 20 NewsGroup pour évaluer les performances du modèle proposé.
Le modèle proposé montre une plus grande précision et des scores d’erreur plus faibles que les autres méthodes.
This study proposes an automatic approach to categorizing text using deep learning. Text
categorization is the associating documents process to predefined classes written in natural
language using natural language processing (NLP).
It has been constructed on a combination of One-dimensional Convolutional Neural Network
and Fast Bidirectional Gated Recurrent Unit termed as (CNN-BiFaGRU) .
The performance of the proposed model is boosted by using a CuDNNGRU layer which is a
Fast Bidirectional Gated Recurrent Unit implementation backend by CuDNN which can only
be ru on GPU with the TensorFlow backend .
The convolution layer passes over each pixel using one stride to extract patterns about 3
pixels (Kernel).
The layer executes this action 128 times depending on the filter size then we will have 128
feature maps with different characteristics.
To reduce the number of parameters we use the spatial dropout then to reduce the dimension
of each of these feature-map we utilize the max pooling to keep the important informations
only by extracting the maximum value.
Then, the bidirectional CUDNNGRU block is used to extract temporal features. The
results of this layer are normalize by the batch normalization layer and transmitted to the
fully connected layer.
The data finally reaches a prediction layer which is the Dense layer, which provides the label
detected by the Deep Learning model and produces the final classification results.
III
Precision and loss score was used as the main criterion on five different datasets : AGNews,WebKb, R8, R52 and 20 NewsGroup to assess the performance of the proposed model.
The proposed model shows higher precision and lower loss scores than other methods
Directeur de thèse : TLEMSANI Redouane Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 9049 02-08-538 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-08-538.pdfAdobe Acrobat PDF
Titre : Contribution à la Tolérance aux Pannes dans les Réseaux VANET. Type de document : texte imprimé Auteurs : CHERIFI Ikram, Auteur Année de publication : 2023-2024 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Informatique et Technologie d’Information et de la Communication Mots-clés : MANET, ITS , VANET , Noeuds, V2V, V2I, Panne, tolérance, Repture de lien, congestion, surcharge de lien, GPSR, PPT-GPSR , OP-GPS
MANET, ITS , VANET , Nodes, V2V, V2I, Fault, Fault tolerance, Link failure, Congestion, Link overload, GPSR, PPT-GPSR , OP-GPSRRésumé : En tant qu’une instance spécifique des réseaux ad hoc mobile (MANET), les VANET sont définis comme un pilier des systèmes de transport intelligents (ITS). Ils sont devenus une technologie de communication de plus en plus attrayante en termes d’accroitre la sécurité , optimiser la gestion du trafic routier et offrir des services de divertissement aux usagers de véhicules rendant ainsi leurs déplacements plus confortable.VANET, est un réseau ad hoc mobile dont les nœuds sont des véhicules roulants selon une vitesse et une direction déterminées, transmettons des informations via des communications de véhicule à véhicule (V2V) et / ou de véhicule à infrastructure (V2I). Toutefois, lors d’une communication inter-véhiculaire nous sommes confrontée à differents problémes ,notamment, les problémes liée au routage des données, car VANET est caractérisé non seulement par une forte mobilité d'où le changement rapide de topologie, mais aussi par une congestion importante et une présence prohibitive d’interférences. En effet des pannes de surcharge des liens, de rupture de liens et déconnexion fréquente du reseaux, peuvent survenir entrainant une perte considérable de paquets, collisions, l’augmentation des délais de transmission (latence), la variation de la gigue, une réduction de la durée de vie des chemins ou encore l’arrêt du système de communication. Cette situation dégrade la performance de tous les protocoles de routage y compris le routage géographique, vu l'absence des mécanismes de tolérance aux pannes. Pour y remédier on fait recours aux mécanismes de tolérance aux pannes rendant le système de communication véhiculaire VANET habile à se tenir opérationnel en dépit des pannes survenues, éventuellement avec un débit élevé et un faible délai de réponse. C'est dans le cadre de cette thématique que vient s'inscrire notre sujet de thése doctorat. Au fil du temps, parmi le panel de protocoles de routage proposés dans VANET Plusieurs études de performance ont montré que les protocoles de routage géographiques sont prédominant et plus efficaces du fait qu’ils sont plus robuste, plus résistants aux caractéristiques spécifiques à VANET (exp : la forte mobilité dans les zones étendus) et atravers lesquels les applications de contrôle des accidents sont desservies avec un rapport de livraison de paquets élevé dans un scénario dense et clairsemé, avec moins d’overheads par rapport aux autres classes de routage VANET. Notamment GPSR, un protocole géographique réactif, populaire, innovant, pas encore normalisé mais en plein expansion. Néanmoins, dans certains scénarios il peut mener à la sélection des nœuds du chemin avec des pannes imminentes, due à la congestion par exemple. Du coup, ce protocole de routage devient non tolérant aux pannes. GPSR a été Plusieurs fois amélioré dans le but de surmonter un problème donné sous l’égide d’une seule metrique , mais semble incomplet. A cet effet, nous proposons à travers cette thése deux nouvelles approches tolerantes aux pannes, préventives et multicritères, ses solutions tolèrent les reptures de liens , les surcharge des liens et noeuds, la congestion et les déconnexions brutales du réseaux (charge de trafic) appliquées sur le protocole GPSR. La premiére version améliorée (PPT-GPSR) est basée sur la prédiction de position future de chaque véhicule et d’un seuil minimum de la zone couverture des véhicules pour élire les prochains sauts , tandis que la seconde amélioration ( OP-GPSR) se base sur un modèle analytique multicritère et repose sur une fonction de coût multicritères qui optimise la sélection du plus proche voisin potentiel ; stable, fiable et non congestionné exprimée en distance prédictive, degré de mobilité, charge du nœud et qualité du lien. Les résultats de simulation montrent que les solutions apportées offres de meilleures performances en termes de taux de livraison de paquet, taux de perte de paquet, délai de bout en bout, taux d’overhead et interférences et prévoit au mieux les défaillances de lien.
As a specific instance of mobile ad hoc networks (MANETs), VANETs are defined as a pillar of intelligent transport systems (ITS). VANETs, as a specific instance of Mobile Ad Hoc Networks (MANETs), are defined as a pillar of Intelligent Transport Systems (ITS) and have become an increasingly attractive communication technology in terms of increasing safety, optimising road traffic management and providing entertainment services to vehicle users, thus making their journeys more comfortable.VANETs, is a mobile ad hoc network whose nodes are vehicles travelling at a given speed and direction, transmitting information via vehicle-to-vehicle (V2V) and/or vehicle-to-infrastructure (V2I) communications. However, during inter-vehicular communication we are confronted with various problems, in particular, problems related to data routing, as VANET is characterised not only by high mobility and hence rapid topology change, but also by high congestion and prohibitive interference. Indeed, link overloading, link breakage and frequent network disconnection can occur, resulting in considerable packet loss, collisions, increased transmission delays (latency), jitter variation, reduced path lifetime or even communication system downtime. This situation degrades the performance of all routing protocols, including geographic routing, due to the absence of fault tolerance mechanisms. To remedy this, fault tolerance mechanisms are used to make the VANET vehicular communication system capable of remaining operational in spite of faults that occur, possibly with high throughput and low response time. This is the subject of our PhD thesis. Over time, among the range of routing protocols proposed in VANET, several performance studies have shown that geographic routing protocols are predominant and more efficient because they are more robust, more resistant to VANET specific characteristics (e.g. high mobility in wide areas) and through which accident control applications are served with a high packet delivery ratio in a dense and sparse scenario, with less overheads compared to other VANET routing classes. In particular GPSR, a popular, innovative, not yet standardised but growing responsive geographic protocol. Nevertheless, in some scenarios it can lead to the selection of path nodes with imminent link failures, due to congestion for example. As a result, this routing protocol becomes fault tolerant. GPSR has been improved several times in order to overcome a given problem under the aegis of a single metric, but seems incomplete. To this end, we propose in this paper two new fault-tolerant, preventive and multi-criteria approaches, which tolerate link failures, link and node overloads, congestion and abrupt network disconnections (traffic load) applied on the GPSR protocol. The first improved version (PPT-GPSR) is based on the prediction of the future position of each vehicle and a minimum threshold of the vehicle coverage area to elect the next hops, while the second improvement (OP-GPSR) is based on a multi-criteria analytical model and relies on a multi-criteria cost function that optimises the selection of the closest potential neighbour; stable, reliable and uncongested expressed in predictive distance, degree of mobility, node load and link quality. Simulation results show that the solutions provide better performance in terms of packet delivery rate, packet loss rate, end-to-end delay, overhead rate and interference and best predict link failures.
Directeur de thèse : MEKKAKIA MAAZA Zoulikha Contribution à la Tolérance aux Pannes dans les Réseaux VANET. [texte imprimé] / CHERIFI Ikram, Auteur . - 2023-2024 . - + CD.
Langues : Français (fre)
Catégories : Informatique:Informatique et Technologie d’Information et de la Communication Mots-clés : MANET, ITS , VANET , Noeuds, V2V, V2I, Panne, tolérance, Repture de lien, congestion, surcharge de lien, GPSR, PPT-GPSR , OP-GPS
MANET, ITS , VANET , Nodes, V2V, V2I, Fault, Fault tolerance, Link failure, Congestion, Link overload, GPSR, PPT-GPSR , OP-GPSRRésumé : En tant qu’une instance spécifique des réseaux ad hoc mobile (MANET), les VANET sont définis comme un pilier des systèmes de transport intelligents (ITS). Ils sont devenus une technologie de communication de plus en plus attrayante en termes d’accroitre la sécurité , optimiser la gestion du trafic routier et offrir des services de divertissement aux usagers de véhicules rendant ainsi leurs déplacements plus confortable.VANET, est un réseau ad hoc mobile dont les nœuds sont des véhicules roulants selon une vitesse et une direction déterminées, transmettons des informations via des communications de véhicule à véhicule (V2V) et / ou de véhicule à infrastructure (V2I). Toutefois, lors d’une communication inter-véhiculaire nous sommes confrontée à differents problémes ,notamment, les problémes liée au routage des données, car VANET est caractérisé non seulement par une forte mobilité d'où le changement rapide de topologie, mais aussi par une congestion importante et une présence prohibitive d’interférences. En effet des pannes de surcharge des liens, de rupture de liens et déconnexion fréquente du reseaux, peuvent survenir entrainant une perte considérable de paquets, collisions, l’augmentation des délais de transmission (latence), la variation de la gigue, une réduction de la durée de vie des chemins ou encore l’arrêt du système de communication. Cette situation dégrade la performance de tous les protocoles de routage y compris le routage géographique, vu l'absence des mécanismes de tolérance aux pannes. Pour y remédier on fait recours aux mécanismes de tolérance aux pannes rendant le système de communication véhiculaire VANET habile à se tenir opérationnel en dépit des pannes survenues, éventuellement avec un débit élevé et un faible délai de réponse. C'est dans le cadre de cette thématique que vient s'inscrire notre sujet de thése doctorat. Au fil du temps, parmi le panel de protocoles de routage proposés dans VANET Plusieurs études de performance ont montré que les protocoles de routage géographiques sont prédominant et plus efficaces du fait qu’ils sont plus robuste, plus résistants aux caractéristiques spécifiques à VANET (exp : la forte mobilité dans les zones étendus) et atravers lesquels les applications de contrôle des accidents sont desservies avec un rapport de livraison de paquets élevé dans un scénario dense et clairsemé, avec moins d’overheads par rapport aux autres classes de routage VANET. Notamment GPSR, un protocole géographique réactif, populaire, innovant, pas encore normalisé mais en plein expansion. Néanmoins, dans certains scénarios il peut mener à la sélection des nœuds du chemin avec des pannes imminentes, due à la congestion par exemple. Du coup, ce protocole de routage devient non tolérant aux pannes. GPSR a été Plusieurs fois amélioré dans le but de surmonter un problème donné sous l’égide d’une seule metrique , mais semble incomplet. A cet effet, nous proposons à travers cette thése deux nouvelles approches tolerantes aux pannes, préventives et multicritères, ses solutions tolèrent les reptures de liens , les surcharge des liens et noeuds, la congestion et les déconnexions brutales du réseaux (charge de trafic) appliquées sur le protocole GPSR. La premiére version améliorée (PPT-GPSR) est basée sur la prédiction de position future de chaque véhicule et d’un seuil minimum de la zone couverture des véhicules pour élire les prochains sauts , tandis que la seconde amélioration ( OP-GPSR) se base sur un modèle analytique multicritère et repose sur une fonction de coût multicritères qui optimise la sélection du plus proche voisin potentiel ; stable, fiable et non congestionné exprimée en distance prédictive, degré de mobilité, charge du nœud et qualité du lien. Les résultats de simulation montrent que les solutions apportées offres de meilleures performances en termes de taux de livraison de paquet, taux de perte de paquet, délai de bout en bout, taux d’overhead et interférences et prévoit au mieux les défaillances de lien.
As a specific instance of mobile ad hoc networks (MANETs), VANETs are defined as a pillar of intelligent transport systems (ITS). VANETs, as a specific instance of Mobile Ad Hoc Networks (MANETs), are defined as a pillar of Intelligent Transport Systems (ITS) and have become an increasingly attractive communication technology in terms of increasing safety, optimising road traffic management and providing entertainment services to vehicle users, thus making their journeys more comfortable.VANETs, is a mobile ad hoc network whose nodes are vehicles travelling at a given speed and direction, transmitting information via vehicle-to-vehicle (V2V) and/or vehicle-to-infrastructure (V2I) communications. However, during inter-vehicular communication we are confronted with various problems, in particular, problems related to data routing, as VANET is characterised not only by high mobility and hence rapid topology change, but also by high congestion and prohibitive interference. Indeed, link overloading, link breakage and frequent network disconnection can occur, resulting in considerable packet loss, collisions, increased transmission delays (latency), jitter variation, reduced path lifetime or even communication system downtime. This situation degrades the performance of all routing protocols, including geographic routing, due to the absence of fault tolerance mechanisms. To remedy this, fault tolerance mechanisms are used to make the VANET vehicular communication system capable of remaining operational in spite of faults that occur, possibly with high throughput and low response time. This is the subject of our PhD thesis. Over time, among the range of routing protocols proposed in VANET, several performance studies have shown that geographic routing protocols are predominant and more efficient because they are more robust, more resistant to VANET specific characteristics (e.g. high mobility in wide areas) and through which accident control applications are served with a high packet delivery ratio in a dense and sparse scenario, with less overheads compared to other VANET routing classes. In particular GPSR, a popular, innovative, not yet standardised but growing responsive geographic protocol. Nevertheless, in some scenarios it can lead to the selection of path nodes with imminent link failures, due to congestion for example. As a result, this routing protocol becomes fault tolerant. GPSR has been improved several times in order to overcome a given problem under the aegis of a single metric, but seems incomplete. To this end, we propose in this paper two new fault-tolerant, preventive and multi-criteria approaches, which tolerate link failures, link and node overloads, congestion and abrupt network disconnections (traffic load) applied on the GPSR protocol. The first improved version (PPT-GPSR) is based on the prediction of the future position of each vehicle and a minimum threshold of the vehicle coverage area to elect the next hops, while the second improvement (OP-GPSR) is based on a multi-criteria analytical model and relies on a multi-criteria cost function that optimises the selection of the closest potential neighbour; stable, reliable and uncongested expressed in predictive distance, degree of mobility, node load and link quality. Simulation results show that the solutions provide better performance in terms of packet delivery rate, packet loss rate, end-to-end delay, overhead rate and interference and best predict link failures.
Directeur de thèse : MEKKAKIA MAAZA Zoulikha Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 9076 02-08-540 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-08-540.pdfAdobe Acrobat PDF
BUC USTOMB'Thèses
Service Thèse de la BUC met à votre votre disposition L'ensemble des thèses de doctorat et mémoires de magister soutenues à l'USTO MB
Adresse
BUC USTOMB'ThèsesBibliothèque centrale USTOMB
BP 1505 EL M'Naouer USTO ORAN
Algérie
(213)041627180
contact