Documents disponibles écrits par cet auteur

Classification connexionniste des données structurées / MIHOUBI Miloud 

Public ISBD Titre : Classification connexionniste des données structurées Type de document : document électronique Auteurs : MIHOUBI Miloud, Auteur ; BENYETTOU Abdelkader, Directeur de thèse Année de publication : 2013 Importance : 78 p. Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Reconnaissance des Formes - Intelligence Artificielle Mots-clés : Classification,clustering ,les données structurées, réseaux de neuvones ,La carte auto organisatrice Résumé : La carte auto organisatrice est une méthode connue qui permet de projeter des données de grande dimension vers un espace de dimension réduit, des modèles de cette carte pour le traitement des graphes ont été définis et utilisés . Nous sommes intéressés à découvrir la similitude entre les objets complexes qui peuvent être représenté par des graphes étiquetés non orientés acycliques. Nous montrons qu'il est possible d'adapter ce modèle pour étudier ce type de donnée structurée. Les capacités du modèle en utilisant un ensemble de données pris à partir d'un ensemble des images codées sous forme des graphes étiquetés , afin d’obtenir des résultats acceptables en adoptant une technique d’apprentissage non supervisée nommée « Graphe-SOM » , Nous démontrons que ce modèle est capable d'exploiter à la fois l'information véhiculée dans les étiquettes jointes au chaque noeud du graphe d'entrée et de l'information codée dans la topologie de graphe. Self-Organizing Map is a popular method which allows the projection of high dimensional data onto a low dimensional display space. Models of Self Organizing Maps for the treatment of graphs have also been defined and studied. We are interested in discovering similarities between complex objects which can reasonably represented by labelled acyclic undirected graphs. We show that is possible to adapt this model to study this type of structured data, The capabilities of the model by using a relatively data set taken from an artificial problem of involving visual patterns encoded as labelled graphs, to obtain an acceptable results, by adopting a unsupervised learning technique called “Graph-SOM”, We demonstrate that this model is capable to exploit at the same time the information conveyed in the labels attached to each node of the input graphs and the information encoded in the graph topology. Directeur de thèse : BENYETTOU Abdelkader Classification connexionniste des données structurées [document électronique] / MIHOUBI Miloud, Auteur ; BENYETTOU Abdelkader, Directeur de thèse . - 2013 . - 78 p. + CD. Langues : Français (fre) Catégories : Informatique:Reconnaissance des Formes - Intelligence Artificielle Mots-clés : Classification,clustering ,les données structurées, réseaux de neuvones ,La carte auto organisatrice Résumé : La carte auto organisatrice est une méthode connue qui permet de projeter des données de grande dimension vers un espace de dimension réduit, des modèles de cette carte pour le traitement des graphes ont été définis et utilisés . Nous sommes intéressés à découvrir la similitude entre les objets complexes qui peuvent être représenté par des graphes étiquetés non orientés acycliques. Nous montrons qu'il est possible d'adapter ce modèle pour étudier ce type de donnée structurée. Les capacités du modèle en utilisant un ensemble de données pris à partir d'un ensemble des images codées sous forme des graphes étiquetés , afin d’obtenir des résultats acceptables en adoptant une technique d’apprentissage non supervisée nommée « Graphe-SOM » , Nous démontrons que ce modèle est capable d'exploiter à la fois l'information véhiculée dans les étiquettes jointes au chaque noeud du graphe d'entrée et de l'information codée dans la topologie de graphe. Self-Organizing Map is a popular method which allows the projection of high dimensional data onto a low dimensional display space. Models of Self Organizing Maps for the treatment of graphs have also been defined and studied. We are interested in discovering similarities between complex objects which can reasonably represented by labelled acyclic undirected graphs. We show that is possible to adapt this model to study this type of structured data, The capabilities of the model by using a relatively data set taken from an artificial problem of involving visual patterns encoded as labelled graphs, to obtain an acceptable results, by adopting a unsupervised learning technique called “Graph-SOM”, We demonstrate that this model is capable to exploit at the same time the information conveyed in the labels attached to each node of the input graphs and the information encoded in the graph topology. Directeur de thèse : BENYETTOU Abdelkader

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
1227	02-08-317	Version numérique et papier	Bibliothèque USTOMB	Mémoire de Magister	Exclu du prêt

Documents numériques

02-08-317.pdf Adobe Acrobat PDF