Apprentissage génératif connexionniste pour la classification des signaux complexes sous contraintes / BENDAHMANE Abderrahmane 

Public ISBD Titre : Apprentissage génératif connexionniste pour la classification des signaux complexes sous contraintes Type de document : document électronique Auteurs : BENDAHMANE Abderrahmane, Auteur ; BENYETTOU Abdelkader, Directeur de thèse Année de publication : 19-02-2018 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:intelligence artificielle Mots-clés : Algorithme Mimétiques Parallèles, Classification du Texte, Images Aériennes, Sélection et Pondération d’Attributs, Machines à Vecteurs de Support, Apprentissage profond. Parallel Mimetic Algorithm, Text Categorization, Aerial Images, Feature Selection & Weighting, Support Vector Machine, Deep Learning. Résumé : Dans cette thèse, on propose une approche mimétique pour l’apprentissage et la génération de représentations optimisées de données complexes à travers la sélection et la pondération simultanées des attributs basées sur une hybridation entre une approche évolutionnaire et l’apprentissage sous contraintes des machines à vecteur de support. Cette technique a été expérimentée sur l’optimisation de la classification des documents web ainsi que des images aériennes. Cependant, les représentations usuelles des données complexes engendrent des matrices de très grandes dimensionnalités dont le traitement par une approche mimétique peut s’avérer très lourd en temps de calcul lors de la phase d’apprentissage. Dans ce travail, on propose une implémentation parallèle de l’algorithme proposé basée sur les modèles d’îlots afin de palier à ce problème. Nos expériences sur plusieurs benchmarks : Reuters-21578, 7Sectors, Webkb et UCMerced LandUse ont montré qu’on a réduit significativement le temps d’exécution ainsi que le nombre d’attributs avec une nette amélioration des performances en classification. In this thesis, we propose a mimetic approach for learning and generating optimized complex data representations through simultaneous weighting and feature selection based on a combination between an evolutionary algorithm and Support Vector Machines to improve web documents and aerial images categorization. However, usual representations generate high dimensionality matrix, which processed with a mimetic approach, may increase drastically the processing time in training step. In this work, we present a parallel implementation of the proposed algorithm based on an Island model topology. Experiments on well-known datasets: Reuters-21578, 7Sectors, Webkb and UCMerced LandUse show that we have significantly reduced the set of features and computing time while improving categorization performance. Apprentissage génératif connexionniste pour la classification des signaux complexes sous contraintes [document électronique] / BENDAHMANE Abderrahmane, Auteur ; BENYETTOU Abdelkader, Directeur de thèse . - 19-02-2018 . -  + CD. Langues : Français (fre) Catégories : Informatique:intelligence artificielle Mots-clés : Algorithme Mimétiques Parallèles, Classification du Texte, Images Aériennes, Sélection et Pondération d’Attributs, Machines à Vecteurs de Support, Apprentissage profond. Parallel Mimetic Algorithm, Text Categorization, Aerial Images, Feature Selection & Weighting, Support Vector Machine, Deep Learning. Résumé : Dans cette thèse, on propose une approche mimétique pour l’apprentissage et la génération de représentations optimisées de données complexes à travers la sélection et la pondération simultanées des attributs basées sur une hybridation entre une approche évolutionnaire et l’apprentissage sous contraintes des machines à vecteur de support. Cette technique a été expérimentée sur l’optimisation de la classification des documents web ainsi que des images aériennes. Cependant, les représentations usuelles des données complexes engendrent des matrices de très grandes dimensionnalités dont le traitement par une approche mimétique peut s’avérer très lourd en temps de calcul lors de la phase d’apprentissage. Dans ce travail, on propose une implémentation parallèle de l’algorithme proposé basée sur les modèles d’îlots afin de palier à ce problème. Nos expériences sur plusieurs benchmarks : Reuters-21578, 7Sectors, Webkb et UCMerced LandUse ont montré qu’on a réduit significativement le temps d’exécution ainsi que le nombre d’attributs avec une nette amélioration des performances en classification. In this thesis, we propose a mimetic approach for learning and generating optimized complex data representations through simultaneous weighting and feature selection based on a combination between an evolutionary algorithm and Support Vector Machines to improve web documents and aerial images categorization. However, usual representations generate high dimensionality matrix, which processed with a mimetic approach, may increase drastically the processing time in training step. In this work, we present a parallel implementation of the proposed algorithm based on an Island model topology. Experiments on well-known datasets: Reuters-21578, 7Sectors, Webkb and UCMerced LandUse show that we have significantly reduced the set of features and computing time while improving categorization performance.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
1469	02-08-454	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-08-454.pdf Adobe Acrobat PDF

Détection & reconnaissance des signatures manuscrites hors- ligne en utilisant les SVMs multi- classes et les réseaux de neurones à impulsion / Souàad BELHIA

Public ISBD Titre : Détection & reconnaissance des signatures manuscrites hors- ligne en utilisant les SVMs multi- classes et les réseaux de neurones à impulsion Type de document : texte imprimé Auteurs : Souàad BELHIA, Auteur Année de publication : 2007 Importance : 79 p. Langues : Français (fre) Catégories : Informatique:intelligence artificielle Mots-clés : Apprentissage, support vector machine, les réseaux de neurones à impulsion , reconnaissance des formes, biométrie Résumé : L’objectif de cet étude est la détection et la reconnaissance des signatures manuscrites hors- ligne basé sur « les méthiodes des supports vector machine multi – classes » en comparent avec «le modèle des réseaux de neurones impulsionnels » Nous avons implémenté les deux méthodes de combinaisons des classifieurs binaires « un contre un » et « un contre tous » la combinaison de classifieurs binaires est une approche intéressante pour la résolution des problémes de classification multi- classes L’étude de l’approche neuronal impulsiionnel nous à permis de choisir les neurones de types « integre et tire » (integrated and fire ) pour le cadage de l’information transmis Ce travail port principalement sur l’étude des différentes algorithmes d’apprentissage utilisé dans les réseaux de neurones à spike « spikenet » tel que le « retro – propagation » « l’analyse discriminante de ficher » et l’algorithme de « parallele delta rule» Donc à travers ces travaux , nous montrons non seulemnt que la computation impulsionnelle est plausible , grace à la propriété de fiabilité neuronale , mais également qu’elle peut apporter une réponse adéquate à des problémes concrets de neurosciences computationnelles Directeur de thèse : BENYETTOU ,M Détection & reconnaissance des signatures manuscrites hors- ligne en utilisant les SVMs multi- classes et les réseaux de neurones à impulsion [texte imprimé] / Souàad BELHIA, Auteur . - 2007 . - 79 p. Langues : Français (fre) Catégories : Informatique:intelligence artificielle Mots-clés : Apprentissage, support vector machine, les réseaux de neurones à impulsion , reconnaissance des formes, biométrie Résumé : L’objectif de cet étude est la détection et la reconnaissance des signatures manuscrites hors- ligne basé sur « les méthiodes des supports vector machine multi – classes » en comparent avec «le modèle des réseaux de neurones impulsionnels » Nous avons implémenté les deux méthodes de combinaisons des classifieurs binaires « un contre un » et « un contre tous » la combinaison de classifieurs binaires est une approche intéressante pour la résolution des problémes de classification multi- classes L’étude de l’approche neuronal impulsiionnel nous à permis de choisir les neurones de types « integre et tire » (integrated and fire ) pour le cadage de l’information transmis Ce travail port principalement sur l’étude des différentes algorithmes d’apprentissage utilisé dans les réseaux de neurones à spike « spikenet » tel que le « retro – propagation » « l’analyse discriminante de ficher » et l’algorithme de « parallele delta rule» Donc à travers ces travaux , nous montrons non seulemnt que la computation impulsionnelle est plausible , grace à la propriété de fiabilité neuronale , mais également qu’elle peut apporter une réponse adéquate à des problémes concrets de neurosciences computationnelles Directeur de thèse : BENYETTOU ,M

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
4341	02-08-181	version papier	Bibliothèque USTOMB	Mémoire de Magister	Exclu du prêt

Les interactions émotionnelles des agents virtuels intelligents / BOUAZZA Hasna 

Public ISBD Titre : Les interactions émotionnelles des agents virtuels intelligents Type de document : document électronique Auteurs : BOUAZZA Hasna, Auteur Année de publication : 2017 Importance : 133 p. Accompagnement : CD Langues : Français (fre) Catégories : Informatique:intelligence artificielle Mots-clés : émotion, régulation émotionnelle, personnalité, persistance, FAtiMA, interactions. Résumé : Dans le domaine de l’informatique affective, plusieurs modèles computationnels ont été proposés pour augmenter le réalisme comportemental des agents virtuels. Le réalisme d’un agent virtuel repose notamment sur sa capacité à exprimer des émotions durant une interaction. Notre objectif est de contribuer à l’amélioration de l’interaction entre les agents expressifs et l’utilisateur en se focalisant sur le modèle émotionnel sous-jacent. Un module de régulation émotionnelle selon la théorie de Gross a été intégré dans le modèle computationnel FAtiMA (Fear-Not Affective Mind Architecture). Nos recherches se sont basées sur le calcul de la persistance à partir d’un modèle de personnalité appelé OCEAN. Les cinq valeurs du modèles OCEAN et la persistance, nous ont permis d’améliorer la personnalité dans le modèle FAtiMA et l’intégrer dans un agent virtuel pour améliorer ses interactions émotionnelles. Directeur de thèse : BENDELLA Fatima Les interactions émotionnelles des agents virtuels intelligents [document électronique] / BOUAZZA Hasna, Auteur . - 2017 . - 133 p. + CD. Langues : Français (fre) Catégories : Informatique:intelligence artificielle Mots-clés : émotion, régulation émotionnelle, personnalité, persistance, FAtiMA, interactions. Résumé : Dans le domaine de l’informatique affective, plusieurs modèles computationnels ont été proposés pour augmenter le réalisme comportemental des agents virtuels. Le réalisme d’un agent virtuel repose notamment sur sa capacité à exprimer des émotions durant une interaction. Notre objectif est de contribuer à l’amélioration de l’interaction entre les agents expressifs et l’utilisateur en se focalisant sur le modèle émotionnel sous-jacent. Un module de régulation émotionnelle selon la théorie de Gross a été intégré dans le modèle computationnel FAtiMA (Fear-Not Affective Mind Architecture). Nos recherches se sont basées sur le calcul de la persistance à partir d’un modèle de personnalité appelé OCEAN. Les cinq valeurs du modèles OCEAN et la persistance, nous ont permis d’améliorer la personnalité dans le modèle FAtiMA et l’intégrer dans un agent virtuel pour améliorer ses interactions émotionnelles. Directeur de thèse : BENDELLA Fatima

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
4603	02-08-443	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

Les interactions émotionnelles des agents virtuels intelligents Adobe Acrobat PDF