Please use this identifier to cite or link to this item: http//localhost:8080/jspui/handle/123456789/1895
Title: CAPACité de«DeepLEARning»A prédire les cHAOs dANS un système cHAOtique
Authors: Bendib, Islem
Keywords: Chaos, Système dynamique, Equations différentielles, Long Short-TermMemory, RNN, Attracteur de Lorenz, CNN, jeux d’échecs, non equilibruim.
Issue Date: 2020
Publisher: Universite laarbi tebessi tebessa
Abstract: Il y a un siècle déjà, les pionniers de la théorie du chaos ont découvert que « l’effet papillon » rend la prédiction à long terme impossible. Même la plus petite perturbation dans un système complexe (comme la météo, l'économie ou à peu près tout le reste) peut déclencher une concaténation d'événements conduisant à un avenir dramatiquement divergent. Incapables d’établir l’état de ces systèmes avec suffisamment de précision pour prédire comment ils se déroulent, nous vivons dans un voile d’incertitude. Le deeplearning ou apprentissage profond est une technique informatique à la base des récents succès en intelligence artificielle - pour prédire l'évolution future de systèmes chaotiques à des horizons lointains. Des experts externes ont qualifié cette approche d’innovante et susceptible de trouver une large application. Le travail de ce projet de master vise à impliquer l’apprentissage profond dans le processus de prédiction de chaos dans les différents types de systèmes dynamiques afin de pouvoir éviter des catastrophes qui peuvent venir.
URI: http//localhost:8080/jspui/handle/123456789/1895
Appears in Collections:3- إعلام آلي

Files in This Item:
File Description SizeFormat 
Islem_bendib_2020 VC.pdf3,14 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools