Skip navigation
Home
Browse
Communities
& Collections
Browse Items by:
Issue Date
Author
Title
Subject
Help
Sign on to:
My DSpace
Receive email
updates
Edit Profile
DSpace at My University
Search
Search:
All of DSpace
01.Master
4.Faculté des Sciences de la Technologie
3- Génie Electrique
for
Current filters:
Title
Author
Subject
Date Issued
Has File(s)
???jsp.search.filter.original_bundle_filenames???
???jsp.search.filter.original_bundle_descriptions???
Equals
Contains
ID
Not Equals
Not Contains
Not ID
Start a new search
Add filters:
Use filters to refine the search results.
Title
Author
Subject
Date Issued
Has File(s)
???jsp.search.filter.original_bundle_filenames???
???jsp.search.filter.original_bundle_descriptions???
Equals
Contains
ID
Not Equals
Not Contains
Not ID
Results 1-10 of 22 (Search time: 0.001 seconds).
previous
1
2
3
next
Item hits:
Issue Date
Title
Author(s)
2020-05-22
Commande Optimale d’un Réacteur Parfaitement Agité CSTR en Utilisant les Algorithmes Génétiques
المنطق الضبابي، الشبكات العصبية و الانظمة العصبية الضبابية هي انظمة يتم استخدامها بشكل متزايد في عدة مجالات واسعة. نقترح عليكم دراستها في بحثنا هذا في اطار التحكم بالسرعة . الفكرة الاساسية لهذا العمل تتمثل في دراسة التحكم في سرعة دوران محرك لاتزامني ذو قفص السنجاب عن طريق التقنيات المتقدمة. هاته التقنيات هي: المنطق الضبابي و الشبكات العصبية، التي تقدم العديد من التحسينات من ناحية الكفاءة والقوة. بعد استخراج وتطوير العبارات و المعادلات الرياضية اللازمة لتطبيق التحكم الشعاعي ذو التدفق المغناطيسي الدوار المتغير، قمنا بانجاز المخططات عن طريق برنامج المحاكاة ماتلاب، الشيء الذي سمح لنا بمحاكاة هذا النوع من التحكم باستخدام المحول الثابت. التحكم في سرعة الدوران يتركز اساسا علي المنظمات الكلاسيكة، والتي بدورها سيتم تعويضها بمنظمات تعمل عن طريق تقنيات الذكاء الاصطناعي. هاته التقنيات التي سيتم استعمالها هي المنطق الضبابي اولا، ثم الشبكات العصبية ثانيا. في النهاية سنقوم بمقارنة بين هاته التقنيات المختلفة الخاصة بالتحكم، من ناحية الخصائص الديناميكية الخاصة بالاستجابة، ونذكر منها: التجاوز، زمن الاستجابة، زمن الصعود، الدقة( والقوة.
;
oussama, MENASSEL
2020-06-23
MIZAB
Notre recherche se place à l’intersection de trois domaines scientifiques : la télédétection, la vision artificielle et l’apprentissage automatique. La littérature en vision par ordinateur est abondante concernant l’interprétation de données visuelles, y compris pour la télédétection. Récemment, les méthodes dites d’apprentissage profond ont permis de réaliser des avancées Considérables en interprétation automatique d’images. Cette thèse se trouve ainsi au croisement entre la télédétection, la vision par ordinateur et l’apprentissage automatique. En particulier, nous nous proposons de mettre en oeuvre des méthodes d’apprentissage profond permettant la détection de catastrophes naturelles automatisées utilisant le deep learning, qui peut prévoir les catastrophes en temps réel et envoyer un message d'alerte. À cet effet, nous avons entrainé le modèle ResNet50 CNN, et les performances sont mesurées en calculant la matrice de confusion. Le modèle est également testé avec des vidéos préenregistrées acquises à partir de satellites et de drones. Les résultats expérimentaux donnent une précision de 91% et fonctionnent parfaitement lorsqu'ils sont testés avec des vidéos collectées sur You Tube.
;
Notre recherche se place à l’intersection de trois domaines scientifiques : la télédétection, la vision artificielle et l’apprentissage automatique. La littérature en vision par ordinateur est abondante concernant l’interprétation de données visuelles, y compris pour la télédétection. Récemment, les méthodes dites d’apprentissage profond ont permis de réaliser des avancées Considérables en interprétation automatique d’images. Cette thèse se trouve ainsi au croisement entre la télédétection, la vision par ordinateur et l’apprentissage automatique. En particulier, nous nous proposons de mettre en oeuvre des méthodes d’apprentissage profond permettant la détection de catastrophes naturelles automatisées utilisant le deep learning, qui peut prévoir les catastrophes en temps réel et envoyer un message d'alerte. À cet effet, nous avons entrainé le modèle ResNet50 CNN, et les performances sont mesurées en calculant la matrice de confusion. Le modèle est également testé avec des vidéos préenregistrées acquises à partir de satellites et de drones. Les résultats expérimentaux donnent une précision de 91% et fonctionnent parfaitement lorsqu'ils sont testés avec des vidéos collectées sur You Tube.
;
manel, MIZAB
2020-06-11
Conception d’une interface graphique pour l’analyse et la comparaison entre deux algorithmes de déroulement de phase
BOUALLEG, Moundji
2020-05-22
Conversion d'énergie éolienne dotée d'un convertisseur matriciel
dris, Miniaturisation d’une antenne PATCH à base de couches minces
2020-06-22
Detection des catastrophes naturelles par les algorithmes de l’apprentissage profond
Merzoug, Sabah
2020-06-11
Le résistivimètre
BOUGUESSA, Bouthaina
;
AYADA, AYADA
2020-05-12
Commande Vectorielle indirecte pour un Système de Conversion Éolienne à base de la MADA
BRAHMI, OUSSAMA
2020-06-22
Miniaturisation d’une antenne PATCH à base de couches minces
Halaimia, Amira
2020-06-12
Stimulateur crânien
MERADI, Manel
2020-06-11
Régulation de la tension par DVR commandé en tension par régulateur fractionnel
CHACHOUA, Sofiane
Discover
Author
1
AYADA, AYADA
1
Benayad, Nizar / Tria, Taki Eddin...
1
BENKADI, Oussama
1
BOUALLEG, Moundji
1
BOUGUESSA, Bouthaina
1
BOUTIGHANE, El-Houssine
1
BRAHMI, OUSSAMA
1
CHACHOUA, Sofiane
1
Chaker, Chaker
1
CHEKKAL, Mohamed Khairi
.
next >
Subject
2
Analyse multi-résolution; Analyse...
2
Réacteur parfaitement agité, liné...
1
Conception d’une interface graphi...
1
Eolienne, Convertisseur matriciel...
1
interferogramme inSAR, déroulemen...
1
Oumaima
1
محرك لاتزامني ذو قفص السنجاب، الت...
Has File(s)
22
true