University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
Ajouter le résultat dans votre panier Affiner la recherche
A deep learning Method for analyzing the spread of information in online social networks / Douadi,hasna
Titre : A deep learning Method for analyzing the spread of information in online social networks Type de document : texte imprimé Auteurs : Douadi,hasna, Auteur ; Drif, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (93 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Cascades indépendantes
Seuil
Processus de diffusion
Pression sociale
Réseaux sociaux
Recommandation d'informationIndex. décimale : 004 Informatique Résumé :
Conclusion générale
La modélisation des processus de diffusion dans les réseaux sociaux touche plusieurs domaines. Il peut s’agir de la diffusion de virus dans une population, de l’adoption de nouveaux produits par des clients potentiels, ou de la diffusion de contenus entre des utilisateurs. La plupart des modèles proposés jusqu’à présent décrivent le processus de diffusion en fonction de la topologie du réseau : une propagation ne peut avoir lieu entre deux individus que s’ils sont liés. Dans le contexte de la diffusion d’information, ces modèles mettent cependant de côté un certain nombre de paramètres importants tels que :
- le contenu de l’information diffusée.
- les goûts des utilisateurs, leurs thématiques d’intérêt.
- l’activité de l’utilisateur et son rôle social.
Afin de pallier à ce problème, nous avons présenté dans cette thèse un modèle de prédiction de diffusion de l’information basé sur les techniques de l’apprentissage profond dans les réseaux sociaux qui permet de voir évoluer l’état (diffusion et non diffusion) des utilisateurs d’un réseau au cours du temps.
Les différents travaux tout au long de cette thèse nous ont permis d’enrichir nos connaissances concernant les points suivants :
• Collecte des données via les API twitter.
• Appliquer les méthodes du processus d’extraction des connaissances ( ECD) sur notre ensemble de données recueilli.
• Découvrir de nouveaux outils d’analyse des réseaux sociaux.
• Se familiariser avec les modèles de deep Learning.
• Pouvoir modéliser un modèle RNN pour la prédiction de la diffusion de l’information dans les réseaux sociaux.
• Maitriser l’implémentation et le test des modèles d’apprentissage profond en R et en Python.
Nous avons présenté un modèle de prédiction de diffusion de l’information dans les réseaux sociaux qui permet de voir évoluer l’état (diffusion et non diffusion) des utilisateurs d’un réseau au cours du temps. Dans un premier temps, nous avons défini les composantes
de ce modèle. Nous avons vu que selon les valeurs des paramètres, nous pouvons améliorer les performances d’apprentissage de notre modèle RNN.
Dans le futur, nous envisageons d’étudier ce phénomène de la diffusion de l’information sur un grand ensemble de données. C’est intéressant aussi d’étudier ce phénomène sur un autre type de réseaux sociaux pour confirmer nos résultats obtenus.
Côte titre : MAI/0235 A deep learning Method for analyzing the spread of information in online social networks [texte imprimé] / Douadi,hasna, Auteur ; Drif, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (93 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Cascades indépendantes
Seuil
Processus de diffusion
Pression sociale
Réseaux sociaux
Recommandation d'informationIndex. décimale : 004 Informatique Résumé :
Conclusion générale
La modélisation des processus de diffusion dans les réseaux sociaux touche plusieurs domaines. Il peut s’agir de la diffusion de virus dans une population, de l’adoption de nouveaux produits par des clients potentiels, ou de la diffusion de contenus entre des utilisateurs. La plupart des modèles proposés jusqu’à présent décrivent le processus de diffusion en fonction de la topologie du réseau : une propagation ne peut avoir lieu entre deux individus que s’ils sont liés. Dans le contexte de la diffusion d’information, ces modèles mettent cependant de côté un certain nombre de paramètres importants tels que :
- le contenu de l’information diffusée.
- les goûts des utilisateurs, leurs thématiques d’intérêt.
- l’activité de l’utilisateur et son rôle social.
Afin de pallier à ce problème, nous avons présenté dans cette thèse un modèle de prédiction de diffusion de l’information basé sur les techniques de l’apprentissage profond dans les réseaux sociaux qui permet de voir évoluer l’état (diffusion et non diffusion) des utilisateurs d’un réseau au cours du temps.
Les différents travaux tout au long de cette thèse nous ont permis d’enrichir nos connaissances concernant les points suivants :
• Collecte des données via les API twitter.
• Appliquer les méthodes du processus d’extraction des connaissances ( ECD) sur notre ensemble de données recueilli.
• Découvrir de nouveaux outils d’analyse des réseaux sociaux.
• Se familiariser avec les modèles de deep Learning.
• Pouvoir modéliser un modèle RNN pour la prédiction de la diffusion de l’information dans les réseaux sociaux.
• Maitriser l’implémentation et le test des modèles d’apprentissage profond en R et en Python.
Nous avons présenté un modèle de prédiction de diffusion de l’information dans les réseaux sociaux qui permet de voir évoluer l’état (diffusion et non diffusion) des utilisateurs d’un réseau au cours du temps. Dans un premier temps, nous avons défini les composantes
de ce modèle. Nous avons vu que selon les valeurs des paramètres, nous pouvons améliorer les performances d’apprentissage de notre modèle RNN.
Dans le futur, nous envisageons d’étudier ce phénomène de la diffusion de l’information sur un grand ensemble de données. C’est intéressant aussi d’étudier ce phénomène sur un autre type de réseaux sociaux pour confirmer nos résultats obtenus.
Côte titre : MAI/0235 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0235 MAI/0235 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Deep Learning Model for Brain Tumor Radiogenomic Classification Type de document : texte imprimé Auteurs : hadjer Ouarem, Auteur ; aymen mohamed Sraouia, Auteur ; khaled Nasri, Directeur de thèse Année de publication : 2022 Importance : 1 vol (67 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé :
For malignant brain tumor (Glioblastoma), known as the worst prognosis, with median
survival being less than a year, recent medical research demonstrates that the presence
of a specific genetic sequence in the tumor known as MGMT promoter methylation has
been shown to be a favorable prognostic factor and a strong predictor of responsiveness to
chemotherapy. The problem is that traditional methodology of surgery to extract a sample to be
analyzed is very complicated for brain tumors cases, and takes long time.
In this work we will explore the efficiency of Deep Learning based methodology to detect the
existence of specific genomic sequences from MRI images. This alternative can be very useful
and can help many cases to be treated. We have used many pretrained models and many images
sequences to realize our experiences, to improve our models and determine which image sequence
is the best to detect MGMT genome from MRI data.Côte titre : MAI/0584 En ligne : https://drive.google.com/file/d/1vIJffysvjMQk-H2jqZA5t7HgVVIUBnUb/view?usp=share [...] Format de la ressource électronique : Deep Learning Model for Brain Tumor Radiogenomic Classification [texte imprimé] / hadjer Ouarem, Auteur ; aymen mohamed Sraouia, Auteur ; khaled Nasri, Directeur de thèse . - 2022 . - 1 vol (67 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé :
For malignant brain tumor (Glioblastoma), known as the worst prognosis, with median
survival being less than a year, recent medical research demonstrates that the presence
of a specific genetic sequence in the tumor known as MGMT promoter methylation has
been shown to be a favorable prognostic factor and a strong predictor of responsiveness to
chemotherapy. The problem is that traditional methodology of surgery to extract a sample to be
analyzed is very complicated for brain tumors cases, and takes long time.
In this work we will explore the efficiency of Deep Learning based methodology to detect the
existence of specific genomic sequences from MRI images. This alternative can be very useful
and can help many cases to be treated. We have used many pretrained models and many images
sequences to realize our experiences, to improve our models and determine which image sequence
is the best to detect MGMT genome from MRI data.Côte titre : MAI/0584 En ligne : https://drive.google.com/file/d/1vIJffysvjMQk-H2jqZA5t7HgVVIUBnUb/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0584 MAI/0584 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : A Deep Learning Model For Collaborative Filtering Type de document : texte imprimé Auteurs : Ferkous, Mohamed Laid, Auteur ; Ahlem Drif, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (83 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Recommender systems
Mutual Influence
Graph Attention NetworkIndex. décimale : 004 - Informatique Résumé :
Recommender systems have become an integral part of e-commerce sites and
other platforms such as social networking, movie/-music rendering websites. Network representation
learning have been used as a successful approaches to build efficient recommender
systems. However, learning the mutual influence generated by the contributions of each
node in the network is a challenging issue. In fact, the mutual influence carries collaborative
signals on user decisions helping to account for complex user-item interactions. For this
purpose, in this master thesis, we propose Multual Intercation Graph Attention Network
‘MIGAN” which is a new algorithm based on a the self-supervised representation learning
on large scale bipartite graph (BGNN). Experiments on real-world datasets demonstrate
that the proposed Graph learning method can achieve more accurate predictions and higher
recommendation efficiency.Côte titre : MAI/0522 En ligne : https://drive.google.com/file/d/1mGYDn5WsQu4tz8wXwWqFf3RXOFw_iyJV/view?usp=shari [...] Format de la ressource électronique : A Deep Learning Model For Collaborative Filtering [texte imprimé] / Ferkous, Mohamed Laid, Auteur ; Ahlem Drif, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (83 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Recommender systems
Mutual Influence
Graph Attention NetworkIndex. décimale : 004 - Informatique Résumé :
Recommender systems have become an integral part of e-commerce sites and
other platforms such as social networking, movie/-music rendering websites. Network representation
learning have been used as a successful approaches to build efficient recommender
systems. However, learning the mutual influence generated by the contributions of each
node in the network is a challenging issue. In fact, the mutual influence carries collaborative
signals on user decisions helping to account for complex user-item interactions. For this
purpose, in this master thesis, we propose Multual Intercation Graph Attention Network
‘MIGAN” which is a new algorithm based on a the self-supervised representation learning
on large scale bipartite graph (BGNN). Experiments on real-world datasets demonstrate
that the proposed Graph learning method can achieve more accurate predictions and higher
recommendation efficiency.Côte titre : MAI/0522 En ligne : https://drive.google.com/file/d/1mGYDn5WsQu4tz8wXwWqFf3RXOFw_iyJV/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0522 MAI/0522 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Deep Learning model for diagnosis of Diabetic Retinopathy Type de document : texte imprimé Auteurs : Bellal, Haroune, Auteur ; Mediani,Chahrazed, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (44 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Côte titre : MAI/0531 En ligne : https://drive.google.com/file/d/1kd1ou4QKRTnlx3y6GGoT3kFVfluoekXU/view?usp=shari [...] Format de la ressource électronique : Deep Learning model for diagnosis of Diabetic Retinopathy [texte imprimé] / Bellal, Haroune, Auteur ; Mediani,Chahrazed, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (44 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Côte titre : MAI/0531 En ligne : https://drive.google.com/file/d/1kd1ou4QKRTnlx3y6GGoT3kFVfluoekXU/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0531 MAI/0531 Mémoire Bibliothéque des sciences Français Disponible
DisponibleA deep learning model for fakenewes detection / Belhakimi,Mohamed Amine
Titre : A deep learning model for fakenewes detection Type de document : texte imprimé Auteurs : Belhakimi,Mohamed Amine, Auteur ; Drif,Ahlem, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (59 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Côte titre : MAI/0282 A deep learning model for fakenewes detection [texte imprimé] / Belhakimi,Mohamed Amine, Auteur ; Drif,Ahlem, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (59 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Côte titre : MAI/0282 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0282 MAI/0282 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkPermalinkPermalinkPermalinkPermalinkPermalinkDeep learning et modélisation de l’incertain pour la compression des données imprécises d’expression génétique / Rim Chemsse Rezig
PermalinkDeep learning models for arrhythmia classification and coronary artery diseases detection / Khaoula Tobbal
PermalinkPermalinkPermalinkDeep Learning pour l'identification et classification des expressions faciales émotionnelles / Diboune, nadia
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkDégradation/Suppression de Données Dirigée Par le Besoin d’Anonymat Exprimé Par le Propriétaire des Données / Bouaicha,Smail
PermalinkPermalinkLa délivrance des alertes dans les réseaux véhiculaires à base des réseaux de capteurs sans fil / Anane,Fahima
Permalink