University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Cherif,FAbderrahim Yahia |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Traçage des performances d’un apprenant en utilisant les réseaux de neurones / Cherif,FAbderrahim Yahia
Titre : Traçage des performances d’un apprenant en utilisant les réseaux de neurones Type de document : texte imprimé Auteurs : Cherif,FAbderrahim Yahia, Auteur ; Khentout , Chabane, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (66 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux de neurones Index. décimale : 004 - Informatique Résumé : Résumé
Notre travail s’intitule « Traçage des performances d’un apprenant en utilisant les réseaux
de neurones », ce mémoire va montrer comment faire une étude complète sur
l’apprentissage collaboratif, de la collecte des données lors des séances de collaboration,
chacune concernant un module, à l’étude des profils jusqu’à la réalisation d’un
apprentissage automatique sur les apprenants avec les réseaux de neurones et enfin, faire
des prédictions sur les profils des ces apprenants pour les orienter dans leurs choix. Le
mémoire se compose de quatre chapitres. Le premier définira l’apprentissage collaboratif
et le modèle de l’apprenant, le deuxième présentera les réseaux de neurones, le troisième
expliquera les données et le modèle utilisé, quant au quatrième, il décrira l’implémentation
et les résultats obtenus.Note de contenu : Sommaire
Table des matières
Introduction générale ........................................................................................................................ 1
Introduction au premier chapitre ...................................................................................................... 3
1. La collaboration .......................................................................................................................... 3
1.1. Définition ............................................................................................................................ 3
1.2. La différence avec la coopération ...................................................................................... 3
1.3. Les outils de collaboration ................................................................................................. 4
1.4. Le travail collaboratif .......................................................................................................... 4
2. L’apprentissage collaboratif ....................................................................................................... 4
2.1. Les fondements de l’apprentissage collaboratif ................................................................ 4
2.2. Qu’est-ce que l’apprentissage collaboratif ? ..................................................................... 6
2.3. Les principales caractéristiques de l’apprentissage collaboratif ........................................ 7
2.4. L’appellation computer supported collaborative learning (CSCL) ..................................... 8
2.5. Les avantages de l’apprentissage collaboratif ................................................................... 8
ï‚· Selon Walckiers et De Praetere .......................................................................... 8
 D’un point de vue pédagogique ......................................................................... 9
 D’un point de vue social ..................................................................................... 9
 D’un point de vue psychologique ..................................................................... 10
3. Le modèle de l’apprenant ........................................................................................................ 10
3.1. Pourquoi on utilise le modèle de l’apprenant ? ............................................................... 11
3.2. Les problèmes du modèle de l’apprenant ....................................................................... 11
3.3. Différents types de modélisation de l’apprenant ............................................................ 11
3.3.1. Le modèle de recouvrement (ovcrlay model) (VallLehll, 1988) ....................... 11
3.3.2. Le modèle par perturbations (buggy model) ................................................... 12
3.4. Elaboration du modèle de l'apprenant ............................................................................ 14
3.5. L’acquisition des connaissances ....................................................................................... 14
3.6. Les problèmes d'acquisition ............................................................................................. 15
Conclusion ......................................................................................................... 15
Introduction au deuxième chapitre ................................................................................................. 16
1. L’apparition des réseaux de neurones ..................................................................................... 16
2. La physiologie des neurones .................................................................................................... 17
3. Historique de la formalisation des réseaux de neurones ........................................................ 17
4. Les réseaux de neurones artificiels .......................................................................................... 18
4.1. Structure d’un neurone artificiel ...................................................................................... 19
4.2. Comportement d’un neurone artificiel ............................................................................ 20
4.3. Comparaison avec le neurone biologique ........................................................................ 20
5. Les fonctions d’activation......................................................................................................... 20
6. Les variantes des réseaux de neurones ................................................................................... 21
7. Topologie des réseaux de neurones ........................................................................................ 21
7.1. Réseau multicouche ( Feedforward ) ............................................................................... 22
 L’architecture des réseaux multi-couches ....................................................... 22
7.2. Réseau à connexions locales ............................................................................................ 23
7.3. Réseaux récurrents ou bouclés ( feedback network ) ...................................................... 23
ï‚· Long short-term memory (LSTM) ......................................................................................... 24
7.4. Réseau à connexions complètes ...................................................................................... 25
8. Apprentissage des réseaux de neurones ................................................................................. 25
8.1. Apprentissage non-supervisé ........................................................................................... 25
8.2. Apprentissage par renforcement ..................................................................................... 25
8.3. Apprentissage supervisé (Back Propagation) ................................................................... 26
9. Le Perceptron ........................................................................................................................... 26
9.1. Algorithme du Perceptron................................................................................................ 27
9.2. Limite du Perceptron et passage aux réseaux multicouches ........................................... 27
10. L’ajustement des poids ........................................................................................................ 27
10.1. La loi de Hebb ............................................................................................................... 27
10.2. La loi de Widrow-Hoff (delta rule)................................................................................ 28
11. Domaines d’application des réseaux de neurones artificiels et exemples .......................... 28
11.1. Système de mise en correspondance (domaine médical) ........................................... 29
11.2. Prédiction météorologique .......................................................................................... 29
11.3. Traitement d’images (exemple de l’évaluation de la qualité des plantes) .................. 30
11.4. La reconnaissance ........................................................................................................ 30
11.5. Les prévisions ............................................................................................................... 30
11.6. Approximation de fonctions ......................................................................................... 30
11.7. La robotique ................................................................................................................. 31
11.8. Optimisation de trajectoires ........................................................................................ 31
12. Avantages et inconvénients des réseaux de neurones ........................................................ 31
12.1. Les avantages ............................................................................................................... 31
12.2. Les inconvénients ......................................................................................................... 31
Conclusion .....................................................................................................................
Introduction au troisième chapitre .................................................................................................. 32
1. L’analyse du comportement d’un apprenant lors d’une session de collaboration pour la
collection de données ...................................................................................................................... 32
1.1. L’utilité d’un apprentissage collaboratif selon la nature des personnes ......................... 32
1.2. Le système d'analyse du processus d'interaction de Bales ............................................. 33
1.3. Le système d’analyse de Pléty .......................................................................................... 35
1.4. Combinaison des deux grilles « la grille hybride » ........................................................... 36
ï‚· Comportemental .............................................................................................. 37
ï‚· Relationnel ....................................................................................................... 38
2. La génération de données ........................................................................................................ 38
2.1. Problème d’absence de données ..................................................................................... 38
2.2. Génération des données en s’inspirant de la grille hybride ............................................ 39
2.3. Les variables utilisées ....................................................................................................... 41
2.4. Comment remplir nos variables ? .................................................................................... 42
2.5. La base de données .......................................................................................................... 43
3. Le travail à faire ........................................................................................................................ 45
3.1. L’étude .............................................................................................................................. 45
3.2. La prédiction avec les réseaux de neurones .................................................................... 45
3.3. Pourquoi donc faire cette prédiction ? ............................................................................ 46
Conclusion ................................................................................................................ 46
Introduction au quatrième chapitre ................................................................................................ 47
1. Le langage de programmation utilisé R .................................................................................... 47
1.1. Historique ......................................................................................................................... 47
1.2. Description sommaire de R .............................................................................................. 48
1.3. Avantages et faiblesses du langage R ............................................................................... 48
ï‚· Avantages ......................................................................................................... 48
ï‚· Faiblesses ......................................................................................................... 49
1.4. Pourquoi avoir choisi R comme langage de programmation ? ........................................ 49
2. Environnement de développement ......................................................................................... 49
2.1. Moyen matériel ................................................................................................................ 49
2.2. Moyen logiciel « RStudio » ............................................................................................... 49
3. Implémentation du modèle et résultats .................................................................................. 50
3.1. La création des données .................................................................................................. 50
3.2. Implémentation du modèle avec le package « neuralnet »............................................. 50
3.2.1. Présentation du package .................................................................................. 50
3.2.2. Division de la base de données en train et test ............................................... 50
3.2.3. La fonction d’entrainement « neuralnet » ....................................................... 50
3.2.4. La fonction de test « compute » ...................................................................... 51
3.3. Discussion des résultats obtenus avec le package « neuralnet » .................................... 51
3.3.1. Résultats de l’entrainement avec une seule couche cachée ........................... 51
3.3.2. Résultats de l’entrainement avec plusieurs couches cachée ........................... 53
3.3.3. Résultats de l’entrainement avec plusieurs couches et un algorithme différent55
3.3.4. Comparaison entre les trois modèle ................................................................ 57
3.4. Implémentation du modèle avec le package « nnet » ..................................................... 58
3.4.1. Présentation du package .................................................................................. 58
3.4.2. Division des données en train et test ............................................................... 58
3.4.3. La fonction d’entrainement « nnet » ............................................................... 58
3.4.4. La fonction de prédiction « predict » ............................................................... 59
3.5. Discussion des résultats obtenus avec le package « nnet » ............................................. 59
3.5.1. Résultats de l’entrainement avec un neurone dans la couche cachée ............ 59
3.5.2. Résultats de l’entrainement avec 5 neurones dans la couche cachée ............ 61
3.5.3. Résultats de l’entrainement avec 10 neurones dans la couche cachée .......... 62
3.5.4. Résumé des résultats obtenus ......................................................................... 63
4. Résultat qui n’a pas abouti ....................................................................................................... 63
Conclusion ............................................................................................................... 64
Conclusion générale ......................................................................................................................... 65
Références ............................................................................................................. 66Côte titre : MAI/0231 En ligne : https://drive.google.com/file/d/13GrFbqf9kQujgX7ql_Svx-UaccIjDrFr/view?usp=shari [...] Format de la ressource électronique : Traçage des performances d’un apprenant en utilisant les réseaux de neurones [texte imprimé] / Cherif,FAbderrahim Yahia, Auteur ; Khentout , Chabane, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (66 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux de neurones Index. décimale : 004 - Informatique Résumé : Résumé
Notre travail s’intitule « Traçage des performances d’un apprenant en utilisant les réseaux
de neurones », ce mémoire va montrer comment faire une étude complète sur
l’apprentissage collaboratif, de la collecte des données lors des séances de collaboration,
chacune concernant un module, à l’étude des profils jusqu’à la réalisation d’un
apprentissage automatique sur les apprenants avec les réseaux de neurones et enfin, faire
des prédictions sur les profils des ces apprenants pour les orienter dans leurs choix. Le
mémoire se compose de quatre chapitres. Le premier définira l’apprentissage collaboratif
et le modèle de l’apprenant, le deuxième présentera les réseaux de neurones, le troisième
expliquera les données et le modèle utilisé, quant au quatrième, il décrira l’implémentation
et les résultats obtenus.Note de contenu : Sommaire
Table des matières
Introduction générale ........................................................................................................................ 1
Introduction au premier chapitre ...................................................................................................... 3
1. La collaboration .......................................................................................................................... 3
1.1. Définition ............................................................................................................................ 3
1.2. La différence avec la coopération ...................................................................................... 3
1.3. Les outils de collaboration ................................................................................................. 4
1.4. Le travail collaboratif .......................................................................................................... 4
2. L’apprentissage collaboratif ....................................................................................................... 4
2.1. Les fondements de l’apprentissage collaboratif ................................................................ 4
2.2. Qu’est-ce que l’apprentissage collaboratif ? ..................................................................... 6
2.3. Les principales caractéristiques de l’apprentissage collaboratif ........................................ 7
2.4. L’appellation computer supported collaborative learning (CSCL) ..................................... 8
2.5. Les avantages de l’apprentissage collaboratif ................................................................... 8
ï‚· Selon Walckiers et De Praetere .......................................................................... 8
 D’un point de vue pédagogique ......................................................................... 9
 D’un point de vue social ..................................................................................... 9
 D’un point de vue psychologique ..................................................................... 10
3. Le modèle de l’apprenant ........................................................................................................ 10
3.1. Pourquoi on utilise le modèle de l’apprenant ? ............................................................... 11
3.2. Les problèmes du modèle de l’apprenant ....................................................................... 11
3.3. Différents types de modélisation de l’apprenant ............................................................ 11
3.3.1. Le modèle de recouvrement (ovcrlay model) (VallLehll, 1988) ....................... 11
3.3.2. Le modèle par perturbations (buggy model) ................................................... 12
3.4. Elaboration du modèle de l'apprenant ............................................................................ 14
3.5. L’acquisition des connaissances ....................................................................................... 14
3.6. Les problèmes d'acquisition ............................................................................................. 15
Conclusion ......................................................................................................... 15
Introduction au deuxième chapitre ................................................................................................. 16
1. L’apparition des réseaux de neurones ..................................................................................... 16
2. La physiologie des neurones .................................................................................................... 17
3. Historique de la formalisation des réseaux de neurones ........................................................ 17
4. Les réseaux de neurones artificiels .......................................................................................... 18
4.1. Structure d’un neurone artificiel ...................................................................................... 19
4.2. Comportement d’un neurone artificiel ............................................................................ 20
4.3. Comparaison avec le neurone biologique ........................................................................ 20
5. Les fonctions d’activation......................................................................................................... 20
6. Les variantes des réseaux de neurones ................................................................................... 21
7. Topologie des réseaux de neurones ........................................................................................ 21
7.1. Réseau multicouche ( Feedforward ) ............................................................................... 22
 L’architecture des réseaux multi-couches ....................................................... 22
7.2. Réseau à connexions locales ............................................................................................ 23
7.3. Réseaux récurrents ou bouclés ( feedback network ) ...................................................... 23
ï‚· Long short-term memory (LSTM) ......................................................................................... 24
7.4. Réseau à connexions complètes ...................................................................................... 25
8. Apprentissage des réseaux de neurones ................................................................................. 25
8.1. Apprentissage non-supervisé ........................................................................................... 25
8.2. Apprentissage par renforcement ..................................................................................... 25
8.3. Apprentissage supervisé (Back Propagation) ................................................................... 26
9. Le Perceptron ........................................................................................................................... 26
9.1. Algorithme du Perceptron................................................................................................ 27
9.2. Limite du Perceptron et passage aux réseaux multicouches ........................................... 27
10. L’ajustement des poids ........................................................................................................ 27
10.1. La loi de Hebb ............................................................................................................... 27
10.2. La loi de Widrow-Hoff (delta rule)................................................................................ 28
11. Domaines d’application des réseaux de neurones artificiels et exemples .......................... 28
11.1. Système de mise en correspondance (domaine médical) ........................................... 29
11.2. Prédiction météorologique .......................................................................................... 29
11.3. Traitement d’images (exemple de l’évaluation de la qualité des plantes) .................. 30
11.4. La reconnaissance ........................................................................................................ 30
11.5. Les prévisions ............................................................................................................... 30
11.6. Approximation de fonctions ......................................................................................... 30
11.7. La robotique ................................................................................................................. 31
11.8. Optimisation de trajectoires ........................................................................................ 31
12. Avantages et inconvénients des réseaux de neurones ........................................................ 31
12.1. Les avantages ............................................................................................................... 31
12.2. Les inconvénients ......................................................................................................... 31
Conclusion .....................................................................................................................
Introduction au troisième chapitre .................................................................................................. 32
1. L’analyse du comportement d’un apprenant lors d’une session de collaboration pour la
collection de données ...................................................................................................................... 32
1.1. L’utilité d’un apprentissage collaboratif selon la nature des personnes ......................... 32
1.2. Le système d'analyse du processus d'interaction de Bales ............................................. 33
1.3. Le système d’analyse de Pléty .......................................................................................... 35
1.4. Combinaison des deux grilles « la grille hybride » ........................................................... 36
ï‚· Comportemental .............................................................................................. 37
ï‚· Relationnel ....................................................................................................... 38
2. La génération de données ........................................................................................................ 38
2.1. Problème d’absence de données ..................................................................................... 38
2.2. Génération des données en s’inspirant de la grille hybride ............................................ 39
2.3. Les variables utilisées ....................................................................................................... 41
2.4. Comment remplir nos variables ? .................................................................................... 42
2.5. La base de données .......................................................................................................... 43
3. Le travail à faire ........................................................................................................................ 45
3.1. L’étude .............................................................................................................................. 45
3.2. La prédiction avec les réseaux de neurones .................................................................... 45
3.3. Pourquoi donc faire cette prédiction ? ............................................................................ 46
Conclusion ................................................................................................................ 46
Introduction au quatrième chapitre ................................................................................................ 47
1. Le langage de programmation utilisé R .................................................................................... 47
1.1. Historique ......................................................................................................................... 47
1.2. Description sommaire de R .............................................................................................. 48
1.3. Avantages et faiblesses du langage R ............................................................................... 48
ï‚· Avantages ......................................................................................................... 48
ï‚· Faiblesses ......................................................................................................... 49
1.4. Pourquoi avoir choisi R comme langage de programmation ? ........................................ 49
2. Environnement de développement ......................................................................................... 49
2.1. Moyen matériel ................................................................................................................ 49
2.2. Moyen logiciel « RStudio » ............................................................................................... 49
3. Implémentation du modèle et résultats .................................................................................. 50
3.1. La création des données .................................................................................................. 50
3.2. Implémentation du modèle avec le package « neuralnet »............................................. 50
3.2.1. Présentation du package .................................................................................. 50
3.2.2. Division de la base de données en train et test ............................................... 50
3.2.3. La fonction d’entrainement « neuralnet » ....................................................... 50
3.2.4. La fonction de test « compute » ...................................................................... 51
3.3. Discussion des résultats obtenus avec le package « neuralnet » .................................... 51
3.3.1. Résultats de l’entrainement avec une seule couche cachée ........................... 51
3.3.2. Résultats de l’entrainement avec plusieurs couches cachée ........................... 53
3.3.3. Résultats de l’entrainement avec plusieurs couches et un algorithme différent55
3.3.4. Comparaison entre les trois modèle ................................................................ 57
3.4. Implémentation du modèle avec le package « nnet » ..................................................... 58
3.4.1. Présentation du package .................................................................................. 58
3.4.2. Division des données en train et test ............................................................... 58
3.4.3. La fonction d’entrainement « nnet » ............................................................... 58
3.4.4. La fonction de prédiction « predict » ............................................................... 59
3.5. Discussion des résultats obtenus avec le package « nnet » ............................................. 59
3.5.1. Résultats de l’entrainement avec un neurone dans la couche cachée ............ 59
3.5.2. Résultats de l’entrainement avec 5 neurones dans la couche cachée ............ 61
3.5.3. Résultats de l’entrainement avec 10 neurones dans la couche cachée .......... 62
3.5.4. Résumé des résultats obtenus ......................................................................... 63
4. Résultat qui n’a pas abouti ....................................................................................................... 63
Conclusion ............................................................................................................... 64
Conclusion générale ......................................................................................................................... 65
Références ............................................................................................................. 66Côte titre : MAI/0231 En ligne : https://drive.google.com/file/d/13GrFbqf9kQujgX7ql_Svx-UaccIjDrFr/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0231 MAI/0231 Mémoire Bibliothéque des sciences Français Disponible
Disponible