University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'éditeur
Setif:UFA |
Documents disponibles chez cet éditeur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : FORMES DIFFERENTIELLES Type de document : texte imprimé Auteurs : Rachida Gherieb, Auteur ; Krachni ,M, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (26 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Mathématique Mots-clés : Applications multilinéaires alternées Index. décimale : 510 - Mathématique Résumé :
Formes différentielles est l'une des définitions mathématiques les
plus importants pour l'étude des élèves de spéciales calcul
différentielle
Dans ce travail, on a présenté la définition d'une forme différentielle,
de le produit et la différentiation extérieure et le changement de
variable dans les formes différentielles.Côte titre : MAM/0535 En ligne : https://drive.google.com/file/d/1aOs-0R1POinz8w4F6L3-AjogXpQOLI9x/view?usp=shari [...] Format de la ressource électronique : FORMES DIFFERENTIELLES [texte imprimé] / Rachida Gherieb, Auteur ; Krachni ,M, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (26 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Mathématique Mots-clés : Applications multilinéaires alternées Index. décimale : 510 - Mathématique Résumé :
Formes différentielles est l'une des définitions mathématiques les
plus importants pour l'étude des élèves de spéciales calcul
différentielle
Dans ce travail, on a présenté la définition d'une forme différentielle,
de le produit et la différentiation extérieure et le changement de
variable dans les formes différentielles.Côte titre : MAM/0535 En ligne : https://drive.google.com/file/d/1aOs-0R1POinz8w4F6L3-AjogXpQOLI9x/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAM/0535 MAM/0535 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Formulation de l’incertain dans le processus d’extraction des connaissances : Comparatif entre logique floue et possibiliste Type de document : texte imprimé Auteurs : Boussahel ,Ines, Auteur ; Mekroud,Noureddine, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (63 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatique
Images d’expression génétique
Extraction de connaissances
Fouille de données,
Règles d'associations
Théorie des possibilités
Support et Confiance d'un ensembleIndex. décimale : 004 - Informatique Résumé : La bioinformatique est un domaine de recherche d’actualité, qui traite des données vitales et très volumineuses, mais souvent imprécises et / ou incertaines. Parmi les données étudiées par les biologistes on trouve les images d’expression génétique d’une espèce modèle, qui est dans notre travail l’embryon de l’espèce modèle «Edinburg Mouse». L'objectif de cette étude est d'extraire les règles des associations possibilistes à partir de ces séquences d’images de l'expression génique. Plusieurs opérations de prétraitement ont été effectuées afin de réduire la complexité de l'algorithme proposé. Notre étude consiste en une modification de l'algorithme initial d'Apriori en se basant sur la redéfinition de la méthode de calcul du support et ainsi que la confiance des règles extraites, en utilisant trois approches différentes : le t-norme, le t-conorme et le produit des degrés d'appartenance. Enfin, les règles des associations possibilistes seront extraites, suivi par une discussion sur leur qualité par rapport à celles d’un travail précédent basé sur des règles d'association floues. Note de contenu : Sommaire
Remerciements
Dédicaces
Listes de figures
Listes de tableaux
Introduction générale
1. Introduction .................................................................................................................................. 1
2. Définition de la bio-informatique ................................................................................................ 1
3. Historique de la Bio-informatique .............................................................................................. 3
4. But de La Bioinformatique .......................................................................................................... 4
5. Les domaines d’application de la bioinformatique ................................................................... 4
6. Théorie fondamentale de la biologie moléculaire ...................................................................... 5
7. Expression de l'information génétique ....................................................................................... 6
8. Les banques de données biologiques ........................................................................................... 8
8.1 Les banques généralistes ........................................................................................................ 9
8.1.1 Banques de séquences nucléotidiques ................................................................ 9
8.1.2 Banques de séquences protéiques ................................................................................. 9
8.1.3 Autres banques ............................................................................................................... 9
8.2 Banques spécialisées ........................................................................................................... 10
8.2.1 Banques thématiques .................................................................................................... 10
8.2.2 Banques génomiques ..................................................................................................... 10
8.3 Les séquences images d’expression génétique .................................................................. 10
9. L’imagerie in vivo des expressions génétiques........................................................................ 10
10. L’embryon de poisson zèbre, un puissant modèle in vivo ................................................... 11
11. L’imagerie in vivo de l’embryon de « Edinburgh Mouse » .................................................. 12
12. La base de données utilisée ...................................................................................................... 12
14. Conclusion ................................................................................................................................. 13
1. Introduction ................................................................................................................ 15
2. Extraction des connaissances à partir de données (ECD) ...................................................... 15
2.1 Définition de l’ECD ............................................................................................................. 15
2.2 Quelques notions de bases : Donnée, Information et Connaissance .............................. 16
2.2.1 Donnée ............................................................................................................. 16
2.2.2 L'information ................................................................................................................ 16
2.2.3 Connaissance................................................................................................................. 16
2.3 Les étapes d’un processus d’ECD ...................................................................................... 17
2
2.3.1 Nettoyage et intégration des données ........................................................ 17
2.3.2 Prétraitement des données ........................................................................................... 17
2.3.3 Fouille de données (Data Mining) ............................................................................... 17
2.3.4 L’interprétation et la validation ................................................................................. 18
3. Fouille de données (data mining) et ECD ................................................................................. 19
3.1 Définition .......................................................................................................... 19
3.2 Historique ........................................................................................................ 20
3.3 Les types (sous catégories) de Data Mining ............................................................ 20
3.4 Principales tâches de fouille de données ............................................................................ 20
4. La Classification .................................................................................... 22
4.1 Définition ....................................................................................................... 22
4.2 Mesures de la qualité d'une méthode de classification.................................................... 22
5. Segmentation (Clustering) ......................................................................................................... 24
6. Règles d’association .................................................................................................
27 6.1 Définition .......................................................................................................... 27
6.2 La recherche des règles d’association ................................................................................ 27
6.2.1 Support d’un item ........................................................................................................ 28
6.2.2 Support d’une règle d’association............................................................................... 28
6.2.3 Confiance d’une règle d’association ........................................................................... 28
6.3 Algorithme a priori (Agrawal et Srikant [1994]) .............................................................. 28
6.3.1 Fonctionnement ............................................................................................................ 28
6.3.2 Algorithme .................................................................................................................... 29
6.3.3 Exemple ......................................................................................................................... 30
6.3.4 Génération des règles ................................................................................................... 30
7. Conclusion ................................................................................................................................... 31
1. Introduction ................................................................................................................................ 33
2. Les données imparfaites............................................................................................................. 33
2.1 L’information imprécise ..................................................................................................... 34
2.2 L’information incomplète ................................................................................................... 34
2.3 L’information incertaine .................................................................................................... 35
2.4 L’inconsistance .................................................................................................................... 35
3. Les théories de l'incertain .......................................................................................................... 35
4. La théorie des probabilités ........................................................................................................ 36
4.1 Définition .............................................................................................................................. 36
4.2 Propriétés des probabilités ................................................................................................ 37
4.3 Différence entre statistiques et probabilités ...................................................................... 37
3
5. La logique floue .......................................................................................................................... 38
5.1 Logique classique et logique floue ...................................................................................... 38
5.2 Sous-ensembles flous ........................................................................................................... 39
5.2.1 Définition ....................................................................................................................... 40
5.2.2 L’univers de discoure ................................................................................................... 40
5.2.3 Les variables linguistiques ........................................................................................... 40
5.2.4 Fonction d’appartenance ............................................................................................. 41
5.2.5 Caractéristique d’un sous-ensemble floue ................................................................. 41
5.2.6 Operations sur les ensembles flous ............................................................................. 42
5.2.7 Les normes triangulaires ............................................................................................. 43
6. La théorie des possibilités .......................................................................................................... 44
6.1 Définition .............................................................................................................................. 44
6.2 Mesures de : possibilité et nécessité et de confiance ......................................................... 45
6.2.1 Mesure de confiance ..................................................................................................... 45
6.2.2 Mesure de possibilité .................................................................................................... 45
6.2.3 Mesure de nécessité ...................................................................................................... 46
6.3 Distribution de possibilités.................................................................................................. 46
6.3.1 Définition ....................................................................................................................... 46
7. La théorie des croyances ............................................................................................................ 47
8. Les règles d’association floues ................................................................................................... 47
8.1 Définition d’une règle d’association floue ......................................................................... 48
8.2 Mesures de qualité des Item sets flous ............................................................................... 49
8.2.1 Le degré d’un Item set (X, A) ...................................................................................... 49
8.2.2 Cardinalité d’un sous-ensemble flou ( comptage seuillée) ................................ 50
8.2.3 Le support et la confiance d’une règle d’association floue ....................................... 51
9. Modélisation proposée ............................................................................................................... 56
10. Conclusion ................................................................................................................................. 57
1. Introduction ............................................................................................................................ 59
2. Environnement logiciel .......................................................................................................... 59
3. L’approche proposée.............................................................................................................. 60
3.1 Présentation générale .......................................................................................................... 60
3.2 Contribution ........................................................................................................................ 62
3.3 Prétraitement ....................................................................................................................... 62
3.3.1 Redimensionner ............................................................................................................ 63
3.3.2 Indexation ...................................................................................................................... 63
Côte titre : MAI/0324 En ligne : https://drive.google.com/file/d/19CP6ndqJAOrTVRr1HD1KsxejGBRakvia/view?usp=shari [...] Format de la ressource électronique : Formulation de l’incertain dans le processus d’extraction des connaissances : Comparatif entre logique floue et possibiliste [texte imprimé] / Boussahel ,Ines, Auteur ; Mekroud,Noureddine, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (63 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatique
Images d’expression génétique
Extraction de connaissances
Fouille de données,
Règles d'associations
Théorie des possibilités
Support et Confiance d'un ensembleIndex. décimale : 004 - Informatique Résumé : La bioinformatique est un domaine de recherche d’actualité, qui traite des données vitales et très volumineuses, mais souvent imprécises et / ou incertaines. Parmi les données étudiées par les biologistes on trouve les images d’expression génétique d’une espèce modèle, qui est dans notre travail l’embryon de l’espèce modèle «Edinburg Mouse». L'objectif de cette étude est d'extraire les règles des associations possibilistes à partir de ces séquences d’images de l'expression génique. Plusieurs opérations de prétraitement ont été effectuées afin de réduire la complexité de l'algorithme proposé. Notre étude consiste en une modification de l'algorithme initial d'Apriori en se basant sur la redéfinition de la méthode de calcul du support et ainsi que la confiance des règles extraites, en utilisant trois approches différentes : le t-norme, le t-conorme et le produit des degrés d'appartenance. Enfin, les règles des associations possibilistes seront extraites, suivi par une discussion sur leur qualité par rapport à celles d’un travail précédent basé sur des règles d'association floues. Note de contenu : Sommaire
Remerciements
Dédicaces
Listes de figures
Listes de tableaux
Introduction générale
1. Introduction .................................................................................................................................. 1
2. Définition de la bio-informatique ................................................................................................ 1
3. Historique de la Bio-informatique .............................................................................................. 3
4. But de La Bioinformatique .......................................................................................................... 4
5. Les domaines d’application de la bioinformatique ................................................................... 4
6. Théorie fondamentale de la biologie moléculaire ...................................................................... 5
7. Expression de l'information génétique ....................................................................................... 6
8. Les banques de données biologiques ........................................................................................... 8
8.1 Les banques généralistes ........................................................................................................ 9
8.1.1 Banques de séquences nucléotidiques ................................................................ 9
8.1.2 Banques de séquences protéiques ................................................................................. 9
8.1.3 Autres banques ............................................................................................................... 9
8.2 Banques spécialisées ........................................................................................................... 10
8.2.1 Banques thématiques .................................................................................................... 10
8.2.2 Banques génomiques ..................................................................................................... 10
8.3 Les séquences images d’expression génétique .................................................................. 10
9. L’imagerie in vivo des expressions génétiques........................................................................ 10
10. L’embryon de poisson zèbre, un puissant modèle in vivo ................................................... 11
11. L’imagerie in vivo de l’embryon de « Edinburgh Mouse » .................................................. 12
12. La base de données utilisée ...................................................................................................... 12
14. Conclusion ................................................................................................................................. 13
1. Introduction ................................................................................................................ 15
2. Extraction des connaissances à partir de données (ECD) ...................................................... 15
2.1 Définition de l’ECD ............................................................................................................. 15
2.2 Quelques notions de bases : Donnée, Information et Connaissance .............................. 16
2.2.1 Donnée ............................................................................................................. 16
2.2.2 L'information ................................................................................................................ 16
2.2.3 Connaissance................................................................................................................. 16
2.3 Les étapes d’un processus d’ECD ...................................................................................... 17
2
2.3.1 Nettoyage et intégration des données ........................................................ 17
2.3.2 Prétraitement des données ........................................................................................... 17
2.3.3 Fouille de données (Data Mining) ............................................................................... 17
2.3.4 L’interprétation et la validation ................................................................................. 18
3. Fouille de données (data mining) et ECD ................................................................................. 19
3.1 Définition .......................................................................................................... 19
3.2 Historique ........................................................................................................ 20
3.3 Les types (sous catégories) de Data Mining ............................................................ 20
3.4 Principales tâches de fouille de données ............................................................................ 20
4. La Classification .................................................................................... 22
4.1 Définition ....................................................................................................... 22
4.2 Mesures de la qualité d'une méthode de classification.................................................... 22
5. Segmentation (Clustering) ......................................................................................................... 24
6. Règles d’association .................................................................................................
27 6.1 Définition .......................................................................................................... 27
6.2 La recherche des règles d’association ................................................................................ 27
6.2.1 Support d’un item ........................................................................................................ 28
6.2.2 Support d’une règle d’association............................................................................... 28
6.2.3 Confiance d’une règle d’association ........................................................................... 28
6.3 Algorithme a priori (Agrawal et Srikant [1994]) .............................................................. 28
6.3.1 Fonctionnement ............................................................................................................ 28
6.3.2 Algorithme .................................................................................................................... 29
6.3.3 Exemple ......................................................................................................................... 30
6.3.4 Génération des règles ................................................................................................... 30
7. Conclusion ................................................................................................................................... 31
1. Introduction ................................................................................................................................ 33
2. Les données imparfaites............................................................................................................. 33
2.1 L’information imprécise ..................................................................................................... 34
2.2 L’information incomplète ................................................................................................... 34
2.3 L’information incertaine .................................................................................................... 35
2.4 L’inconsistance .................................................................................................................... 35
3. Les théories de l'incertain .......................................................................................................... 35
4. La théorie des probabilités ........................................................................................................ 36
4.1 Définition .............................................................................................................................. 36
4.2 Propriétés des probabilités ................................................................................................ 37
4.3 Différence entre statistiques et probabilités ...................................................................... 37
3
5. La logique floue .......................................................................................................................... 38
5.1 Logique classique et logique floue ...................................................................................... 38
5.2 Sous-ensembles flous ........................................................................................................... 39
5.2.1 Définition ....................................................................................................................... 40
5.2.2 L’univers de discoure ................................................................................................... 40
5.2.3 Les variables linguistiques ........................................................................................... 40
5.2.4 Fonction d’appartenance ............................................................................................. 41
5.2.5 Caractéristique d’un sous-ensemble floue ................................................................. 41
5.2.6 Operations sur les ensembles flous ............................................................................. 42
5.2.7 Les normes triangulaires ............................................................................................. 43
6. La théorie des possibilités .......................................................................................................... 44
6.1 Définition .............................................................................................................................. 44
6.2 Mesures de : possibilité et nécessité et de confiance ......................................................... 45
6.2.1 Mesure de confiance ..................................................................................................... 45
6.2.2 Mesure de possibilité .................................................................................................... 45
6.2.3 Mesure de nécessité ...................................................................................................... 46
6.3 Distribution de possibilités.................................................................................................. 46
6.3.1 Définition ....................................................................................................................... 46
7. La théorie des croyances ............................................................................................................ 47
8. Les règles d’association floues ................................................................................................... 47
8.1 Définition d’une règle d’association floue ......................................................................... 48
8.2 Mesures de qualité des Item sets flous ............................................................................... 49
8.2.1 Le degré d’un Item set (X, A) ...................................................................................... 49
8.2.2 Cardinalité d’un sous-ensemble flou ( comptage seuillée) ................................ 50
8.2.3 Le support et la confiance d’une règle d’association floue ....................................... 51
9. Modélisation proposée ............................................................................................................... 56
10. Conclusion ................................................................................................................................. 57
1. Introduction ............................................................................................................................ 59
2. Environnement logiciel .......................................................................................................... 59
3. L’approche proposée.............................................................................................................. 60
3.1 Présentation générale .......................................................................................................... 60
3.2 Contribution ........................................................................................................................ 62
3.3 Prétraitement ....................................................................................................................... 62
3.3.1 Redimensionner ............................................................................................................ 63
3.3.2 Indexation ...................................................................................................................... 63
Côte titre : MAI/0324 En ligne : https://drive.google.com/file/d/19CP6ndqJAOrTVRr1HD1KsxejGBRakvia/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0324 MAI/0324 Mémoire Bibliothéque des sciences Français Disponible
DisponibleFormule empirique pour le calcul des sections efficaces des réactions (n, α) à 14.5 MeV / Sabrina Douma
Titre : Formule empirique pour le calcul des sections efficaces des réactions (n, α) à 14.5 MeV Type de document : texte imprimé Auteurs : Sabrina Douma, Auteur ; Naima Amrani, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (50 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Index. décimale : 530 - Physique Résumé :
Dans ce travail, nous avons proposé une formule empirique pour le calcul rapide
de la section efficace de réaction (n, α) à une énergie neutronique de 14.5 MeV.
La formule empirique suggérée a été comparée à d'autres formules empiriques
afin d'avoir une idée de sa précision. À partir de cette comparaison, nous avons
conclu que notre formule empirique suggérée pour le calcul de la section
efficace de réaction (n, α) à 14.5 MeV d'énergie neutronique correspond mieux
aux 15 données expérimentales de 39 ≤A≤ 200 utilisées par rapport aux autres
formules; de plus, notre formule est relativement simple mais plus précise.Côte titre : MAPH/0398 En ligne : https://drive.google.com/file/d/1opga5wLQdctG_4Oc_dbgfjYo7xcxBASz/view?usp=shari [...] Format de la ressource électronique : Formule empirique pour le calcul des sections efficaces des réactions (n, α) à 14.5 MeV [texte imprimé] / Sabrina Douma, Auteur ; Naima Amrani, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (50 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Index. décimale : 530 - Physique Résumé :
Dans ce travail, nous avons proposé une formule empirique pour le calcul rapide
de la section efficace de réaction (n, α) à une énergie neutronique de 14.5 MeV.
La formule empirique suggérée a été comparée à d'autres formules empiriques
afin d'avoir une idée de sa précision. À partir de cette comparaison, nous avons
conclu que notre formule empirique suggérée pour le calcul de la section
efficace de réaction (n, α) à 14.5 MeV d'énergie neutronique correspond mieux
aux 15 données expérimentales de 39 ≤A≤ 200 utilisées par rapport aux autres
formules; de plus, notre formule est relativement simple mais plus précise.Côte titre : MAPH/0398 En ligne : https://drive.google.com/file/d/1opga5wLQdctG_4Oc_dbgfjYo7xcxBASz/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0398 MAPH/0398 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Fouille de données basée algorithmes bio-inspirés Type de document : texte imprimé Auteurs : ZOUACHE, Djaafar, Auteur ; Abdelouahab Moussaoui, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (98 f .) Format : 29 cm Catégories : Informatique Mots-clés : Fouille de données Informatique quantique algorithme de luciole Optimisation par essaime de particules Sélection d’attributs Problème
d’optimisation discrète Problème du sac à dosRésumé : Résumé
L’extraction de connaissances dans les bases de données, également appelé
“data mining”, désigne le processus de découverte des informations et des
connaissances utiles, nouvelles et compréhensibles à partir d’une base de
données de grande taille, d’un entrepôt de données ou d’autres bases. La
majorité des problèmes d’extraction de connaissances peuvent s’exprimer comme
des problèmes d’optimisation combinatoire. Par conséquent, nous avons besoin
d’une approche fondamentale différente des approches d’extraction exactes
classiques. Cette approche est basée sur l’inspiration des idées et des intuitions à
partir de la nature et de la vie (biologique, physique, etc.) pour résoudre les
problèmes d’extraction de connaissances.
Notre contribution est faite en deux phases : La première phase consiste à
concevoir des méta-heuristiques bio-inspirés pour résoudre des problèmes
d’optimisation combinatoire d’une manière générale et la deuxième phase
consiste à réaliser et d’appliquer ces méta-heuristiques proposées aux problèmes
d’extraction de connaissances.
Dans la première phase, nous avons proposé deux algorithmes bio-inspirés,
le premier algorithme appelé QDEPSO hybride entre le DE et le PSO. Le
deuxième algorithme appelé QIFAPSO fait coopérer le firefly algorithm et le
PSO. Les deux algorithmes utilisent les concepts de l’informatique quantique.
Dans la deuxième phase, nous avons appliqué l’algorithme QIFAPSO pour
résoudre le problème de la sélection d’attributs.
Une évaluation expérimentale approfondie sur les différents jeux de
données disponibles dans la littérature montre que les algorithmes développés
sont performants et concurrents en terme de qualité de solutions comparant avec
d’autres algorithmes qu’ont été développés pour résoudre des problèmes
d’optimisation combinatoire ou bien dans la résolution de problème de la
sélection d’attributs.
Note de contenu : Contents
1 Introduction 1
1.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Data mining and optimization . . . . . . . . . . . . . . . . . . 1
1.1.2 Metaheuristics methods for discrete optimization . . . . . . . 2
1.2 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Majors contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Thesis organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Academic publications and communication produced . . . . . . . . 8
2 Bio-inspired algorithms for feature selection in classification 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Bio-inspired algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Quantum inspired computation . . . . . . . . . . . . . . . . . 10
2.2.2 Particle swarm optimization method . . . . . . . . . . . . . . . 11
2.2.3 Differential Evolution . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.4 Firefly algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Feature selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Feature selection process . . . . . . . . . . . . . . . . . . . . . . 16
2.3.3 Classification of feature selection approaches . . . . . . . . . 17
2.4 Entropy, mutual information . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Basic notions on Rough set theory . . . . . . . . . . . . . . . . . . . . 19
2.6 Background of approaches for feature selection . . . . . . . . . . . . . 21
2.6.1 Mutual information based approach . . . . . . . . . . . . . . . 21
2.6.2 Rough set based approaches . . . . . . . . . . . . . . . . . . . 21
2.6.3 Metaheuristics approaches based on rough set for feature selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.7 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 QDEPSO for Knapsack Problem 25
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Knapsack Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 The proposed algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.1 Binary representation of items selection . . . . . . . . . . . . . 29
3.3.2 Quantum representation . . . . . . . . . . . . . . . . . . . . . . 29
3.3.3 Initialization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.4 Quantum observation . . . . . . . . . . . . . . . . . . . . . . . 30
3.3.5 Mutation operation . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.6 Crossover operation . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.7 Selection operation . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.8 Quantum rotation gate . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.9 Adaptation of the PSO formula . . . . . . . . . . . . . . . . . . 32
3.3.10 Outlines of QDEPSO algorithm . . . . . . . . . . . . . . . . . 33
3.4 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.5 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 QIFAPSO for discrete optimization problems 43
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 0–1 multidimensional knapsack problem: overview and related work 44
4.3 The proposed algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.1 Binary representation of fireflies . . . . . . . . . . . . . . . . . 46
4.3.2 Quantum representation of fireflies . . . . . . . . . . . . . . . 48
4.3.3 Initialization of quantum fireflies’ population . . . . . . . . . 48
4.3.4 Quantum measure . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3.5 Distance between two binary fireflies . . . . . . . . . . . . . . 49
4.3.6 Quantum movement according to the firefly algorithm strategy 51
4.3.7 Quantum movement according to the PSO strategy . . . . . . 53
4.3.8 QIFAPSO algorithm . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4.1 0-1 Simple Knapsack Problem . . . . . . . . . . . . . . . . . . . 54
4.4.2 Multidimensional Knapsack Problem . . . . . . . . . . . . . . 56
4.5 Conclusion and perspectives . . . . . . . . . . . . . . . . . . . . . . . 65
5 Quantum inspired firefly algorithm for feature selection 67
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2 QIFAPSO for feature selection . . . . . . . . . . . . . . . . . . . . . . . 68
5.2.1 Quantum representation for feature selection . . . . . . . . . . 68
5.2.2 Construction of feasible solution by Quantum observation . . 69
5.2.3 Fitness function . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2.4 The distance and attractiveness between two fireflies’ solutions 70
5.2.5 Quantum movements for updating the fireflies’ solutions . . 72
5.3 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.4 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6 Conclusions and Future works 83
6.1 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2 Future works . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Bibliography 87Côte titre : DI/0020 En ligne : https://drive.google.com/file/d/1asHbMhrknzzhu9MJtNiU_6GXXLNbKEdc/view?usp=shari [...] Format de la ressource électronique : Fouille de données basée algorithmes bio-inspirés [texte imprimé] / ZOUACHE, Djaafar, Auteur ; Abdelouahab Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (98 f .) ; 29 cm.
Catégories : Informatique Mots-clés : Fouille de données Informatique quantique algorithme de luciole Optimisation par essaime de particules Sélection d’attributs Problème
d’optimisation discrète Problème du sac à dosRésumé : Résumé
L’extraction de connaissances dans les bases de données, également appelé
“data mining”, désigne le processus de découverte des informations et des
connaissances utiles, nouvelles et compréhensibles à partir d’une base de
données de grande taille, d’un entrepôt de données ou d’autres bases. La
majorité des problèmes d’extraction de connaissances peuvent s’exprimer comme
des problèmes d’optimisation combinatoire. Par conséquent, nous avons besoin
d’une approche fondamentale différente des approches d’extraction exactes
classiques. Cette approche est basée sur l’inspiration des idées et des intuitions à
partir de la nature et de la vie (biologique, physique, etc.) pour résoudre les
problèmes d’extraction de connaissances.
Notre contribution est faite en deux phases : La première phase consiste à
concevoir des méta-heuristiques bio-inspirés pour résoudre des problèmes
d’optimisation combinatoire d’une manière générale et la deuxième phase
consiste à réaliser et d’appliquer ces méta-heuristiques proposées aux problèmes
d’extraction de connaissances.
Dans la première phase, nous avons proposé deux algorithmes bio-inspirés,
le premier algorithme appelé QDEPSO hybride entre le DE et le PSO. Le
deuxième algorithme appelé QIFAPSO fait coopérer le firefly algorithm et le
PSO. Les deux algorithmes utilisent les concepts de l’informatique quantique.
Dans la deuxième phase, nous avons appliqué l’algorithme QIFAPSO pour
résoudre le problème de la sélection d’attributs.
Une évaluation expérimentale approfondie sur les différents jeux de
données disponibles dans la littérature montre que les algorithmes développés
sont performants et concurrents en terme de qualité de solutions comparant avec
d’autres algorithmes qu’ont été développés pour résoudre des problèmes
d’optimisation combinatoire ou bien dans la résolution de problème de la
sélection d’attributs.
Note de contenu : Contents
1 Introduction 1
1.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Data mining and optimization . . . . . . . . . . . . . . . . . . 1
1.1.2 Metaheuristics methods for discrete optimization . . . . . . . 2
1.2 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Majors contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Thesis organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Academic publications and communication produced . . . . . . . . 8
2 Bio-inspired algorithms for feature selection in classification 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Bio-inspired algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Quantum inspired computation . . . . . . . . . . . . . . . . . 10
2.2.2 Particle swarm optimization method . . . . . . . . . . . . . . . 11
2.2.3 Differential Evolution . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.4 Firefly algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Feature selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Feature selection process . . . . . . . . . . . . . . . . . . . . . . 16
2.3.3 Classification of feature selection approaches . . . . . . . . . 17
2.4 Entropy, mutual information . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Basic notions on Rough set theory . . . . . . . . . . . . . . . . . . . . 19
2.6 Background of approaches for feature selection . . . . . . . . . . . . . 21
2.6.1 Mutual information based approach . . . . . . . . . . . . . . . 21
2.6.2 Rough set based approaches . . . . . . . . . . . . . . . . . . . 21
2.6.3 Metaheuristics approaches based on rough set for feature selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.7 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 QDEPSO for Knapsack Problem 25
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Knapsack Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 The proposed algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.1 Binary representation of items selection . . . . . . . . . . . . . 29
3.3.2 Quantum representation . . . . . . . . . . . . . . . . . . . . . . 29
3.3.3 Initialization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.4 Quantum observation . . . . . . . . . . . . . . . . . . . . . . . 30
3.3.5 Mutation operation . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.6 Crossover operation . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.7 Selection operation . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.8 Quantum rotation gate . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.9 Adaptation of the PSO formula . . . . . . . . . . . . . . . . . . 32
3.3.10 Outlines of QDEPSO algorithm . . . . . . . . . . . . . . . . . 33
3.4 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.5 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 QIFAPSO for discrete optimization problems 43
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 0–1 multidimensional knapsack problem: overview and related work 44
4.3 The proposed algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.1 Binary representation of fireflies . . . . . . . . . . . . . . . . . 46
4.3.2 Quantum representation of fireflies . . . . . . . . . . . . . . . 48
4.3.3 Initialization of quantum fireflies’ population . . . . . . . . . 48
4.3.4 Quantum measure . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3.5 Distance between two binary fireflies . . . . . . . . . . . . . . 49
4.3.6 Quantum movement according to the firefly algorithm strategy 51
4.3.7 Quantum movement according to the PSO strategy . . . . . . 53
4.3.8 QIFAPSO algorithm . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4.1 0-1 Simple Knapsack Problem . . . . . . . . . . . . . . . . . . . 54
4.4.2 Multidimensional Knapsack Problem . . . . . . . . . . . . . . 56
4.5 Conclusion and perspectives . . . . . . . . . . . . . . . . . . . . . . . 65
5 Quantum inspired firefly algorithm for feature selection 67
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2 QIFAPSO for feature selection . . . . . . . . . . . . . . . . . . . . . . . 68
5.2.1 Quantum representation for feature selection . . . . . . . . . . 68
5.2.2 Construction of feasible solution by Quantum observation . . 69
5.2.3 Fitness function . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2.4 The distance and attractiveness between two fireflies’ solutions 70
5.2.5 Quantum movements for updating the fireflies’ solutions . . 72
5.3 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.4 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6 Conclusions and Future works 83
6.1 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2 Future works . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Bibliography 87Côte titre : DI/0020 En ligne : https://drive.google.com/file/d/1asHbMhrknzzhu9MJtNiU_6GXXLNbKEdc/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DI/0020 DI/0020 Thèse Bibliothéque des sciences Français Disponible
DisponibleFowler-Nordheim Current and Surface Potential in MOS Structures Classical and Quantum Approximations / Benimeur,Houda
Titre : Fowler-Nordheim Current and Surface Potential in MOS Structures Classical and Quantum Approximations Type de document : texte imprimé Auteurs : Benimeur,Houda, Auteur ; Z Ouennoughi, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (38 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : Theoretical physics Index. décimale : 530 Physique Résumé :
L’étude des dispositifs à semi-conducteurs repose sur deux méthodes principales: la simulation numérique et l’étude théorique.
Dans ce travail, nous développerons une tension de capacité C-V et une tension de courant I-V classique ainsi qu'un modèle quantique quasi statique d'une structure ultra-fine métal-oxyde-semi-conducteur (MOS) ultra-mince basée sur la solution autocohérente de l'équation de Schroïdinger et de Piosson.
Il est judicieux d’étudier d’abord les structures et les caractéristiques des dispositifs MOS et MOSFET concernés par cette analyse et d’établir un modèle théorique d’approximation analytique du potentiel de surface tenant compte des effets quantiques et mécaniques.
Ensuite, une formule générale pour une capacité de condensateur MOS est démontrée à la fois pour les cas de basses et hautes fréquences.
Dans le dernier chapitre, nous étudierons l’effet tunnel du MOS en déduisant l’expression de la densité de courant F-N avec la formule générale de la densité de courant utilisant le coefficient de transmission déduit de la méthode de WKB dans un potentiel triangulaire.
Ensuite, une nouvelle formule analytique pour la dépendance de la température actuelle F-N est dérivée de l'expression exacte utilisant l'expansion de Sommerfeld.
Les thèmes clés sont les concepts de MOS, tension de grille, potentiel de surface, tension de capacité, tension de courant, courant de Fowler Nordheim et autres caractéristiquesNote de contenu :
Sommaire
Table of Contents
Acknowledgements…………………………………………...……………………………………………….
Dedication…………………………………………………………………………………………………………
Abstract…………………………………………………………………………………………………………….
ملخص ……………………………….………………………………………………………………………………..
List of Abbreviations………………………………………………………………………………………….
Chapter One: General Introduction and Fundamental Concepts
I.General Introduction…………………………………………………………………………..……..…. 1
II.Fundamental Concepts………………………………………………………………….…….…..…….1
1.Metal…………………………………………………………………………………………………………….1
2.Oxide……………………………………………………………………………………………………………1
3.A semiconductor ……………………………………………………………………………..…….……..2
3.1.Intrinsic (pure) Semiconductors………………………………………………………..…..……2
3.2.Extrinsic (impure) Semiconductors…………………………………………………………..…2
4.Sorts of semiconductor according to addition of impurities………………………..…..2
4.1.n-type semiconductor……………………………………………………………………………..….2
4.2.p-type semiconductor………………………………………………………………………..….……3
5.The MOS structure……………………………………………………………………………………...…3 6.The idea MOS……………………………………………………………………………………..……..…..4
7.The Metal-Oxide-Semiconductor Field Effect Transistor……..……………..…..……..…4
8.Definition of Potentials ………………………………..…………………….…..…5
9.The energy band diagrams of an MOScapacitor……………….…………….……6
10.Region of operations………………………..………………………..………...….8
10.1.Accumulation……………………………………………………..……..………8
10.2.Depletion……………………………………………………………….….….…8
10.3.Inversion……………………………………………………………………...…9
11.Current in the MOS………………………………………………………………………………….…..9
Chapter Two: Surface Potential and Metal Oxide Semiconductor Capacitor at Low and at High Frequencies
1.INTRODUCTION …………………………………………………………………11
2.SOME NOTIONS…………………………………………………………………..11
2.1.Surface Potential ………………………………………………………….……..11
2.2.The n-channel MOSFET…………………………………………………….……11
2.3.The short-channel effects…………………………………………………….…...12
3.THE MODELING DESCRIPTION…………………………………………….…..12
3.1.Condition of quantization ……………………………………………………..….15
3.2.Development of Analytical Approximation for the Surface Potential …………..16
4.Calculation of low frequency Capacitance of a MOS Structure…………….……...19
4.1.The oxide capacitance…………………………………………………………….20
4.2.Low Frequency capacitance………………………………………………………20
5. Calculation of High frequency Capacitance of a MOS Structure………….………23
ChapterThree: Fowler-Nordheim Tunneling Current in the MOS structure
1.Introduction…………………………………………………………………..……..27
2.Schroïdinger Equation……………………………………………………….……...27
3.WKB Approximation………………..……………………………………….……..27
4.Coefficient of Transmission…………………………………………………..…….27
5.Triangle Barrier………………………………………………………………..……28
6.Fowler-Nordheim Current Density…………………………………………………28
6.1.Equation F-N Current Density with Exponential and Pre-exponential Coefficients…………………………………………………………………………...28
6.2.Equation F-N Current Density depent en temperature……………………………34
APPENDIX I….. ……………………………………………………………………..36
APPENDIX II………………….……………………………………………………..37
Conclusion……………………………………………………………………………38
Lisr of references……………………………………..………………………………39Côte titre : MAPH/0329 Fowler-Nordheim Current and Surface Potential in MOS Structures Classical and Quantum Approximations [texte imprimé] / Benimeur,Houda, Auteur ; Z Ouennoughi, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (38 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : Theoretical physics Index. décimale : 530 Physique Résumé :
L’étude des dispositifs à semi-conducteurs repose sur deux méthodes principales: la simulation numérique et l’étude théorique.
Dans ce travail, nous développerons une tension de capacité C-V et une tension de courant I-V classique ainsi qu'un modèle quantique quasi statique d'une structure ultra-fine métal-oxyde-semi-conducteur (MOS) ultra-mince basée sur la solution autocohérente de l'équation de Schroïdinger et de Piosson.
Il est judicieux d’étudier d’abord les structures et les caractéristiques des dispositifs MOS et MOSFET concernés par cette analyse et d’établir un modèle théorique d’approximation analytique du potentiel de surface tenant compte des effets quantiques et mécaniques.
Ensuite, une formule générale pour une capacité de condensateur MOS est démontrée à la fois pour les cas de basses et hautes fréquences.
Dans le dernier chapitre, nous étudierons l’effet tunnel du MOS en déduisant l’expression de la densité de courant F-N avec la formule générale de la densité de courant utilisant le coefficient de transmission déduit de la méthode de WKB dans un potentiel triangulaire.
Ensuite, une nouvelle formule analytique pour la dépendance de la température actuelle F-N est dérivée de l'expression exacte utilisant l'expansion de Sommerfeld.
Les thèmes clés sont les concepts de MOS, tension de grille, potentiel de surface, tension de capacité, tension de courant, courant de Fowler Nordheim et autres caractéristiquesNote de contenu :
Sommaire
Table of Contents
Acknowledgements…………………………………………...……………………………………………….
Dedication…………………………………………………………………………………………………………
Abstract…………………………………………………………………………………………………………….
ملخص ……………………………….………………………………………………………………………………..
List of Abbreviations………………………………………………………………………………………….
Chapter One: General Introduction and Fundamental Concepts
I.General Introduction…………………………………………………………………………..……..…. 1
II.Fundamental Concepts………………………………………………………………….…….…..…….1
1.Metal…………………………………………………………………………………………………………….1
2.Oxide……………………………………………………………………………………………………………1
3.A semiconductor ……………………………………………………………………………..…….……..2
3.1.Intrinsic (pure) Semiconductors………………………………………………………..…..……2
3.2.Extrinsic (impure) Semiconductors…………………………………………………………..…2
4.Sorts of semiconductor according to addition of impurities………………………..…..2
4.1.n-type semiconductor……………………………………………………………………………..….2
4.2.p-type semiconductor………………………………………………………………………..….……3
5.The MOS structure……………………………………………………………………………………...…3 6.The idea MOS……………………………………………………………………………………..……..…..4
7.The Metal-Oxide-Semiconductor Field Effect Transistor……..……………..…..……..…4
8.Definition of Potentials ………………………………..…………………….…..…5
9.The energy band diagrams of an MOScapacitor……………….…………….……6
10.Region of operations………………………..………………………..………...….8
10.1.Accumulation……………………………………………………..……..………8
10.2.Depletion……………………………………………………………….….….…8
10.3.Inversion……………………………………………………………………...…9
11.Current in the MOS………………………………………………………………………………….…..9
Chapter Two: Surface Potential and Metal Oxide Semiconductor Capacitor at Low and at High Frequencies
1.INTRODUCTION …………………………………………………………………11
2.SOME NOTIONS…………………………………………………………………..11
2.1.Surface Potential ………………………………………………………….……..11
2.2.The n-channel MOSFET…………………………………………………….……11
2.3.The short-channel effects…………………………………………………….…...12
3.THE MODELING DESCRIPTION…………………………………………….…..12
3.1.Condition of quantization ……………………………………………………..….15
3.2.Development of Analytical Approximation for the Surface Potential …………..16
4.Calculation of low frequency Capacitance of a MOS Structure…………….……...19
4.1.The oxide capacitance…………………………………………………………….20
4.2.Low Frequency capacitance………………………………………………………20
5. Calculation of High frequency Capacitance of a MOS Structure………….………23
ChapterThree: Fowler-Nordheim Tunneling Current in the MOS structure
1.Introduction…………………………………………………………………..……..27
2.Schroïdinger Equation……………………………………………………….……...27
3.WKB Approximation………………..……………………………………….……..27
4.Coefficient of Transmission…………………………………………………..…….27
5.Triangle Barrier………………………………………………………………..……28
6.Fowler-Nordheim Current Density…………………………………………………28
6.1.Equation F-N Current Density with Exponential and Pre-exponential Coefficients…………………………………………………………………………...28
6.2.Equation F-N Current Density depent en temperature……………………………34
APPENDIX I….. ……………………………………………………………………..36
APPENDIX II………………….……………………………………………………..37
Conclusion……………………………………………………………………………38
Lisr of references……………………………………..………………………………39Côte titre : MAPH/0329 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0329 MAPH/0329 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkGénéralisation d'une méthode de trajectoire centrale de points intérieurs pour la programmation semi- définie / Kettab.Samia
PermalinkGenerating Arabic Calligraphy using Generative Adversarial Networks (GANs) / Hadj Azze, Yousra Chahinez
PermalinkGénération et animation dynamique des objets 3d dans un environnement virtuel / Benhocine,abdelouaheb
PermalinkPermalinkGénération des projections tomographiques par simulation Monte Carlo / Chirane, Rahma
PermalinkPermalinkGestion des clés avec la cryptographie quantique dans les WSNs / Zernenou, billal
PermalinkPermalinkPermalinkLa Gestion de la mobilité dans les réseaux de capteurs sans fils / DJOUDI, Assia
PermalinkGestion de trafic urbain dans la ville de Sétif a l'aide des réseaux de capteurs sans fil / Harroun,amine
PermalinkPermalinkPermalinkPermalinkLes grammaires à clauses définies pour le traitement automatique des langages naturelles / HARRACHE, Rima
PermalinkPermalinkGraphes d'ordonnancement sous des contraintes temporelles dans la conduite de projets Informatique Construction des graphes d'ordonnancement sous des contraintes temporelles dans la de projets / Abdelaziz,Safinez
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkGroupes dont les sous-groupes propres de rang infini sont minimax-par-hypercentraux ou hypercentralpar- minimax / Amel Zitouni
PermalinkGroupes dont les sous-groupes de rang infini ont des layers de chernikov ou polycycliques-par-finis / Rezig,Aziza
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkGroupes dont tout sous- groupe propre de rang infini est localement fini par-x / Benhelal,Zoulikha
PermalinkGroupes dont tout sous- groupe propre de rang infini est localement fini par-x / Benhelal,Zoulikha
PermalinkPermalinkPermalinkPermalinkPermalink