University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'éditeur
Setif:UFA |
Documents disponibles chez cet éditeur
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Titre : Optimisation du recalage des images CBCT en Radiothérapie. Type de document : texte imprimé Auteurs : Elyamine Bouakaz, Auteur ; Hacene Azizi, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (54 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Index. décimale : 530 - Physique Résumé :
Dans le cadre du traitement du cancer par la radiothérapie, et en utilisant différentes
techniques de traitement, il est nécessaire de connaître la position des tissus cancéreux et des
organes à risque le plus précisément possible. Pour cela, en imagerie médicale, le recalage sert
à mettre en correspondance les structures anatomiques similaires. La complexité du problème
de recalage est différente, généralement selon deux contraintes (le temps et la qualité du
recalage). Dans ce travail, nous avons abordé le problème de recalage des images médicales,
notamment ceux des images CBCT en radiothérapie, dans le but de trouver le meilleur
paramétrage du recalage afin d'atteindre l'optimisation du recalage des images CBCT en
radiothérapie. L’étude a été réalisée sur des images cliniques fournies par le Centre de Lutte
Contre le Cancer de Sétif. Deux algorithmes ont été utilisée dans le processus du recalage, le
premier afin d'obtenir un bon alignement des images CT-CBCT (image cible : CBCT et
l’image déformée : CT), le second pour comparer les trois métriques de similarité et choisir la
meilleure, ainsi que pour tester les différents paramètres de recalage (en calculant les mesures
d’erreurs MSE, MAE et AVE). Le résultat final a montré que l’utilisation de l’Information
Mutuelle comme mesure de similarité permet d’avoir une bonne qualité de recalage, non
seulement ça, aussi l’étude conjointe du temps de calcul et de la validation quantitative ont
permis d’apprécier le compromis entre la qualité et le temps de calcul.
Nous nous sommes ainsi intéressés à la comparaison entre deux modes de fonctionnement
avec et sans processeur graphique (GPU), les résultats ont montré que l’utilisation de la carte
GPU est très bénéfique pour réduire le temps de calcul et en même temps pour améliorer la
qualité visuelle de l’image recalée.Côte titre : MAPH/0424 En ligne : https://drive.google.com/file/d/1JscXm4olRw1baLLsjquckpL2Kp9U5-PO/view?usp=shari [...] Format de la ressource électronique : Optimisation du recalage des images CBCT en Radiothérapie. [texte imprimé] / Elyamine Bouakaz, Auteur ; Hacene Azizi, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (54 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Index. décimale : 530 - Physique Résumé :
Dans le cadre du traitement du cancer par la radiothérapie, et en utilisant différentes
techniques de traitement, il est nécessaire de connaître la position des tissus cancéreux et des
organes à risque le plus précisément possible. Pour cela, en imagerie médicale, le recalage sert
à mettre en correspondance les structures anatomiques similaires. La complexité du problème
de recalage est différente, généralement selon deux contraintes (le temps et la qualité du
recalage). Dans ce travail, nous avons abordé le problème de recalage des images médicales,
notamment ceux des images CBCT en radiothérapie, dans le but de trouver le meilleur
paramétrage du recalage afin d'atteindre l'optimisation du recalage des images CBCT en
radiothérapie. L’étude a été réalisée sur des images cliniques fournies par le Centre de Lutte
Contre le Cancer de Sétif. Deux algorithmes ont été utilisée dans le processus du recalage, le
premier afin d'obtenir un bon alignement des images CT-CBCT (image cible : CBCT et
l’image déformée : CT), le second pour comparer les trois métriques de similarité et choisir la
meilleure, ainsi que pour tester les différents paramètres de recalage (en calculant les mesures
d’erreurs MSE, MAE et AVE). Le résultat final a montré que l’utilisation de l’Information
Mutuelle comme mesure de similarité permet d’avoir une bonne qualité de recalage, non
seulement ça, aussi l’étude conjointe du temps de calcul et de la validation quantitative ont
permis d’apprécier le compromis entre la qualité et le temps de calcul.
Nous nous sommes ainsi intéressés à la comparaison entre deux modes de fonctionnement
avec et sans processeur graphique (GPU), les résultats ont montré que l’utilisation de la carte
GPU est très bénéfique pour réduire le temps de calcul et en même temps pour améliorer la
qualité visuelle de l’image recalée.Côte titre : MAPH/0424 En ligne : https://drive.google.com/file/d/1JscXm4olRw1baLLsjquckpL2Kp9U5-PO/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0424 MAPH/0424 Mémoire Bibliothéque des sciences Français Disponible
DisponibleOptimisation de la recherche d'information sur le web par les techniques vectorielles / Djessas, ouissem
Titre : Optimisation de la recherche d'information sur le web par les techniques vectorielles Type de document : texte imprimé Auteurs : Djessas, ouissem ; BOUCHOUL,F, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (37f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
recherche d'information
indexation
pertinence
terme
technique vectorielleIndex. décimale : 004 Informatique Côte titre : MAI/0201 Optimisation de la recherche d'information sur le web par les techniques vectorielles [texte imprimé] / Djessas, ouissem ; BOUCHOUL,F, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (37f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
recherche d'information
indexation
pertinence
terme
technique vectorielleIndex. décimale : 004 Informatique Côte titre : MAI/0201 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0201 MAI/0201 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Optimisation des requêtes dans le datawerchouse Type de document : texte imprimé Auteurs : DAÄS, Abdelaziz ; Khababa,Abdellah, Directeur de thèse Editeur : Setif:UFA Importance : 1 vol (97 f .) Format : 29 cm Catégories : Thèses & Mémoires:Informatique Mots-clés : Vue matérialisée
Entrepôt de données
Algorithmes génétiques multi-objectifs
Optimisation
Requête OLAPIndex. décimale : 004 Informatique Résumé :
Le travail présenté dans ce mémoire concerne l’optimisation des requêtes dans l’entrepôt de données (Data Werehouse), plus particulièrement la technique des vues matérialisées. Un important problème d’optimisation a été suggéré dans cette technique, il s’agit du problème de sélection de vues. Il consiste a sélectionné l’ensemble des vues à matérialiser pour accélérer dans le futur l’exécution des requêtes. Des contraintes ont été exigées dans le processus de sélection, qui sont orientées au système et à l’utilisateur. La matérialisation de tous ces vues accélère l’exécution de n’importe quelle requête mais nécessite un coût considérable pour les maintenir, Sachant que la maintenance des vues rend les résultats des requêtes plus bénéfiques pour les décideurs. Alors, le problème devient une optimisation multi-objectifs. Ce mémoire propose une solution à ce problème en plusieurs étapes : dans la première étape, une formulation mathématique du problème a été développée. Dans la seconde étape, on a construit un treillis des vues possibles. Dans la troisième étape on a appliqué les algorithmes génétiques multi-objectifs sur le treillis développé avant. La variante adoptée dans la résolution est NSGAII (Nondominated Sorting Genetic Algorithm).Côte titre : MI/0007- MI/0008 En ligne : http://dspace.univ-setif.dz:8888/jspui/bitstream/123456789/2016/1/memoire.pdf Optimisation des requêtes dans le datawerchouse [texte imprimé] / DAÄS, Abdelaziz ; Khababa,Abdellah, Directeur de thèse . - [S.l.] : Setif:UFA, [s.d.] . - 1 vol (97 f .) ; 29 cm.
Catégories : Thèses & Mémoires:Informatique Mots-clés : Vue matérialisée
Entrepôt de données
Algorithmes génétiques multi-objectifs
Optimisation
Requête OLAPIndex. décimale : 004 Informatique Résumé :
Le travail présenté dans ce mémoire concerne l’optimisation des requêtes dans l’entrepôt de données (Data Werehouse), plus particulièrement la technique des vues matérialisées. Un important problème d’optimisation a été suggéré dans cette technique, il s’agit du problème de sélection de vues. Il consiste a sélectionné l’ensemble des vues à matérialiser pour accélérer dans le futur l’exécution des requêtes. Des contraintes ont été exigées dans le processus de sélection, qui sont orientées au système et à l’utilisateur. La matérialisation de tous ces vues accélère l’exécution de n’importe quelle requête mais nécessite un coût considérable pour les maintenir, Sachant que la maintenance des vues rend les résultats des requêtes plus bénéfiques pour les décideurs. Alors, le problème devient une optimisation multi-objectifs. Ce mémoire propose une solution à ce problème en plusieurs étapes : dans la première étape, une formulation mathématique du problème a été développée. Dans la seconde étape, on a construit un treillis des vues possibles. Dans la troisième étape on a appliqué les algorithmes génétiques multi-objectifs sur le treillis développé avant. La variante adoptée dans la résolution est NSGAII (Nondominated Sorting Genetic Algorithm).Côte titre : MI/0007- MI/0008 En ligne : http://dspace.univ-setif.dz:8888/jspui/bitstream/123456789/2016/1/memoire.pdf Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité MI/0007 MI/0007- 0008 Mémoire Bibliothéque des sciences Français Disponible
DisponibleMI/0008 MI/0007- 0008 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Optimisation des réseaux de capteurs par l'intelligence en Essaim Type de document : texte imprimé Auteurs : Saieb, souha ; Djamila Mechta, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (51f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
capteurs sans fil
protocole
optimisationCôte titre : MAI/0162 Optimisation des réseaux de capteurs par l'intelligence en Essaim [texte imprimé] / Saieb, souha ; Djamila Mechta, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (51f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
capteurs sans fil
protocole
optimisationCôte titre : MAI/0162 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0162 MAI/0162 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Optimization of GAN’s Parameters using Metaheuristics Type de document : texte imprimé Auteurs : Abderraouf Attout, Auteur ; Abderaouf Chelbi ; Djemame, Safia, Directeur de thèse Editeur : Setif:UFA Année de publication : 2023 Importance : 1 vol (95 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Pix2Pix Generator Discriminator Hyper-parameters Meta-heuristics Genetic Algorithm Optimization Algorithms degraded document restoration Deep Learning Generative Models Generative
Adversarial Network Restauration de documents dégradés Apprentissage profond Modèles génératifs Réseaux antagonistes génératifs Générateur Discriminateur Hyper-paramètres Métaheuristiques Algorithme génétique Algorithmes d’optimisation.Index. décimale : 004 Informatique Résumé : GANs (Generative Adversarial Networks) are an approach for model generation using deep
learning methods, such as Convolutional Neural Networks (CNNs). GANs offer an intelligent
way to construct a generative model by framing the problem as a supervised learning problem
with two sub-models: the generator model, which is trained to generate new examples, and
the discriminator model, which tries to classify examples as real (from the domain) or fake
(generated). Both models are trained together in a zero-sum game until the discriminator model
is fooled approximately half the time, indicating that the generator model is generating plausible
examples.
During this process, several hyper-parameters need to be adjusted to achieve optimal results,
such as batch size, kernel size, and number of epochs. The aim is to minimize execution time
while obtaining satisfactory performance.
In this work, we propose the application of optimization, to find an optimal adjustment for
the parameters of the generator and discriminator. This will be accomplished through manual
adjustment as well as the utilization of metaheuristics. The results will be compared with those
of previous work. Performance tests will be conducted on the historical image dataset DIBCO
2020.
The objective is to introduce an optimization into the parameter tuning step of the generator
and discriminator in GANs = Les GANs (Generative Adversarial Networks) sont une approche de génération de modèles utilisant
des méthodes d’apprentissage profond, telles que les réseaux de neurones convolutionnels
(CNN). Les GANs offrent une façon intelligente de construire un modèle génératif en définissant
le problème comme un problème d’apprentissage supervisé avec deux sous-modèles : le modèle
générateur, qui est entraîné à générer de nouveaux exemples, et le modèle discriminateur, qui
tente de classer les exemples comme réels (du domaine) ou faux (générés). Les deux modèles
sont entraînés ensemble dans un jeu à somme nulle jusqu’à ce que le modèle discriminateur soit
trompé environ la moitié du temps, ce qui indique que le modèle générateur génère des exemples
plausibles.
Pendant ce processus, plusieurs hyperparamètres doivent être ajustés pour obtenir des
résultats optimaux, tels que la taille du lot (batch size), la taille du noyau (kernel size) et
le nombre d’époques. L’objectif est de minimiser le temps d’exécution tout en obtenant des
performances satisfaisantes.
Dans ce travail, nous proposons l’application de l’optimisation afin de trouver un ajustement
optimal pour les paramètres du générateur et du discriminateur. Cela sera réalisé manuellement
et grâce à l’utilisation de métaheuristiques. Les résultats seront comparés à ceux d’un
travail précédent. Des tests de performance seront effectués sur l’ensemble de données d’images
historiques DIBCO 2020.
L’objectif est d’introduire une optimisation dans l’étape de réglage des paramètres du générateur
et du discriminateur dans les GANs.
Côte titre : MAI/0767 En ligne : https://drive.google.com/file/d/1_fxc-RWAInDUTFTUQD9bFKgqytVAzfaj/view?usp=drive [...] Format de la ressource électronique : Optimization of GAN’s Parameters using Metaheuristics [texte imprimé] / Abderraouf Attout, Auteur ; Abderaouf Chelbi ; Djemame, Safia, Directeur de thèse . - [S.l.] : Setif:UFA, 2023 . - 1 vol (95 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Pix2Pix Generator Discriminator Hyper-parameters Meta-heuristics Genetic Algorithm Optimization Algorithms degraded document restoration Deep Learning Generative Models Generative
Adversarial Network Restauration de documents dégradés Apprentissage profond Modèles génératifs Réseaux antagonistes génératifs Générateur Discriminateur Hyper-paramètres Métaheuristiques Algorithme génétique Algorithmes d’optimisation.Index. décimale : 004 Informatique Résumé : GANs (Generative Adversarial Networks) are an approach for model generation using deep
learning methods, such as Convolutional Neural Networks (CNNs). GANs offer an intelligent
way to construct a generative model by framing the problem as a supervised learning problem
with two sub-models: the generator model, which is trained to generate new examples, and
the discriminator model, which tries to classify examples as real (from the domain) or fake
(generated). Both models are trained together in a zero-sum game until the discriminator model
is fooled approximately half the time, indicating that the generator model is generating plausible
examples.
During this process, several hyper-parameters need to be adjusted to achieve optimal results,
such as batch size, kernel size, and number of epochs. The aim is to minimize execution time
while obtaining satisfactory performance.
In this work, we propose the application of optimization, to find an optimal adjustment for
the parameters of the generator and discriminator. This will be accomplished through manual
adjustment as well as the utilization of metaheuristics. The results will be compared with those
of previous work. Performance tests will be conducted on the historical image dataset DIBCO
2020.
The objective is to introduce an optimization into the parameter tuning step of the generator
and discriminator in GANs = Les GANs (Generative Adversarial Networks) sont une approche de génération de modèles utilisant
des méthodes d’apprentissage profond, telles que les réseaux de neurones convolutionnels
(CNN). Les GANs offrent une façon intelligente de construire un modèle génératif en définissant
le problème comme un problème d’apprentissage supervisé avec deux sous-modèles : le modèle
générateur, qui est entraîné à générer de nouveaux exemples, et le modèle discriminateur, qui
tente de classer les exemples comme réels (du domaine) ou faux (générés). Les deux modèles
sont entraînés ensemble dans un jeu à somme nulle jusqu’à ce que le modèle discriminateur soit
trompé environ la moitié du temps, ce qui indique que le modèle générateur génère des exemples
plausibles.
Pendant ce processus, plusieurs hyperparamètres doivent être ajustés pour obtenir des
résultats optimaux, tels que la taille du lot (batch size), la taille du noyau (kernel size) et
le nombre d’époques. L’objectif est de minimiser le temps d’exécution tout en obtenant des
performances satisfaisantes.
Dans ce travail, nous proposons l’application de l’optimisation afin de trouver un ajustement
optimal pour les paramètres du générateur et du discriminateur. Cela sera réalisé manuellement
et grâce à l’utilisation de métaheuristiques. Les résultats seront comparés à ceux d’un
travail précédent. Des tests de performance seront effectués sur l’ensemble de données d’images
historiques DIBCO 2020.
L’objectif est d’introduire une optimisation dans l’étape de réglage des paramètres du générateur
et du discriminateur dans les GANs.
Côte titre : MAI/0767 En ligne : https://drive.google.com/file/d/1_fxc-RWAInDUTFTUQD9bFKgqytVAzfaj/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0767 MAI/0767 Mémoire Bibliothéque des sciences Anglais Disponible
DisponiblePermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalink