University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Bilal Bouaita |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Deep Learning Model for Recognition of Genomic Signals and Regions Type de document : texte imprimé Auteurs : Debiche ,Hadjer, Auteur ; Bilal Bouaita, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (55 f .) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatique
GénomiqueIndex. décimale : 004 - Informatique Résumé :
La reconnaissance des signaux et des régions génomiques (GSR) dans l‘ADN est
cruciale pour comprendre l‘organisation, la régulation et la fonction des gènes, qui à leur tour
produisent de meilleures annotations génomiques et génétiques. Bien que de nombreuses
méthodes aient été mises au point pour reconnaître les GSR, leur identification purement
informatique demeure difficile. De plus, divers GSR exigent habituellement un ensemble
spécialisé de caractéristiques pour développer des modèles de reconnaissance robustes.
Récemment, il a été démontré que les méthodes d‘apprentissage profond (DL) génèrent des
modèles de prévision plus précis que les méthodes peu profondes. Donc, pour mieux
reconnaître ces GSR il est nécessaire d‘abord de bien comprendre la jonction des épissures
dans les séquences d‘ADN, c‘est ce que nous faisons dans notre étude.
La classification des jonctions d‘épissage dans une cellule eucaryote est un problème
important parce que la jonction d‘épissage indique quelle partie de la séquence d‘ADN porte
l‘information de codage de protéine. Le principal problème lors de l‘élaboration d‘un
classificateur pour cette tâche de classification est de savoir comment représenter la séquence
d‘ADN sur les ordinateurs, puisque la précision de toute technique de classification dépend de
façon critique de la représentation adoptée.
Dans le stage de notre travail, nous implémentons un modèle Multilayer Perceptron
pour trouver la représentation appropriée pour la tâche de classification des jonctions. Il s‘agit
de reconnaître des données dans trois classes de limites exon/intron (ou sites « donneurs »), de
limites intron/exon (ou sites « accepteurs ») ou bien ni l‘une ni l‘autre. Notre modèle proposé
à une exactitude de 93 % .Côte titre : MAI/0558 En ligne : https://drive.google.com/file/d/1CPfnJfpj6OeCfGccLGgoB3gMnLGbbdl_/view?usp=shari [...] Format de la ressource électronique : Deep Learning Model for Recognition of Genomic Signals and Regions [texte imprimé] / Debiche ,Hadjer, Auteur ; Bilal Bouaita, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (55 f .) ; 29 cm.
Langues : Anglais (eng)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatique
GénomiqueIndex. décimale : 004 - Informatique Résumé :
La reconnaissance des signaux et des régions génomiques (GSR) dans l‘ADN est
cruciale pour comprendre l‘organisation, la régulation et la fonction des gènes, qui à leur tour
produisent de meilleures annotations génomiques et génétiques. Bien que de nombreuses
méthodes aient été mises au point pour reconnaître les GSR, leur identification purement
informatique demeure difficile. De plus, divers GSR exigent habituellement un ensemble
spécialisé de caractéristiques pour développer des modèles de reconnaissance robustes.
Récemment, il a été démontré que les méthodes d‘apprentissage profond (DL) génèrent des
modèles de prévision plus précis que les méthodes peu profondes. Donc, pour mieux
reconnaître ces GSR il est nécessaire d‘abord de bien comprendre la jonction des épissures
dans les séquences d‘ADN, c‘est ce que nous faisons dans notre étude.
La classification des jonctions d‘épissage dans une cellule eucaryote est un problème
important parce que la jonction d‘épissage indique quelle partie de la séquence d‘ADN porte
l‘information de codage de protéine. Le principal problème lors de l‘élaboration d‘un
classificateur pour cette tâche de classification est de savoir comment représenter la séquence
d‘ADN sur les ordinateurs, puisque la précision de toute technique de classification dépend de
façon critique de la représentation adoptée.
Dans le stage de notre travail, nous implémentons un modèle Multilayer Perceptron
pour trouver la représentation appropriée pour la tâche de classification des jonctions. Il s‘agit
de reconnaître des données dans trois classes de limites exon/intron (ou sites « donneurs »), de
limites intron/exon (ou sites « accepteurs ») ou bien ni l‘une ni l‘autre. Notre modèle proposé
à une exactitude de 93 % .Côte titre : MAI/0558 En ligne : https://drive.google.com/file/d/1CPfnJfpj6OeCfGccLGgoB3gMnLGbbdl_/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0558 MAI/0558 Mémoire Bibliothéque des sciences Anglais Disponible
DisponibleEstimation des précipitations à partir des images satellitaires en utilisant les réseaux de neurones profonds / Dounia Zed Sid
Titre : Estimation des précipitations à partir des images satellitaires en utilisant les réseaux de neurones profonds Type de document : texte imprimé Auteurs : Dounia Zed Sid, Auteur ; Chaima Benhouiri, Auteur ; Bilal Bouaita, Directeur de thèse Année de publication : 2022 Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Les images MSG
Estimation des précipitationsIndex. décimale : 004 Informatique Résumé :
Ce travail porte sur un phénomène météorologique très important qui est : les
précipitations. Pour estimer les précipitations en utilisant l’information multispectrale
du satellite METEOSAT Seconde Génération (MSG) sur la partie Nord-
Est du territoire algérien, nous avons élaboré une méthode basée sur les réseaux de
neurones artificiels (ANN), les entrées de notre modèle neuronal sont les données
Infrarouge-Visible des douze bandes spectrales du satellite (MSG), et ses sorties
sont les deux classes (précipitation, pas de précipitations) . Pour évaluer notre
méthode, les résultats obtenus sont comparés aux données du produit MPE (multisensor
precipitation estimate) d’EUMETSACôte titre : MAI/0596 En ligne : https://drive.google.com/file/d/1DvLiTmnkl_yR0AzBLXAyvDYzxermEzbA/view?usp=share [...] Format de la ressource électronique : Estimation des précipitations à partir des images satellitaires en utilisant les réseaux de neurones profonds [texte imprimé] / Dounia Zed Sid, Auteur ; Chaima Benhouiri, Auteur ; Bilal Bouaita, Directeur de thèse . - 2022 . - ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Les images MSG
Estimation des précipitationsIndex. décimale : 004 Informatique Résumé :
Ce travail porte sur un phénomène météorologique très important qui est : les
précipitations. Pour estimer les précipitations en utilisant l’information multispectrale
du satellite METEOSAT Seconde Génération (MSG) sur la partie Nord-
Est du territoire algérien, nous avons élaboré une méthode basée sur les réseaux de
neurones artificiels (ANN), les entrées de notre modèle neuronal sont les données
Infrarouge-Visible des douze bandes spectrales du satellite (MSG), et ses sorties
sont les deux classes (précipitation, pas de précipitations) . Pour évaluer notre
méthode, les résultats obtenus sont comparés aux données du produit MPE (multisensor
precipitation estimate) d’EUMETSACôte titre : MAI/0596 En ligne : https://drive.google.com/file/d/1DvLiTmnkl_yR0AzBLXAyvDYzxermEzbA/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0596 MAI/0596 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Extraction de connaissances à partir de données multi-spectrales : cas des images MSG Type de document : texte imprimé Auteurs : Bilal Bouaita Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (100 f .) Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Data mining
Images MSG
Algorithme Apriori
Règles d’association floues
Algorithme c-moyennes floues (FCM)Index. décimale : 004 Informatique Résumé : Le satellite Météosat Seconde Génération (MSG) transmet des images de l’observation de la
terre toutes les quinze minutes dans douze bandes spectrales différentes. Il nous permet de
suivre des phénomènes qui se déroulent à la surface de la planète. Notre travail porte sur un
phénomène météorologique important, les précipitations. Pour estimer les précipitations à partir
des images MSG, la majorité des études effectuées ne profitent que des données de quelques
canaux, ils n’exploitent pas suffisamment toutes les données fournies par ce satellite alors que
ces téraoctets de données sont potentiellement riches en ressources inouïes qui demandent Ã
être exploitées. De plus, ces études classifient les pixels à une classe d’une manière classique,
par exemple un pixel est considéré 100 % précipitant où bien à 0 % non précipitant alors qu’on
ne peut réellement le classifier d’une manière nette et précise. Pour cela, nous avons proposé
une méthode qui exploite les images des canaux et construit un modèle sous la forme de règles
d’association floues pour estimer les précipitations dans le nord-est de l’Algérie. Chaque règle
est sous la forme de : si (condition) alors (conclusion), où la condition est une combinaison des
différentes classes floues des images MSG, et la conclusion contient une seule classe floue qui
représente l’intensité de précipitations : pas de précipitations, faible, modérée et forte. Les
résultats obtenus sont comparés aux données obtenues par le produit MPE d'estimation des
précipitations de l’organisation européenne pour l’exploitation de satellites météorologiques
(EUMETSAT).Côte titre : DI/0046 En ligne : https://drive.google.com/file/d/1r6kch8WF6XbjNCWJ_cQAEV49GTtC-IK4/view?usp=shari [...] Extraction de connaissances à partir de données multi-spectrales : cas des images MSG [texte imprimé] / Bilal Bouaita . - [S.l.] : Setif:UFA, 2020 . - 1 vol (100 f .).
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Data mining
Images MSG
Algorithme Apriori
Règles d’association floues
Algorithme c-moyennes floues (FCM)Index. décimale : 004 Informatique Résumé : Le satellite Météosat Seconde Génération (MSG) transmet des images de l’observation de la
terre toutes les quinze minutes dans douze bandes spectrales différentes. Il nous permet de
suivre des phénomènes qui se déroulent à la surface de la planète. Notre travail porte sur un
phénomène météorologique important, les précipitations. Pour estimer les précipitations à partir
des images MSG, la majorité des études effectuées ne profitent que des données de quelques
canaux, ils n’exploitent pas suffisamment toutes les données fournies par ce satellite alors que
ces téraoctets de données sont potentiellement riches en ressources inouïes qui demandent Ã
être exploitées. De plus, ces études classifient les pixels à une classe d’une manière classique,
par exemple un pixel est considéré 100 % précipitant où bien à 0 % non précipitant alors qu’on
ne peut réellement le classifier d’une manière nette et précise. Pour cela, nous avons proposé
une méthode qui exploite les images des canaux et construit un modèle sous la forme de règles
d’association floues pour estimer les précipitations dans le nord-est de l’Algérie. Chaque règle
est sous la forme de : si (condition) alors (conclusion), où la condition est une combinaison des
différentes classes floues des images MSG, et la conclusion contient une seule classe floue qui
représente l’intensité de précipitations : pas de précipitations, faible, modérée et forte. Les
résultats obtenus sont comparés aux données obtenues par le produit MPE d'estimation des
précipitations de l’organisation européenne pour l’exploitation de satellites météorologiques
(EUMETSAT).Côte titre : DI/0046 En ligne : https://drive.google.com/file/d/1r6kch8WF6XbjNCWJ_cQAEV49GTtC-IK4/view?usp=shari [...] Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DI/0046 DI/0046 Thèse Bibliothéque des sciences Français Disponible
Disponible
Titre : Nouvelle approche d’extraction de connaissance par la méthode des règles d’association Type de document : texte imprimé Auteurs : Mohand Arezki Omari, Auteur ; Oussama Moufoued ; Bilal Bouaita, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (49 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : KDD
data mining
Complexity
Apriori algorithm
Association rules
Optimize.Index. décimale : 004 - Informatique Résumé : L'extraction de connaissances à partir des données (ECD) peut être confrontée à des problèmes
de temps d'exécution et d'espace mémoire en raison de la complexité des algorithmes et de la
taille des ensembles de données.
Certains algorithmes utilisés dans l'ECD peuvent être très gourmands en termes de temps de
calcul, en particulier lorsque les ensembles de données sont volumineux. Par exemple, les algorithmes de fouille de donnée complexes tels que l'algorithme Apriori pour les règles d'association
ou l'algorithme k-means pour le clustering peuvent nécessiter un temps de calcul considérable, en
particulier si les données sont massives. L'ECD peut nécessiter une grande quantité d'espace mémoire pour stocker les ensembles de données, les structures d'index et les résultats intermédiaires.
Lorsque les données sont de grande taille, cela peut poser des problèmes de mémoire, en particulier si les ressources disponibles sont limitées. Les contraintes de mémoire peuvent entraîner des
ralentissements ou des échecs d'exécution de l'algorithme. Le nouvel algorithme vise à optimiser
le temps d'exécution et à réduire l'espace mémoire = Knowledge extraction from data (KDD) can face challenges related to execution time and
memory space due to the complexity of algorithms and the size of data sets. Some algorithms
used in KDD can be computationally intensive, especially when dealing with large data sets.
For instance, complex data mining algorithms like the Apriori algorithm for association rules or
the k-means algorithm for clustering can require signi cant computation time, particularly when
dealing with massive data. KDD may require a substantial amount of memory space to store data
sets, index structures, and intermediate results. When working with large-scale data, this can
lead to memory issues, especially if the available resources are limited. Memory constraints can
result in slowdowns or execution failures of the algorithm.The new algorithm aims to optimize
execution time and reduce memory space requirements.Côte titre : MAI/0777 En ligne : https://drive.google.com/file/d/1yVgTafsdxZ1NygIjgceegiAHLXDdh1sZ/view?usp=drive [...] Format de la ressource électronique : Nouvelle approche d’extraction de connaissance par la méthode des règles d’association [texte imprimé] / Mohand Arezki Omari, Auteur ; Oussama Moufoued ; Bilal Bouaita, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (49 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : KDD
data mining
Complexity
Apriori algorithm
Association rules
Optimize.Index. décimale : 004 - Informatique Résumé : L'extraction de connaissances à partir des données (ECD) peut être confrontée à des problèmes
de temps d'exécution et d'espace mémoire en raison de la complexité des algorithmes et de la
taille des ensembles de données.
Certains algorithmes utilisés dans l'ECD peuvent être très gourmands en termes de temps de
calcul, en particulier lorsque les ensembles de données sont volumineux. Par exemple, les algorithmes de fouille de donnée complexes tels que l'algorithme Apriori pour les règles d'association
ou l'algorithme k-means pour le clustering peuvent nécessiter un temps de calcul considérable, en
particulier si les données sont massives. L'ECD peut nécessiter une grande quantité d'espace mémoire pour stocker les ensembles de données, les structures d'index et les résultats intermédiaires.
Lorsque les données sont de grande taille, cela peut poser des problèmes de mémoire, en particulier si les ressources disponibles sont limitées. Les contraintes de mémoire peuvent entraîner des
ralentissements ou des échecs d'exécution de l'algorithme. Le nouvel algorithme vise à optimiser
le temps d'exécution et à réduire l'espace mémoire = Knowledge extraction from data (KDD) can face challenges related to execution time and
memory space due to the complexity of algorithms and the size of data sets. Some algorithms
used in KDD can be computationally intensive, especially when dealing with large data sets.
For instance, complex data mining algorithms like the Apriori algorithm for association rules or
the k-means algorithm for clustering can require signi cant computation time, particularly when
dealing with massive data. KDD may require a substantial amount of memory space to store data
sets, index structures, and intermediate results. When working with large-scale data, this can
lead to memory issues, especially if the available resources are limited. Memory constraints can
result in slowdowns or execution failures of the algorithm.The new algorithm aims to optimize
execution time and reduce memory space requirements.Côte titre : MAI/0777 En ligne : https://drive.google.com/file/d/1yVgTafsdxZ1NygIjgceegiAHLXDdh1sZ/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0777 MAI/0777 Mémoire Bibliothéque des sciences Français Disponible
Disponible
