|
| Titre : |
D´eveloppement de l’intelligence artificielle dans le domaine de l’internet des Objets |
| Type de document : |
texte imprimé |
| Auteurs : |
Nihal Guelalta, Auteur ; Kaouther Elmouna Fali, Auteur ; Samir Fenanir, Directeur de thèse |
| Année de publication : |
2022 |
| Importance : |
1 vol (102 f .) |
| Format : |
29cm |
| Langues : |
Français (fre) |
| Catégories : |
Thèses & Mémoires:Informatique
|
| Mots-clés : |
Apprentissage automatique (ML)
classification |
| Index. décimale : |
004 Informatique |
| Résumé : |
L’Internet des objets permet de combiner toute sorte de communication, tout le
temps, pour tout le monde, et sur n’importe quel objet. Bien que l’IoT offre
un ensemble impressionnant d’avantages, il pr´esente ´egalement un ensemble de
d´efis, ou la maximisation est le principal d´efi. Pour maximiser et am´eliorer les
b´en´efices de vente d’´electricit´e dans le domaine l’IoT, nous proposons une nouvelle
application de l’apprentissage automatique pour le probl`eme d’allocation
de ressources Smart Grid .
Dans notre m´emoire nous avons construit un mod`ele de classification et un
mod`ele de r`egression. Diff´erents algorithmes d’apprentissage automatique (ML)
ont ´ete utilis´es pour la classification : k-plus proche voisin (KNN), machine
`a vecteurs de support (SVM) ,arbre de d´ecision (DT),perceptron multicouche
(MLP).
Diff´erents algorithmes d’apprentissage automatique (ML) ont ´et´e utilis´es pour la
r´egression : r´egression lin´eaire (LR) , support vecteur machine regresseur (SVR)
, gaussian process regresseur (GPR).
Pour cela, nous pr´esentons l’impl´ementation et l’´evaluation des mod`eles d’appren
tissage automatique . Nous avons utulis`e fractionnements (Test-Split ).
L’impl´ementation consiste `a cr´eer les mod`eles qui sont entrain´es puis tester sur
une collection de donn´ees, afin de pouvoir comparer les performances de ces
derniers. En suite on appliquer aussi la m´ethode statistique (cross validation )qui
permet d’´evaluer les performances des mod`eles d’apprentissage automatique.
Nous alons ´evaluons notre mod`ele dans un environement Smart grid en utulisons
deux data sets pour d´evellopper des m´ethodes d’apprentissage automatique
afin d’obtenir des relations entre les b´en´efices des agr |
| Côte titre : |
MAI/0577 |
| En ligne : |
https://drive.google.com/file/d/1giUoibg8lmCM9DZht6YIo5lrHLMRhXof/view?usp=share [...] |
| Format de la ressource électronique : |
pdf |
D´eveloppement de l’intelligence artificielle dans le domaine de l’internet des Objets [texte imprimé] / Nihal Guelalta, Auteur ; Kaouther Elmouna Fali, Auteur ; Samir Fenanir, Directeur de thèse . - 2022 . - 1 vol (102 f .) ; 29cm. Langues : Français ( fre)
| Catégories : |
Thèses & Mémoires:Informatique
|
| Mots-clés : |
Apprentissage automatique (ML)
classification |
| Index. décimale : |
004 Informatique |
| Résumé : |
L’Internet des objets permet de combiner toute sorte de communication, tout le
temps, pour tout le monde, et sur n’importe quel objet. Bien que l’IoT offre
un ensemble impressionnant d’avantages, il pr´esente ´egalement un ensemble de
d´efis, ou la maximisation est le principal d´efi. Pour maximiser et am´eliorer les
b´en´efices de vente d’´electricit´e dans le domaine l’IoT, nous proposons une nouvelle
application de l’apprentissage automatique pour le probl`eme d’allocation
de ressources Smart Grid .
Dans notre m´emoire nous avons construit un mod`ele de classification et un
mod`ele de r`egression. Diff´erents algorithmes d’apprentissage automatique (ML)
ont ´ete utilis´es pour la classification : k-plus proche voisin (KNN), machine
`a vecteurs de support (SVM) ,arbre de d´ecision (DT),perceptron multicouche
(MLP).
Diff´erents algorithmes d’apprentissage automatique (ML) ont ´et´e utilis´es pour la
r´egression : r´egression lin´eaire (LR) , support vecteur machine regresseur (SVR)
, gaussian process regresseur (GPR).
Pour cela, nous pr´esentons l’impl´ementation et l’´evaluation des mod`eles d’appren
tissage automatique . Nous avons utulis`e fractionnements (Test-Split ).
L’impl´ementation consiste `a cr´eer les mod`eles qui sont entrain´es puis tester sur
une collection de donn´ees, afin de pouvoir comparer les performances de ces
derniers. En suite on appliquer aussi la m´ethode statistique (cross validation )qui
permet d’´evaluer les performances des mod`eles d’apprentissage automatique.
Nous alons ´evaluons notre mod`ele dans un environement Smart grid en utulisons
deux data sets pour d´evellopper des m´ethodes d’apprentissage automatique
afin d’obtenir des relations entre les b´en´efices des agr |
| Côte titre : |
MAI/0577 |
| En ligne : |
https://drive.google.com/file/d/1giUoibg8lmCM9DZht6YIo5lrHLMRhXof/view?usp=share [...] |
| Format de la ressource électronique : |
pdf |
|
Ajouter le résultat dans votre panier Affiner la rechercheD´eveloppement de l’intelligence artificielle dans le domaine de l’internet des Objets / Nihal Guelalta
