Exploration des facteurs de risques du Cancer par le Deep Learning / Fatima Kerma

Public ISBD Titre : Exploration des facteurs de risques du Cancer par le Deep Learning Type de document : document électronique Auteurs : Fatima Kerma, Auteur ; Lina Zaouani, Auteur ; Kacha, Lynda, Directeur de thèse Editeur : Sétif:UFA1 Année de publication : 2024 Importance : 1 vol (62 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Machine Learning Deep Learning Multiulti ulti-Layer Perceptron Index. décimale : 004 Informatique Note de contenu : Sommaire INTRODUCTION GENERALE .................................................................................................. 1 CHAPITRE 1 ........................................................................................................................... 2 INTRODUCTION ........................................................................................................ 3 FONDAMENTAUX DE L’IA ML ET DL ................................................................................. 3 1.2.1 Intelligence artificielle .................................................................................... 4 1.2.2 Machine Learning .......................................................................................... 5 1.2.3 Deep Learning ................................................................................................ 7 RESEAUX DE NEURONES ARTIFICIELS .............................................................................. 8 1.3.1 Base biologique des réseaux de neurones artificiels ........................................ 8 1.3.2 Structure d’un reseau de neurones ............................................................... 11 1.3.3 Fonctionnement d’un réseau de neurones .................................................... 12 1.3.4 types de reseaux de neurones artificiels ....................................................... 15 1.3.4.1 Réseau de neurone convolutif (CNN) ......................................................... 15 1.3.4.2 Réseau de neurone récurrent (RNN) .......................................................... 16 1.3.4.3 Machine de Boltzmann restreinte (RBM) ................................................... 17 1.3.4.4 Deep Brief Network (DBN) ........................................................................ 18 1.3.5 Domaines d’application ............................................................................... 19 1.3.5.1 Vision par ordinateur ................................................................................ 19 1.3.5.2 Traitement du langage naturel .................................................................. 20 1.3.5.3 Cybersécurité ............................................................................................ 21 CONCLUSION : ....................................................................................................... 23 CHAPITRE 2 ......................................................................................................................... 24 INTRODUCTION ...................................................................................................... 25 TRAVAUX CONNEXES ................................................................................................ 26 SYNTHESE ET DISCUSSION .......................................................................................... 29 CONCLUSION ......................................................................................................... 31 CHAPITRE 3 ......................................................................................................................... 32 INTRODUCTION ...................................................................................................... 33 DESCRIPTION DE LA BASE DE DONNEES .......................................................................... 33 CONCEPTION DU MODELE LCDL .................................................................................. 35 IMPLEMENTATION ET EVALUATION DU MODELE LCDL ........................................ 38 3.4.1 ENVIRONNEMENT ET OUTILS D’IMPLEMENTATION ....................................... 38 3.4.2 CODAGE DU MODELE LCDL ........................................................................... 40 3.4.3 EVALUATION DU MODELE LCDL .................................................................... 48 Côte titre : MAI/0937 Exploration des facteurs de risques du Cancer par le Deep Learning [document électronique] / Fatima Kerma, Auteur ; Lina Zaouani, Auteur ; Kacha, Lynda, Directeur de thèse . - [S.l.] : Sétif:UFA1, 2024 . - 1 vol (62 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Machine Learning Deep Learning Multiulti ulti-Layer Perceptron Index. décimale : 004 Informatique Note de contenu : Sommaire INTRODUCTION GENERALE .................................................................................................. 1 CHAPITRE 1 ........................................................................................................................... 2 INTRODUCTION ........................................................................................................ 3 FONDAMENTAUX DE L’IA ML ET DL ................................................................................. 3 1.2.1 Intelligence artificielle .................................................................................... 4 1.2.2 Machine Learning .......................................................................................... 5 1.2.3 Deep Learning ................................................................................................ 7 RESEAUX DE NEURONES ARTIFICIELS .............................................................................. 8 1.3.1 Base biologique des réseaux de neurones artificiels ........................................ 8 1.3.2 Structure d’un reseau de neurones ............................................................... 11 1.3.3 Fonctionnement d’un réseau de neurones .................................................... 12 1.3.4 types de reseaux de neurones artificiels ....................................................... 15 1.3.4.1 Réseau de neurone convolutif (CNN) ......................................................... 15 1.3.4.2 Réseau de neurone récurrent (RNN) .......................................................... 16 1.3.4.3 Machine de Boltzmann restreinte (RBM) ................................................... 17 1.3.4.4 Deep Brief Network (DBN) ........................................................................ 18 1.3.5 Domaines d’application ............................................................................... 19 1.3.5.1 Vision par ordinateur ................................................................................ 19 1.3.5.2 Traitement du langage naturel .................................................................. 20 1.3.5.3 Cybersécurité ............................................................................................ 21 CONCLUSION : ....................................................................................................... 23 CHAPITRE 2 ......................................................................................................................... 24 INTRODUCTION ...................................................................................................... 25 TRAVAUX CONNEXES ................................................................................................ 26 SYNTHESE ET DISCUSSION .......................................................................................... 29 CONCLUSION ......................................................................................................... 31 CHAPITRE 3 ......................................................................................................................... 32 INTRODUCTION ...................................................................................................... 33 DESCRIPTION DE LA BASE DE DONNEES .......................................................................... 33 CONCEPTION DU MODELE LCDL .................................................................................. 35 IMPLEMENTATION ET EVALUATION DU MODELE LCDL ........................................ 38 3.4.1 ENVIRONNEMENT ET OUTILS D’IMPLEMENTATION ....................................... 38 3.4.2 CODAGE DU MODELE LCDL ........................................................................... 40 3.4.3 EVALUATION DU MODELE LCDL .................................................................... 48 Côte titre : MAI/0937

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0937	MAI/0937	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)