University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Titre : Quantification de la propagation des rumeurs sur les e-r´eseaux-sociaux Type de document : texte imprimé Auteurs : Ounoughi,Chahinez, Auteur ; Abdelhafid Benaouda, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (63 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : R´eseaux sociaux
propagation de rumeursIndex. décimale : 004 Informatique Résumé : Résumé
La propagation d’une rumeur (information non-v´erifi´ee) sur un r´eseau social est
assujettie `a plusieurs facteurs li´es essentiellement au contenu de cette information et
surtout aux comportements (profils) des acteurs sur ce r´eseau qui la retransmettent. Cet
´etat de fait peut faire varier cette propagation selon le cas, et, c’est ce que nous appelons
profondeur de la rumeur. Ce projet s’attaque justement `a cette probl´ematique. A partir
d’un cas r´eel de la propagation d’une rumeur sur Twitter, cette contribution propose une
d´emarche acad´emique afin de quantifier la profondeur d’une rumeur sur r´eseau social et
ce, pour une utilisation et interpr´etation, par des sp´ecialistes concern´es par la nature de
cette information et son auditorat.Note de contenu : Sommaire
Introduction g´en´erale 1
1 G´en´eralit´es sur les r´eseaux sociaux 4
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 D´efinition et Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Types des r´eseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Cartographie des r´eseaux sociaux . . . . . . . . . . . . . . . . . . . . 9
1.6 M´ecanismes et politiques . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7 Facebook vs. Twitter . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.8 Le probl`eme de diffusion des rumeurs dans les r´eseaux sociaux . . 12
1.9 D´efinition et caract´erisation des rumeurs . . . . . . . . . . . . . . . 13
1.9.1 D´efinition des rumeurs dans la litt´erature . . . . . . . . . . . 13
1.9.2 D´efinition des rumeurs dans les r´eseaux sociaux . . . . . . . 13
1.10 D´efinition de la probl´ematique . . . . . . . . . . . . . . . . . . . . . 14
1.11 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 ´ Etat de l’art 15
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Mod´elisation de la rumeur . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 Diffusion de l’information dans les r´eseaux sociaux . . . . . 16
2.2.2 Diffusion de la rumeur . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Les diff´erentes applications sur la propagation des rumeurs . . . . 22
2.4 Critiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Table des mati`eres ii
3 Une approche pour la quantification de la profondeur d’une rumeur 25
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Notre contribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Calcul de similarit´e . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2 Algorithmes de diffusion de notre contribution . . . . . . . 29
3.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4 D´eploiement de l’approche propos´ee et r´esultats 32
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2 ´ Etude de cas Twitter . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2.1 Terminologie . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Phases de d´eploiement de l’approche . . . . . . . . . . . . . . . . . 34
4.3.1 Phase de l’extraction des donn´ees . . . . . . . . . . . . . . . 34
4.3.2 Phase de traitement des donn´ees . . . . . . . . . . . . . . . . 37
4.3.3 Phase de calcul de similarit´e . . . . . . . . . . . . . . . . . . 38
4.4 R´esultats obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.4.1 R´esultat d’´etude de similarit´e Utilisateur-Contenu . . . . . . 40
4.4.2 R´esultat d’´etude de similarit´e Utilisateur-Utilisateur . . . . . 41
4.5 Impl´ementation de l’algorithme avec la similarit´e Cosinus entre utilisateurs . . . . . . 43
4.6 Visualisation du graphe de diffusion . . . . . . . . . . . . . . . . . . 44
4.6.1 Interpr´etation du r´esultat : . . . . . . . . . . . . . . . . . . . . 45
4.7 Simulation du processus de diffusion des rumeurs . . . . . . . . . . 46
4.7.1 Mod´elisation d’agent . . . . . . . . . . . . . . . . . . . . . . . 46
4.7.2 Impl´ementation de la simulation . . . . . . . . . . . . . . . . 49
4.7.3 R´esultats de simulation . . . . . . . . . . . . . . . . . . . . . 53
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Conclusion g´en´erale 56
R´ef´erences bibliographiques 57
A Annexe : Personnalisation de package ComplexNetworkSimCôte titre : MAI/0220 En ligne : https://drive.google.com/file/d/1EPP8mq_KggTLFildH4F9qG_LHKSjD83A/view?usp=shari [...] Format de la ressource électronique : Quantification de la propagation des rumeurs sur les e-r´eseaux-sociaux [texte imprimé] / Ounoughi,Chahinez, Auteur ; Abdelhafid Benaouda, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (63 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : R´eseaux sociaux
propagation de rumeursIndex. décimale : 004 Informatique Résumé : Résumé
La propagation d’une rumeur (information non-v´erifi´ee) sur un r´eseau social est
assujettie `a plusieurs facteurs li´es essentiellement au contenu de cette information et
surtout aux comportements (profils) des acteurs sur ce r´eseau qui la retransmettent. Cet
´etat de fait peut faire varier cette propagation selon le cas, et, c’est ce que nous appelons
profondeur de la rumeur. Ce projet s’attaque justement `a cette probl´ematique. A partir
d’un cas r´eel de la propagation d’une rumeur sur Twitter, cette contribution propose une
d´emarche acad´emique afin de quantifier la profondeur d’une rumeur sur r´eseau social et
ce, pour une utilisation et interpr´etation, par des sp´ecialistes concern´es par la nature de
cette information et son auditorat.Note de contenu : Sommaire
Introduction g´en´erale 1
1 G´en´eralit´es sur les r´eseaux sociaux 4
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 D´efinition et Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Types des r´eseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Cartographie des r´eseaux sociaux . . . . . . . . . . . . . . . . . . . . 9
1.6 M´ecanismes et politiques . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7 Facebook vs. Twitter . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.8 Le probl`eme de diffusion des rumeurs dans les r´eseaux sociaux . . 12
1.9 D´efinition et caract´erisation des rumeurs . . . . . . . . . . . . . . . 13
1.9.1 D´efinition des rumeurs dans la litt´erature . . . . . . . . . . . 13
1.9.2 D´efinition des rumeurs dans les r´eseaux sociaux . . . . . . . 13
1.10 D´efinition de la probl´ematique . . . . . . . . . . . . . . . . . . . . . 14
1.11 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 ´ Etat de l’art 15
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Mod´elisation de la rumeur . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 Diffusion de l’information dans les r´eseaux sociaux . . . . . 16
2.2.2 Diffusion de la rumeur . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Les diff´erentes applications sur la propagation des rumeurs . . . . 22
2.4 Critiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Table des mati`eres ii
3 Une approche pour la quantification de la profondeur d’une rumeur 25
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Notre contribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Calcul de similarit´e . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2 Algorithmes de diffusion de notre contribution . . . . . . . 29
3.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4 D´eploiement de l’approche propos´ee et r´esultats 32
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2 ´ Etude de cas Twitter . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2.1 Terminologie . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Phases de d´eploiement de l’approche . . . . . . . . . . . . . . . . . 34
4.3.1 Phase de l’extraction des donn´ees . . . . . . . . . . . . . . . 34
4.3.2 Phase de traitement des donn´ees . . . . . . . . . . . . . . . . 37
4.3.3 Phase de calcul de similarit´e . . . . . . . . . . . . . . . . . . 38
4.4 R´esultats obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.4.1 R´esultat d’´etude de similarit´e Utilisateur-Contenu . . . . . . 40
4.4.2 R´esultat d’´etude de similarit´e Utilisateur-Utilisateur . . . . . 41
4.5 Impl´ementation de l’algorithme avec la similarit´e Cosinus entre utilisateurs . . . . . . 43
4.6 Visualisation du graphe de diffusion . . . . . . . . . . . . . . . . . . 44
4.6.1 Interpr´etation du r´esultat : . . . . . . . . . . . . . . . . . . . . 45
4.7 Simulation du processus de diffusion des rumeurs . . . . . . . . . . 46
4.7.1 Mod´elisation d’agent . . . . . . . . . . . . . . . . . . . . . . . 46
4.7.2 Impl´ementation de la simulation . . . . . . . . . . . . . . . . 49
4.7.3 R´esultats de simulation . . . . . . . . . . . . . . . . . . . . . 53
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Conclusion g´en´erale 56
R´ef´erences bibliographiques 57
A Annexe : Personnalisation de package ComplexNetworkSimCôte titre : MAI/0220 En ligne : https://drive.google.com/file/d/1EPP8mq_KggTLFildH4F9qG_LHKSjD83A/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0220 MAI/0220 Mémoire Bibliothéque des sciences Français Disponible
DisponibleRéalisation d'une application semi-automatique d'annotation d'un corpus de tweets en dialecte algérien / Benbouda, mounir
![]()
Titre : Réalisation d'une application semi-automatique d'annotation d'un corpus de tweets en dialecte algérien Type de document : texte imprimé Auteurs : Benbouda, mounir ; BENZINE, M, Directeur de thèse Année de publication : 2017 Importance : 1 vol (45f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
application semi-automatique
Opinion Mining
Dialecte Algérien
AlgorithmesIndex. décimale : 004 Informatique Résumé : Résumé
Le domaine de l'analyse de sentiment a suscité un intérêt croissant ces
dernières années, pour toutes les applications pratiques qu'il a eues, la large diffusion
des réseaux sociaux et des microblogs ont donné aux gens, partout dans le monde, une
plate-forme publique pour partager leurs opinions sur divers sujets. Ces opinions
présentent une ressource sans précédent pour les individus et les entreprises de
recueillir des critiques précieuses sur leurs produits ou sur l'opinion publique en
général.
Il y a eu beaucoup de projets dans le domaine de l'analyse du sentiment et de
l'extraction des opinions, mais la majorité ne couvre pas les différents dialectes, Les
caractéristiques uniques du dialecte algérien rendent impossible l'utilisation
d'algorithmes développés pour l'arabe standard pour classer les textes écrits dans ce
dialecte particulier.
Nous avons développé une application qui rassemble Tweets écrit en dialecte
algérien et les annote en utilisant les différents algorithmes de classification dans le
but d’extrait les opinions des Algériens sur différents sujets.Note de contenu : Table de matières
Introduction générale.............................................................................................................. 7
1). Etat de l’art (Analyse des sentiments).............................................................................. 9
1.1 Introduction ................................................................................................................... 9
1.2 Les applications d’analyse des sentiments................................................................. 10
1.3 Recherche sur l’analyse des sentiments..................................................................... 10
1. 3.1 Les différents niveaux d’analyse ....................................................................... 11
1.3.2 NLP (analyse du langage naturelle).................................................................... 11
1.4 Le problème d’analyse des sentiments....................................................................... 12
1.4.1 Définition du problème ........................................................................................ 12
1.4.2 Définition formelle de l’opinion........................................................................... 12
1.4.3 La classification par subjectivité......................................................................... 13
1.4.4 Algorithmes de classification............................................................................... 13
1.5 L’analyse des sentiments sur Twitter ........................................................................ 17
1.6 Analyse des sentiments dans les corpus arabe .......................................................... 18
1.6.1 Le dialecte algérien............................................................................................... 19
1.7 Conclusion.................................................................................................................... 19
2). Contribution et réalisation .............................................................................................. 20
2.1 Introduction ................................................................................................................. 20
2.2 Description des outils .................................................................................................. 20
2.2.1 Java........................................................................................................................ 20
2.2.2 Eclipse.................................................................................................................... 21
2.2.3 La librairie Twitter4j ........................................................................................... 21
2.2.4 Les libraires apache.............................................................................................. 24
2.2.5 Les libraires JSON ............................................................................................... 24
2.2.6 SQLite.................................................................................................................... 24
2.3 Présentation de l’application...................................................................................... 25
2.3.1 Diagramme de cas d’utilisation........................................................................... 25
2.3.2 Interfaces Graphique ........................................................................................... 27
2.3.3 Forma des Tweets................................................................................................. 29
2.4 Extraction des Tweet................................................................................................... 30
2.4.1 Extraction par Twitter4j...................................................................................... 30
2.4.2 Extraction directe ................................................................................................. 30
2.5 Nettoyage des Tweet.................................................................................................... 31
2.6 Sauvegarde des Tweets................................................................................................ 31
2.7 Annotation.................................................................................................................... 31
2.7.1 Annotation manuelle ............................................................................................ 31
2.7.2 Annotation par algorithme dictionnaire............................................................. 32
2.7.3 Annotation par algorithme KNN ........................................................................ 32
2.8 calcule des statistiques................................................................................................. 34
2.9 Conclusion.................................................................................................................... 35
3). Expérimentation............................................................................................................... 36
3.1 Introduction ................................................................................................................. 36
3.2 Test des algorithmes d’extraction .............................................................................. 36
3.3 Test des algorithmes d’annotation............................................................................. 37
3.3.1 Tests de temps....................................................................................................... 37
3.3.2 Tests des Taux D’erreurs..................................................................................... 38
3.4 Conclusion.................................................................................................................... 41
4). Conclusion générale ......................................................................................................... 43
Bibliographie - webographie ................................................................................................ 44
Table de figures ..................................................................................................................... 45Côte titre : MAI/0175 En ligne : https://drive.google.com/file/d/1BG2pn4ZL6ErKjnvO0LlraWRgOaI0xlnw/view?usp=shari [...] Format de la ressource électronique : Réalisation d'une application semi-automatique d'annotation d'un corpus de tweets en dialecte algérien [texte imprimé] / Benbouda, mounir ; BENZINE, M, Directeur de thèse . - 2017 . - 1 vol (45f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
application semi-automatique
Opinion Mining
Dialecte Algérien
AlgorithmesIndex. décimale : 004 Informatique Résumé : Résumé
Le domaine de l'analyse de sentiment a suscité un intérêt croissant ces
dernières années, pour toutes les applications pratiques qu'il a eues, la large diffusion
des réseaux sociaux et des microblogs ont donné aux gens, partout dans le monde, une
plate-forme publique pour partager leurs opinions sur divers sujets. Ces opinions
présentent une ressource sans précédent pour les individus et les entreprises de
recueillir des critiques précieuses sur leurs produits ou sur l'opinion publique en
général.
Il y a eu beaucoup de projets dans le domaine de l'analyse du sentiment et de
l'extraction des opinions, mais la majorité ne couvre pas les différents dialectes, Les
caractéristiques uniques du dialecte algérien rendent impossible l'utilisation
d'algorithmes développés pour l'arabe standard pour classer les textes écrits dans ce
dialecte particulier.
Nous avons développé une application qui rassemble Tweets écrit en dialecte
algérien et les annote en utilisant les différents algorithmes de classification dans le
but d’extrait les opinions des Algériens sur différents sujets.Note de contenu : Table de matières
Introduction générale.............................................................................................................. 7
1). Etat de l’art (Analyse des sentiments).............................................................................. 9
1.1 Introduction ................................................................................................................... 9
1.2 Les applications d’analyse des sentiments................................................................. 10
1.3 Recherche sur l’analyse des sentiments..................................................................... 10
1. 3.1 Les différents niveaux d’analyse ....................................................................... 11
1.3.2 NLP (analyse du langage naturelle).................................................................... 11
1.4 Le problème d’analyse des sentiments....................................................................... 12
1.4.1 Définition du problème ........................................................................................ 12
1.4.2 Définition formelle de l’opinion........................................................................... 12
1.4.3 La classification par subjectivité......................................................................... 13
1.4.4 Algorithmes de classification............................................................................... 13
1.5 L’analyse des sentiments sur Twitter ........................................................................ 17
1.6 Analyse des sentiments dans les corpus arabe .......................................................... 18
1.6.1 Le dialecte algérien............................................................................................... 19
1.7 Conclusion.................................................................................................................... 19
2). Contribution et réalisation .............................................................................................. 20
2.1 Introduction ................................................................................................................. 20
2.2 Description des outils .................................................................................................. 20
2.2.1 Java........................................................................................................................ 20
2.2.2 Eclipse.................................................................................................................... 21
2.2.3 La librairie Twitter4j ........................................................................................... 21
2.2.4 Les libraires apache.............................................................................................. 24
2.2.5 Les libraires JSON ............................................................................................... 24
2.2.6 SQLite.................................................................................................................... 24
2.3 Présentation de l’application...................................................................................... 25
2.3.1 Diagramme de cas d’utilisation........................................................................... 25
2.3.2 Interfaces Graphique ........................................................................................... 27
2.3.3 Forma des Tweets................................................................................................. 29
2.4 Extraction des Tweet................................................................................................... 30
2.4.1 Extraction par Twitter4j...................................................................................... 30
2.4.2 Extraction directe ................................................................................................. 30
2.5 Nettoyage des Tweet.................................................................................................... 31
2.6 Sauvegarde des Tweets................................................................................................ 31
2.7 Annotation.................................................................................................................... 31
2.7.1 Annotation manuelle ............................................................................................ 31
2.7.2 Annotation par algorithme dictionnaire............................................................. 32
2.7.3 Annotation par algorithme KNN ........................................................................ 32
2.8 calcule des statistiques................................................................................................. 34
2.9 Conclusion.................................................................................................................... 35
3). Expérimentation............................................................................................................... 36
3.1 Introduction ................................................................................................................. 36
3.2 Test des algorithmes d’extraction .............................................................................. 36
3.3 Test des algorithmes d’annotation............................................................................. 37
3.3.1 Tests de temps....................................................................................................... 37
3.3.2 Tests des Taux D’erreurs..................................................................................... 38
3.4 Conclusion.................................................................................................................... 41
4). Conclusion générale ......................................................................................................... 43
Bibliographie - webographie ................................................................................................ 44
Table de figures ..................................................................................................................... 45Côte titre : MAI/0175 En ligne : https://drive.google.com/file/d/1BG2pn4ZL6ErKjnvO0LlraWRgOaI0xlnw/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0175 MAI/0175 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Réalisation d'une base de données des gestes Type de document : texte imprimé Auteurs : Kherraz, loubna ; KHABABA, Abdallah, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (47f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
vision intelligence
interaction homme
machine gestuelleIndex. décimale : 004 Informatique Côte titre : MAI/0190 Réalisation d'une base de données des gestes [texte imprimé] / Kherraz, loubna ; KHABABA, Abdallah, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (47f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
vision intelligence
interaction homme
machine gestuelleIndex. décimale : 004 Informatique Côte titre : MAI/0190 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0190 MAI/0190 Mémoire Bibliothéque des sciences Français Disponible
DisponibleRéalisation d’un système de détection des maladies végétales au niveau des serres agricoles par l’utilisation des techniques d’intelligence artificielle / seyf eddine Zitouni
![]()
Titre : Réalisation d’un système de détection des maladies végétales au niveau des serres agricoles par l’utilisation des techniques d’intelligence artificielle Type de document : texte imprimé Auteurs : seyf eddine Zitouni, Auteur ; chaima Bourouba, Auteur ; Fouaz Berrhail, Directeur de thèse Année de publication : 2022 Importance : 1 vol (84 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprentissage profond
CNNIndex. décimale : 004 Informatique Résumé :
Dans le secteur agricole, les maladies foliaires constituent un problème majeur qui affecte la production agricole (En particulier le rendement) ainsi que le profit économique. Une détection précoce de ce type des maladies grâce à l’utilisation des techniques et de technologies modernes telles que l’intelligence artificielle et l'apprentissage profond pourrait éviter une telle catastrophe. Dans ce travail nous présentons un système de détection des malades végétales que nous avons réalisé. Ce système est basé principalement sur l’utilisation des réseaux de neurones à convolution (CNN : Convolutional Neural Network), ce dernier est composé de quatre composants qui sont : Services web, Une application mobile, Une base de données et un classificateur à la base d’un réseau de neurones à convolution qui permet classifier et détecter les malades des plantes. L’approche proposée est été formée et testée à l’aide de jeux de données « new plant disease dataset » obtenue à partir de la plateforme kaggle. Ces jeux de données contiennent une variété d’images des plantes touchées par certaines maladies. Par conséquence, notre système réalisé à la base de CNN modèle, a pu reconnaitre les maladies des plantes avec une grande précision de 98%, et un taux de perte deCôte titre : MAI/0630 En ligne : https://drive.google.com/file/d/1LT4RbrfSNU5F8-pMccPl6YtpH0eKG5NT/view?usp=share [...] Format de la ressource électronique : Réalisation d’un système de détection des maladies végétales au niveau des serres agricoles par l’utilisation des techniques d’intelligence artificielle [texte imprimé] / seyf eddine Zitouni, Auteur ; chaima Bourouba, Auteur ; Fouaz Berrhail, Directeur de thèse . - 2022 . - 1 vol (84 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprentissage profond
CNNIndex. décimale : 004 Informatique Résumé :
Dans le secteur agricole, les maladies foliaires constituent un problème majeur qui affecte la production agricole (En particulier le rendement) ainsi que le profit économique. Une détection précoce de ce type des maladies grâce à l’utilisation des techniques et de technologies modernes telles que l’intelligence artificielle et l'apprentissage profond pourrait éviter une telle catastrophe. Dans ce travail nous présentons un système de détection des malades végétales que nous avons réalisé. Ce système est basé principalement sur l’utilisation des réseaux de neurones à convolution (CNN : Convolutional Neural Network), ce dernier est composé de quatre composants qui sont : Services web, Une application mobile, Une base de données et un classificateur à la base d’un réseau de neurones à convolution qui permet classifier et détecter les malades des plantes. L’approche proposée est été formée et testée à l’aide de jeux de données « new plant disease dataset » obtenue à partir de la plateforme kaggle. Ces jeux de données contiennent une variété d’images des plantes touchées par certaines maladies. Par conséquence, notre système réalisé à la base de CNN modèle, a pu reconnaitre les maladies des plantes avec une grande précision de 98%, et un taux de perte deCôte titre : MAI/0630 En ligne : https://drive.google.com/file/d/1LT4RbrfSNU5F8-pMccPl6YtpH0eKG5NT/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0630 MAI/0630 Mémoire Bibliothéque des sciences Français Disponible
DisponibleA Receiver-Initiated Asynchrones Duty-Cycle MAC Protocol for The Internet of Things / Chaima Souissi
![]()
Titre : A Receiver-Initiated Asynchrones Duty-Cycle MAC Protocol for The Internet of Things Type de document : texte imprimé Auteurs : Chaima Souissi, Auteur ; Sonia Zebbache, Auteur ; Lakhdar Goudjil, Auteur Année de publication : 2022 Importance : 1 vol (58 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : IOT
Apprentissage par renforcement
Q_Learning ClusteringIndex. décimale : 004 Informatique Résumé :
La prévalence du paradigme de l'Internet des objets (IoT) dans davantage d'applications associé à notre vie quotidienne a induit un réseau dense dans lequel de nombreux appareils sans fil, des protocoles de contrôle d'accès (MAC) ont été conçus pour assurer la coordination entre les appareils qui partagent le canal sans fil. Une approche de premier plan parfaitement adaptée aux IoT et réseaux de capteurs sans fil(WSN), qui repose sur le cycle de service, est l'approche initiée par le récepteur.
Nous avons proposé dans ce mémoire un protocole MAC asynchrone initier par le récepteur pour l'Internet des objets (IoT), afin de réduire écoute à vide ‘idle listening’ et de minimiser les collisions dans le but d’optimiser la consommation d’énergie.Côte titre : MAI/0633 En ligne : https://drive.google.com/file/d/1ER8k71eqPpsoiT1Tv-QzhHLj1ebIPGWz/view?usp=share [...] Format de la ressource électronique : A Receiver-Initiated Asynchrones Duty-Cycle MAC Protocol for The Internet of Things [texte imprimé] / Chaima Souissi, Auteur ; Sonia Zebbache, Auteur ; Lakhdar Goudjil, Auteur . - 2022 . - 1 vol (58 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : IOT
Apprentissage par renforcement
Q_Learning ClusteringIndex. décimale : 004 Informatique Résumé :
La prévalence du paradigme de l'Internet des objets (IoT) dans davantage d'applications associé à notre vie quotidienne a induit un réseau dense dans lequel de nombreux appareils sans fil, des protocoles de contrôle d'accès (MAC) ont été conçus pour assurer la coordination entre les appareils qui partagent le canal sans fil. Une approche de premier plan parfaitement adaptée aux IoT et réseaux de capteurs sans fil(WSN), qui repose sur le cycle de service, est l'approche initiée par le récepteur.
Nous avons proposé dans ce mémoire un protocole MAC asynchrone initier par le récepteur pour l'Internet des objets (IoT), afin de réduire écoute à vide ‘idle listening’ et de minimiser les collisions dans le but d’optimiser la consommation d’énergie.Côte titre : MAI/0633 En ligne : https://drive.google.com/file/d/1ER8k71eqPpsoiT1Tv-QzhHLj1ebIPGWz/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0633 MAI/0633 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkPermalinkPermalinkPermalinkLa reconnaissance des expressions facials par Les Landmarks et la Triangulation Delaunay / Lamri Sahraoui ,Fares
![]()
PermalinkPermalinkLa reconnaissance des panneaux de circulation (cas de limitateur de vitesse): état de l'art / Djamila Samai
![]()
PermalinkPermalinkPermalinkPermalink