A Deep Learning Model for Predication / Ammar Assif Menaouel  

Public ISBD Titre : A Deep Learning Model for Predication Type de document : texte imprimé Auteurs : Ammar Assif Menaouel, Auteur ; Seif Eddine Ayad, Auteur ; Daifi,ahlem, Directeur de thèse Année de publication : 2022 Importance : 1 vol (85 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Machine Learning Deep Learning Index. décimale : 004 Informatique Résumé : Time series forecasting involves developing a predictive model on data where there is an ordered relationship between observations. In fact, there are many challenges when forecasting one or more possible future observations because forecasting models add the complexity of order or temporal dependence between observations. Traditionally, time series forecasting has been dominated by linear methods like ARIMA because they are well understood and effective on many problems. However, this linear relationship excludes more complex joint distributions and many real-world problems have multiple input variables. In this thesis, we focus on developing a deep learning model as it has already been proved that they are effective on more complex time series forecasting problems with multiple input variables. Our proposed model is based on LSTM autoencoder (Long Short Term Memory), which extract complex nonlinear relationships and perform well for mutivariates inputs. In addition, the ability of the autoencoder to project the data in latent space help to deal with the limitation of missing data. We conducted our experiments on a data set of people with type 1 diabetes in order to predict their blood glucose level for a period of 5 minutes to an hour. We have obtained a good result, which we will work on improving in the upcoming works, InchaaAllah Côte titre : MAI/0582 En ligne : https://drive.google.com/file/d/1dgX0lB3xwdmu5pvcqrhPGFAWV7YK3fZF/view?usp=share [...] Format de la ressource électronique : pdf A Deep Learning Model for Predication [texte imprimé] / Ammar Assif Menaouel, Auteur ; Seif Eddine Ayad, Auteur ; Daifi,ahlem, Directeur de thèse . - 2022 . - 1 vol (85 f .) ; 29cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Machine Learning Deep Learning Index. décimale : 004 Informatique Résumé : Time series forecasting involves developing a predictive model on data where there is an ordered relationship between observations. In fact, there are many challenges when forecasting one or more possible future observations because forecasting models add the complexity of order or temporal dependence between observations. Traditionally, time series forecasting has been dominated by linear methods like ARIMA because they are well understood and effective on many problems. However, this linear relationship excludes more complex joint distributions and many real-world problems have multiple input variables. In this thesis, we focus on developing a deep learning model as it has already been proved that they are effective on more complex time series forecasting problems with multiple input variables. Our proposed model is based on LSTM autoencoder (Long Short Term Memory), which extract complex nonlinear relationships and perform well for mutivariates inputs. In addition, the ability of the autoencoder to project the data in latent space help to deal with the limitation of missing data. We conducted our experiments on a data set of people with type 1 diabetes in order to predict their blood glucose level for a period of 5 minutes to an hour. We have obtained a good result, which we will work on improving in the upcoming works, InchaaAllah Côte titre : MAI/0582 En ligne : https://drive.google.com/file/d/1dgX0lB3xwdmu5pvcqrhPGFAWV7YK3fZF/view?usp=share [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0582	MAI/0582	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

Système a base d'ontologies pour l'augmentation des ventes dans le commerce électronique / Daifi,ahlem

Public ISBD Titre : Système a base d'ontologies pour l'augmentation des ventes dans le commerce électronique Type de document : texte imprimé Auteurs : Daifi,ahlem ; TOUAHRIA, M, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (44f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux Systèmes Distribués ontologie commerce electronique l'augmentation des ventes Index. décimale : 004 Informatique Côte titre : MAI/0120 Système a base d'ontologies pour l'augmentation des ventes dans le commerce électronique [texte imprimé] / Daifi,ahlem ; TOUAHRIA, M, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (44f.) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux Systèmes Distribués ontologie commerce electronique l'augmentation des ventes Index. décimale : 004 Informatique Côte titre : MAI/0120

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0120	MAI/0120	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 2 / 2)