Catalogue des Mémoires de master
Résultat de la recherche
13 recherche sur le tag
'classification' 
Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche
Titre : Invariants topologiques sur les surfaces Type de document : texte imprimé Auteurs : Khaoula Benmoussa, Auteur ; Rafika Hambli, Auteur ; Chahrazade Matmat, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2018 Importance : 66 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences Exactes:Mathématiques Tags : Invariants topologiques variétés, surfaces triangulation topologie quotient somme connexe classification Index. décimale : 510 Mathématiques Résumé : Les invariants topologiques constituent des moyens très utiles et efficaces en topologie algé-
brique. Ils servent à résoudre pas mal de problèmes en topologie et en analyse non linéaire.
Notre mémoire est consacré à l’étude de ces derniers sur les surfaces, qui sont parmi les
variétés les plus étudiés et les plus connus dans de différentes branches de mathématiques et
dans le monde réel.
On donne l’étude détaillé de trois invariants topologiques, la caractéristique d’Euler, l’orientabilité et le genre.
Évidement, quelques de leurs propriétés sont présentés. Ceci nous permet de classifier définitivement les surfaces topologiques.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10703 Invariants topologiques sur les surfaces [texte imprimé] / Khaoula Benmoussa, Auteur ; Rafika Hambli, Auteur ; Chahrazade Matmat, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2018 . - 66 f. ; 30 cm.
Une copie electronique PDF disponible au BUC.
Langues : Français (fre)
Catégories : Sciences Exactes:Mathématiques Tags : Invariants topologiques variétés, surfaces triangulation topologie quotient somme connexe classification Index. décimale : 510 Mathématiques Résumé : Les invariants topologiques constituent des moyens très utiles et efficaces en topologie algé-
brique. Ils servent à résoudre pas mal de problèmes en topologie et en analyse non linéaire.
Notre mémoire est consacré à l’étude de ces derniers sur les surfaces, qui sont parmi les
variétés les plus étudiés et les plus connus dans de différentes branches de mathématiques et
dans le monde réel.
On donne l’étude détaillé de trois invariants topologiques, la caractéristique d’Euler, l’orientabilité et le genre.
Évidement, quelques de leurs propriétés sont présentés. Ceci nous permet de classifier définitivement les surfaces topologiques.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10703 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSMTH180062 MSMTH180062 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte integréAdobe Acrobat PDFClassification and Segmentation of COVID-19 CXR and Chest CT Imag;es Using Deep Learning Algorithms / Abdesselam Ferdi
Titre : Classification and Segmentation of COVID-19 CXR and Chest CT Imag;es Using Deep Learning Algorithms Type de document : texte imprimé Auteurs : Abdesselam Ferdi, Auteur ; Said Benierbah, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2020 Importance : 77 f. Format : 30cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Anglais (eng) Catégories : Lettres et Langues Etrangères:Langue Anglaise Tags : COVID-19 Convolutional Network Chest X-Ray Chest Computed Tomography Classification Deep Learning Fully Convolutional Network Medical image processing Semantic Segmentation Transfer Learning. Index. décimale : 420 Langue anglaise Résumé : In recent years, deep learning algorithms have a tremendous growth in their popularity and
use in many fields, such as medical imaging. In this work, we will use these algorithms to help
in the diagnosis of the COVID 19. Although RT-PCR testing is considered the gold standard for
COVID-19 screening, diagnosis of this disease by processing chest x-ray and chest CT images
is also widely used nowadays. The work carried out in this thesis has two parts. The first part
is devoted to classification and the second part deals with segmentation. Four deep learning
algorithms based on convolutional networks has been used in the task of COVID-19 chest xray images classification. Three of them are pre-trained networks, namely, ResNet-50,
Inception-v3, and Inception-ResNet-v2, and the fourth one is our proposed deep learning
network. In the segmentation task, three algorithms based on fully convolutional networks has
been used to segment the chest CT images of COVID-19 into three regions of lung infection
(ground-glass opacity, consolidation, and pleural effusion). Two algorithms has been taken
from literature, namely, U-Net and SegNet, and the third one is our proposed deep learning
model. The classification results show that our proposed model COVID-Net has yielded the
highest classification performance as the ResNet-50 does with a validation accuracy of 99%. In
the case of segmentation, the results show that the SegNet model have yielded the highest dice
score of 0.69Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=13551 Classification and Segmentation of COVID-19 CXR and Chest CT Imag;es Using Deep Learning Algorithms [texte imprimé] / Abdesselam Ferdi, Auteur ; Said Benierbah, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2020 . - 77 f. ; 30cm.
Une copie electronique PDF disponible au BUC.
Langues : Anglais (eng)
Catégories : Lettres et Langues Etrangères:Langue Anglaise Tags : COVID-19 Convolutional Network Chest X-Ray Chest Computed Tomography Classification Deep Learning Fully Convolutional Network Medical image processing Semantic Segmentation Transfer Learning. Index. décimale : 420 Langue anglaise Résumé : In recent years, deep learning algorithms have a tremendous growth in their popularity and
use in many fields, such as medical imaging. In this work, we will use these algorithms to help
in the diagnosis of the COVID 19. Although RT-PCR testing is considered the gold standard for
COVID-19 screening, diagnosis of this disease by processing chest x-ray and chest CT images
is also widely used nowadays. The work carried out in this thesis has two parts. The first part
is devoted to classification and the second part deals with segmentation. Four deep learning
algorithms based on convolutional networks has been used in the task of COVID-19 chest xray images classification. Three of them are pre-trained networks, namely, ResNet-50,
Inception-v3, and Inception-ResNet-v2, and the fourth one is our proposed deep learning
network. In the segmentation task, three algorithms based on fully convolutional networks has
been used to segment the chest CT images of COVID-19 into three regions of lung infection
(ground-glass opacity, consolidation, and pleural effusion). Two algorithms has been taken
from literature, namely, U-Net and SegNet, and the third one is our proposed deep learning
model. The classification results show that our proposed model COVID-Net has yielded the
highest classification performance as the ResNet-50 does with a validation accuracy of 99%. In
the case of segmentation, the results show that the SegNet model have yielded the highest dice
score of 0.69Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=13551 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSENG200117 MSENG200117 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte intérgéAdobe Acrobat PDF
Titre : Classification dans les sous espaces Type de document : texte imprimé Auteurs : Ahmed Chennib, Auteur ; Fella Hachouf, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2014 Importance : 40 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Automatique Industrielle Et Humain Classification sous espaces Index. décimale : 610 Electronique Résumé : Dans ce travail, nous nous sommes intéressés aux méthodes de classification dans les sous espaces ; et ceci pour deux types d'images différentes, avec deux types de vecteurs caractéristiques.
Nous avons utilisé deux types d'éléments dans les deux méthodes différentes ; le premier type sont les quatre cumulants et le deuxième type sont les quatorze paramètres de texture. Le but est d'améliorer les résultats de notre classification.
Les algorithmes utilisés sont la classification floue dans les sous espaces et les séparateurs à vaste marge multiclasses. (MultiSVM).Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8348 Classification dans les sous espaces [texte imprimé] / Ahmed Chennib, Auteur ; Fella Hachouf, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2014 . - 40 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Catégories : Sciences de la technologie:Electronique Tags : Automatique Industrielle Et Humain Classification sous espaces Index. décimale : 610 Electronique Résumé : Dans ce travail, nous nous sommes intéressés aux méthodes de classification dans les sous espaces ; et ceci pour deux types d'images différentes, avec deux types de vecteurs caractéristiques.
Nous avons utilisé deux types d'éléments dans les deux méthodes différentes ; le premier type sont les quatre cumulants et le deuxième type sont les quatorze paramètres de texture. Le but est d'améliorer les résultats de notre classification.
Les algorithmes utilisés sont la classification floue dans les sous espaces et les séparateurs à vaste marge multiclasses. (MultiSVM).Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8348 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSELE140006 MSELE140006 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte integreAdobe Acrobat PDF
Titre : Classification des images endoscopiques par Deep Learning Type de document : texte imprimé Auteurs : Abderrahmane Salmi, Auteur ; F. Soltani, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2017 Importance : 67 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : classification apprentissage profond capsule endoscopique tube digestif Framework Tensorflow images endoscopiques Index. décimale : 610 Electronique Résumé : Le but de notre travail est de réaliser un algorithme de classification des images produites par les capsules endoscopiques, en utilisant l’apprentissage profond. L’apprentissage profond est un ensemble de méthodes d'apprentissage artificiel qui permettent de modéliser les données avec un grand nombre de couches. Ceci va permettre d’identifier automatiquement les différentes parties du tube digestif (estomac, colon intestin …). Dans notre travail, nous avons utilisé le Framework Tensorflow de Google. Nous avons testé deux réseaux neurones convolutifs : notre propre modèle et un modèle par réentrainement d’inception-V3. Enfin, nous avons effectué des tests de classification sur les images endoscopiques Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8485 Classification des images endoscopiques par Deep Learning [texte imprimé] / Abderrahmane Salmi, Auteur ; F. Soltani, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2017 . - 67 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Catégories : Sciences de la technologie:Electronique Tags : classification apprentissage profond capsule endoscopique tube digestif Framework Tensorflow images endoscopiques Index. décimale : 610 Electronique Résumé : Le but de notre travail est de réaliser un algorithme de classification des images produites par les capsules endoscopiques, en utilisant l’apprentissage profond. L’apprentissage profond est un ensemble de méthodes d'apprentissage artificiel qui permettent de modéliser les données avec un grand nombre de couches. Ceci va permettre d’identifier automatiquement les différentes parties du tube digestif (estomac, colon intestin …). Dans notre travail, nous avons utilisé le Framework Tensorflow de Google. Nous avons testé deux réseaux neurones convolutifs : notre propre modèle et un modèle par réentrainement d’inception-V3. Enfin, nous avons effectué des tests de classification sur les images endoscopiques Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8485 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSELE170036 MSELE170036 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte integreAdobe Acrobat PDF
Titre : Classification supervisée des images échographiques Type de document : texte imprimé Auteurs : Dounia Kitouni, Auteur ; Fella Hachouf, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2017 Importance : 45 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : contrôle des systèmes Classification échographiques supervisée Index. décimale : 610 Electronique Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8153 Classification supervisée des images échographiques [texte imprimé] / Dounia Kitouni, Auteur ; Fella Hachouf, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2017 . - 45 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Catégories : Sciences de la technologie:Electronique Tags : contrôle des systèmes Classification échographiques supervisée Index. décimale : 610 Electronique Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8153 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSELE170003 MSELE170003 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte integreAdobe Acrobat PDF
Permalink
Permalink
PermalinkPermalink
