3- إعلام آلي

Permanent URI for this collectionhttp://172.16.2.43:4000/handle/123456789/580

Browse

Now showing 1 - 20 of 290

Adaptation de clustering phase de protocole de routage « LEACH » pour les réseaux de capteurs sans fil
(Universite laarbi tebessi tebessa, 2020) Guemmadi, Sabrina
Le réseau de capteurs sans fil se compose d'un grand nombre de petits nœuds de capteurs avec des ressources énergétiques limitées, ce qui constitue un réel problème pour ce réseau. Dans cette étude, nous allons modifier l'un des algorithmes de routage les plus courants pour la communication des données dans le WSN: LEACH (Hiérarchie adaptative à faible consommation d'énergie). La version modifiée de la version de base LEACH, "Kmeans _LEACH", prolonge la durée de vie du réseau et envoyer plus de données que le protocole d'origine. L'algorithme proposé a été simulé avec MATLAB pour vérifier l'efficacité de l'amélioration de la durée de vie de ce réseau. Les résultats de la simulation ont confirmé que le système fonctionnait mieux de la plateforme LEACH et la vie du réseau s'est améliorée.
Adaptation des profiles utilisateurs selon le contexte
(Universite laarbi tebessi tebessa, 2017) Oussama, SOLTANI; BOUAZDIA, Mohamed Abdelouaheb
De nombreuses applications « informatique ubiquitaire » ont besoin d'une Flux constant d'informations sur leur environnement, Pouvoir s'adapter à leur contexte changeant, et Les applications qui exploitent l'information contextuelle afin d'adapter leurs comportements à des environnements opérationnels dynamiques et aux besoins des utilisateurs sont de plus en plus explorées dans le cadre de la vision de l'informatique ubiquitaire. Cette situation persiste en grande partie en raison de l'absence d'abstractions appropriées de haut niveau pour décrire, raisonner et exploiter l'information contextuelle comme base d'adaptation de profile utilisateur. Dans ce travail, nous mentionnons les travaux connexes dans ce domaine et nous essayons de proposer un modèle d'adaptation du profil utilisateur basé sur le contexte.
Adaptation un protocole de routage pour les réseaux de capteurs corporels WBANs
(Université Echahid Chikh Larbi Tébessi -Tébessa, 2023-06-08) MESSAI, Anfel
Les réseaux de capteurs sans fil (WSN) sont largement utilisés dans diverses applications, y compris les soins de santé, en raison de leur adaptabilité à différents environnements. Un type spécifique de WSN est les réseaux corporels sans fil (WBAN), qui sont de plus en plus utilisés pour la surveillance médicale à distance. Cependant, les WBAN ont des exigences spécifiques, telles que le délai, la consommation d’énergie et la durée de vie du réseau, qui doivent être prises en compte lors de la conception des protocoles. Les protocoles de routage sont cruciaux pour déterminer les performances globales du système des WBAN. Ainsi, il est important d'étudier et d'analyser les protocoles de routage existants afin d'identifier leurs forces et leurs faiblesses et de développer de nouveaux protocoles adaptés spécifiquement aux WBAN. Ce mémoire vise à adapter un protocole de routage « SIMPLE » pour les WBAN et à le comparer à un autre protocole dans un environnement de simulation.
Agent Ambiants pour les environmentssensible au contexte
(Universite laarbi tebessi tebessa, 2016) Ghassem, Sidi Aly; Benmedakhen, Slimane
Les systèmes sensibles au contexte exigent la prise en compte du contexte pour rendre une réponse adapté aux utilisateurs, pour ce là, une représentation de l’information contextuelle est requise. Le développement de ce type de systèmes a besoin de l'intégration des technologies nouvelles dédiés aux environnements complexes, pour garantir des meilleures solutions. Dans ce sens, les systèmes multi-agents ambiants offrent des caractéristiques spéciales, qui les rendent appropriées pour le développement des systèmes ambiants sensible au contexte, telles que la réactivité, le raisonnement, l'autonomie et les aptitudes sociales. Dont l’objectif d’utiliser cette technique pour la prise en compte du contexte dans les environnements nomade sensible au contexte, tout d’abord, on a proposé dans ce mémoire, une approche à base d’agents ambiants dédiée aux smart-phones, qui se compose de plusieurs agents ambiants. Ses agents ambiants, agissent avec leurs environnement en utilisent les capacités des dispositifs pour arriver à offrir une aide objectif à l’utilisateur. On a aussi, utilisé AUML pour modéliser l’architecture de couches de notre approche. En fin, on a arrivé à implémenté un prototype de notre approche qui s’appelle «KHOCHO3I », en utilisant les technologies android studio et JADE-LEAP
AI - driven solution for accurate diagnosis and treatement of autism
(University Larbi Tébessi – Tébessa, 2024-06) BAALOUDJ, Houssem Eddine
The study of autism spectrum disorder (ASD) is one of the most interesting research topics in recent years because it requires a very rapid and accurate diagnosis. Specialists have relied on children's ability to write, draw, and color, in addition to collecting special pictures of their faces, which has provided many advantages in diagnosis. For example, children with autism may have specific patterns in their drawings and writings, which can indicate certain aspects of their condition. Analyzing these graphic elements can reveal fine motor skill difficulties or repetitive tendencies typical of ASD. Moreover, the facial expressions of children can offer clues about emotional recognition and social responsiveness, two areas often affected by autism. There are also several other methods of diagnosis, such as studying and analyzing behavior via video, and relying on X-rays of the brain. Behavioral observation can help identify specific behavioral patterns and communication difficulties. Additionally, brain imaging can show abnormalities in brain structure and connectivity, providing biological evidence of autism. For this reason, the diagnostic process remains somewhat complex and difficult. This complexity has encouraged the use of modern artificial intelligence techniques, such as deep learning, to diagnose autism spectrum disorders using coloring, handwriting, and drawing photos and facial images. Artificial intelligence can analyze large amounts of data and identify subtle patterns that humans might miss. To this end, artificial intelligence scientists and researchers have begun to engage in building systems based on deep learning and machine learning. These systems can process images and videos in a sophisticated manner, learn to recognize the features associated with ASD, and improve the accuracy and speed of diagnoses. In this project, we created three educational models for autism spectrum classification. The first model is an updated CNN model called (Aut-Net) that achieved an accuracy rate of 98% on the coloring dataset. The second model, VGG 16, achieved 98% on the drawing dataset. The third model, Res-Net, is related to the face recognition dataset and achieved 77%. These models and datasets were chosen based on the results of experimenting with different models and selecting the best one, in addition to the available datasets. This rigorous approach ensures that the chosen models are the most effective for the given tasks, enhancing the reliability and accuracy of the diagnostic process.
AI-Based Online API for Fake Speech Detection
(University Larbi Tébessi – Tébessa, 2024-07-14) BOUSBA, Abdelsamie
Deepfake audio technology poses a growing threat to information authenticity and in- tegrity. This thesis provides a systematic investigation of different Machine Learning (ML) methods for detecting deepfake in Arabic speech. Firstly, a novel dataset of real and synthetic Arabic audio speech was created. Then, various ML methods were evaluated for their ability to discriminate between genuine and synthesized speech. Finally, a new Arabic deepfake speech framework is proposed, including handcrafted feature extraction and classification. Feature importance analysis revealed key acoustic and prosodic cues that contribute to the detection process, where the XGBoost classifier emerged as the most effective. Experimental results demonstrated the robustness and the high accuracy of our proposed framework for Arabic deepfake speech detection compared to state-of-the- art methods. This research establishes a benchmark for Arabic deepfake audio detection and contributes to the ongoing efforts to combat the harmful effects of this technology.
AI-Based Universal Lesion Segmentation Application for Thoracic-Abdominal in Computed Tomography Scans
(University Larbi Tébessi – Tébessa, 2024-07-14) LADJAL, Mohamed
Medical imaging plays a crucial role in the diagnosis and treatment of various diseases, particularly in identifying and evaluating lesions within the thoracic-abdominal region. Traditional methods of lesion segmentation, which rely heavily on manual delineation by radiologists, are time-consuming and prone to variability. Advances in deep learning and artificial intelligence offer promising solutions to these challenges by automating the segmentation process, thus enhancing accuracy and efficiency. This master thesis presents an innovative framework for universal lesion segmentation in thoracic-abdominal computed tomography (CT) scans using advanced deep learning techniques. The proposed methodology leverages the U-Mamba model, which integrates Convolutional Neural Networks (CNNs) and State Space Models (SSMs), to enhance segmentation accuracy and efficiency. The framework involves meticulous preprocessing steps, including lesion selection and Volume of Interest (VOI) cropping, to ensure precise targeting of lesions. The U-Mamba model, trained with the LION (EvoLved Sign Momentum) optimizer, demonstrates su- perior performance in capturing long-range dependencies and handling complex lesion structures across various datasets. The model’s encoder-decoder architecture, coupled with residual blocks and skip connections, enables robust and detailed segmentation out- puts. This study validates the efficacy of the proposed framework through comprehensive evaluations, underscoring its potential to improve diagnostic imaging and clinical work- flows.
AI-Driven Cardiac Diagnostics: Leveraging Vision Transformers for PCG Signal Classification
(University of Echahid Cheikh Larbi Tébessi -Tébessa, 2025-06-06) BOUATOUATA, Chakib
work presents a comprehensive approach to classifying cardiac sound (PCG) signals into normal and abnormal categories using hybrid deep learning and ma- chine learning techniques. Our goal is to develop a solution based on artificial intelligence techniques. The study leverages the PhysioNet/CinC Challenge 2016 dataset, which consists of recordings from multiple environments and patient cases, introducing significant variability in signal quality, duration, and class balance. A robust preprocessing pipeline was implemented to normalize and segment the sig- nals by patient. Time-domain and frequency-domain features were extracted to improve representation. n our work, we proposed a hybrid architecture that inte- grates multiple models, long short-term memory (LSTM) networks to model tem- poral context, and an attention mechanism to weight the most informative heart- beats. The most relevant segments were selected using attention weights, forming the final input to a random forest classifier. Experimental results demonstrate that the proposed system achieves promising classification performance, proving its effectiveness in handling PCG variability and imbalanced real-world data. This work highlights the potential of hybrid deep learning methods in automated car- diac listening systems
Aide à la décision pour la gestion des réseaux d’Alimentation en Eau Potable : Une méthode d’analyse multicritère
(Universite laarbi tebessi tebessa, 2016) Mohammed, LAYEB; Ilham, DJOUAL
Les réseaux d’Alimentation en Eau Potable nécessitent un renouvellement et une maintenance périodique, le gestionnaire doit prendre des décisions pour une gestion optimal ou proche à l’optimum afin d’assurer une distribution d’eau de qualité. Pour cela, dans ce travail on va proposé une approche basée sur la méthode AHP qui été une méthode d’aide à la décision multicritère et un outil pour le but de simplifier le classement des zones de la distribution de l’eau, cette classement permet d'accorder à l’administrateur de réseau des données pour créer une stratégie adéquate pendant la gestion de réseau d’Alimentation en Eau Potable
Allocation de ressources multi agent sous information incomplète
(Universite laarbi tebessi tebessa, 2020) Khelif, Ahlem
Le problème de la conception de systèmes multi-agents a fait l‟objet d‟une attention croissante ces dernières années. Quand on parle d'un agent, il faut le prendre au sens large, car l'agent peut être représenté par le robot, la personne virtuelle, un programme informatique… Dans notre projet, On a concentré sur la mise en œuvre du système multi-agents pour allocation des ressources. Chaque agent a ses propres préférences sur un ensemble de ressources, ces préférences peuvent être contradictoires (conflits entre les agents). L‟allocation de ressources est un problème qui se situe à l‟intersection des deux domaines : L‟économie et l‟informatique. Les chercheurs du premier domaine concentrent leurs travaux sur la détermination des propriétés et les bonnes qualités des allocations de ressources. Pour le deuxième domaine, les chercheurs se focalisent sur les mécanismes nécessaires pour obtenir ces allocations. L‟allocation de ressources multi agent (MARA) est un domaine de recherche qui s'intéresse à l'étude des mécanismes de distribution d'un ensemble de ressources entre un ensemble d'agents logiciels. Dans ce travail, on va présenter notre approche qui aborde l‟allocation distribuée de ressources entre les agents égoïstes pour la redistribution des ressources indivisibles sans compensation monétaire. Particulièrement les agents ne partagent pas leurs préférences et doivent atteindre une allocation de bonne qualité mesurée en terme de bien-être social. On propose des mécanismes qui permettent aux agents la gestion des risques et d‟accepter des offres qui permettent d‟amener les agents à un accord
Amélioration des performances d’un Protocole de Routage pour Les Réseaux de Capteurs Sans Fil
(Universite laarbi tebessi tebessa, 2020) Ameur, KHEMANE
Les réseaux de détection sans fil (RCSFs) sont une technologie moderne utilisée dans de nombreux domaines, qu'il soit médical, militaire et de sécurité, environnemental, géologique et Internet des objets. L'énergie est le problème principal dans RCSFs car la batterie est petite, et ces joursci, la recherche se concentre sur l'amélioration de la gestion de l'énergie consommée par les capteurs de réseau en examinant d'abord les algorithmes de communication et les données de routage. À cette fin, nous avons proposé d'améliorer le protocole de routage hiérarchique PEGASIS. Afin de confirmer les améliorations apportées par l'algorithme, nous avons effectué une simulation, où les performances de notre protocole sont évaluées et comparées au protocole PEGASIS.
Analyse automatique de l’écriture manuscrite pour la détermination du sexe d'un scripteur
(Universite laarbi tebessi tebessa, 2016) Belghit, Abdelhalim; Bougherara, Abdelaziz
Le travail présenté dans ce manuscrit se situe dans le domaine de l'analyse et la reconnaissance de documents, et plus précisément, la reconnaissance hors-ligne du genre de scripteur à partir de leur écriture manuscrite. La méthode proposée est basée sur l'extraction d'un ensemble de caractéristiques de l'écriture à partir des échantillons de scripteurs de sexe masculin et de féminin, et l’entraînement d’un classifieur afin qu'il puisse distinguer entre les deux catégories. La classification est faite en utilisant les SVMs et cela en utilisant une base de données contenant des documents écrits pour 475 scripteurs avec 4 échantillons de chaque personne qu'elle a fait la base à notre humble avis quelques résultats intéressants.
Analyse de la sécurité de la crypto-monnaie
(Université Larbi Tébessi - Tébessa, 2022) Zeghdoudi, Dounia
La crypto-monnaie est apparue comme un système de transaction réseau peer-to-peer, utilisant le décryptage pour le créer et le distribuer, il s'appuie sur la blockchain. Cela garantit un degré élevé de transparence et de vérification de toutes les transactions individuelles à l'aide de mineurs et d'algorithmes de consensus qui s'appuient sur les travailleurs pour vérifier les transactions et leur validité.Le but de cette recherche est d'expliquer les crypto-monnaies et les transactions de manière sécurisée et d'essayer d'implémenter la blockchain en Java et minimiser le temps de construction de blocs et ce, en se basant sur la POW.
Analyse de la sécurité de la crypto-monnaie
(Université Larbi Tébessi Tébessa, 2021) Mesnadi, Meriem
Apparu crypto-monnaies en tant que système de transaction sur réseau pair à pair utilisant déchiffrement pour le créer et le distribuer et cela dépend de la blockchain. Ce qui assure un niveau élevé de transparence et de vérification de toutes les transactions individuelles utilisation d’algorithmes de mineurs et consensus qui s’appuient sur les travailleurs pour vérifier les transactions et leur validité. Le but de la présente étude est d’expliquer crypto-monnaies et les transactions de manières sécurisé et essayez d’implémenter blockchain en java
Analyse et controle de diffusion de l’information en ligne sur les réseaux sociaux basé sur big data
(Universite laarbi tebessi tebessa, 2019) Hama, soltani
L’analyse et contrôle de la diffusion d'information sur les réseaux sociaux jouent un grand rôle dans plusieurs domaines comme la sante, le marketing, les banques, la détection de fraude, l’analyse des marches, Ces analyses sont effectuées à l'aide des techniques d'apprentissage automatique, d’exploration de données, et de traitement de langage naturelle (NLP). La quantité énorme d'information qui circule sur les réseaux sociaux aident les gens à résoudre leurs problèmes et à trouver des réponses à leurs questionnes. L’accès à ces informations n'est pas un travail simple surtout avec les méthodes de recherche traditionnel. L’espace de recherche et le temps de réponse sont les deux facteurs principaux influençant les données fournis par les réseaux sociaux avec qui souffrent des caractéristiques de variabilité et d’hétérogénéité el de leur traitement. Dans ce travail nous proposons un processus basé sur les techniques d'apprentissage automatique et les techniques de traitement des données massives (BIG DATA). Parmi ces techniques, la technique qui est avérée efficace avec les données volumineuses est l’apprentissage approfondi
Analytic study of the preprocessing methods impact on historical document analysis and classification
(Université Echahid Chikh Larbi Tébessi -Tébessa, 2023-06-08) SOUAHI, Houssem
While historians face various challenges in the process of dating the texts of historical manuscripts, computer scientists face multiple difficulties in automating these texts. To address this problem, deep learning techniques that have proven effectiveness in other fields have been used. Of this study presents the various pre-processing methods used in character recognition systems, which cater to a wide range of image types, as these images include simple handwritten forms and documents with colorful and complex backgrounds and varying intensity. Basic pre-processing techniques are comprehensively discussed, including aberration detection and correction, contrast stretching for image optimization, binary encoding, noise removal methods, normalization, segmentation, and morphological processing techniques
Animal Skin Disease Identification Using Machine Learning Methods
(University of Echahid Cheikh Larbi Tébessi -Tébessa, 2025-06-09) SERRADJ, Zahia
Skin diseases in animals are a growing concern in veterinary medicine, particularly in rural and underserved areas that lack access to specialized care services. With the rapid advancements in computer vision and artificial intelligence techniques, novel methods have emerged to facilitate the early and accurate diagnosis of these pathological conditions. This research proposes a predictive approach based on deep learning techniques, utilizing Convolutional Neural Networks (CNNs) and multispectral imaging to detect and classify skin diseases in dogs. The work is divided into three main axes: the first axis covers the fundamentals of animal skin diseases, their clinical importance, and traditional diagnostic methods. The second axis discusses the role of Transfer Learning and the use of state-of-the- art neural network architectures in medical image classification. The third axis details the experimental protocol, which includes the use of multispectral images, the class_weight technique to address data imbalance, and the evaluation of several CNN models such as Xception, EfficientNet, and DenseNet121. The results demonstrated that the Xception model outperformed the other models, achieving an accuracy of 98.9%, an Area Under the Curve (AUC) of 99.7%, and a Matthews Correlation Coefficient (MCC) of 98.4%. These findings highlight the efficacy of combining multispectral imaging with deep learning techniques in veterinary diagnostics and underscore the significant potential of AI-powere d tools in enhancing animal health, especially in resource-limited regions.
Apprentissage profond pour la classification d’actions dans les vidéos de football
(Universite laarbi tebessi tebessa, 2020) Sadi, Adnene
L’apport technologique et l’apparition des nouvelles techniques en intelligences artificielles àbeaucoup aider les chercheurs des autres sciences à atteindre leurs objectifs ciblé dans leursrecherches. Parmi les domaines influencer cet apport technologique la science du sport et plusprécisément le monde de football. Les techniciens du domaine de football utilisent beaucoup plus l’analyse vidéo pour lire la façondu jeu que ce soit de leurs équipes afin de les mettre en bon emplacement ou des équipes adversesdans le but de les mettre en échec. Le but de ce travail est la conception et l’implémentation d’une approche basée surl’apprentissage profond et les réseaux de neurones convolutionnelles(CNN) pour la classificationdes tactiques des jeux à partir de séquences vidéo. Les démarche utilisé compte sur deux étapes,la première concerne la détection des joueurs et leurs emplacements dans le terrain a partir desframes, et la deuxième la classification de ces frames afin de prédire le tactique du jeu appliquépar l’équipe choisie
Apprentissage Profond pour la Classification d’Images
(Université Larbi Tébessi - Tébessa, 2022) TAILEB, AMMAR
Une image numérique est composée d'unîtes élémentaires appelées· pixels, contenant chacune différentes informations (intensité, lumineuse, couleur, etc.). L’arrivée de ces images constitue un véritable atout dans beaucoup de domaines scientifiques. En effet, les images numériques apportent un support de représentation permettant de modéliser et de véhiculer beaucoup d'informations, les rendant ainsi accessibles a l'interprétation et ce, pour une utilisation optimale dans le domaine socio-économique. L'analyse d’une 'image consiste souvent à extraire un certain nombre de propriétés caractéristiques et à les exprimer sous forme paramétrique. La texture joue un rôle très important dans l'étape de l’identification et de l’extraction des informations thématiques contenues dans une image et il semble que l’avenir de la maîtrise de l’image réside dans la compréhension plus approfondie de sa texture, donc dans sa définition plus complète et cohérente. Dans l'analyse des textures, on trouve une méthode théoriquement simple mais très puissante avec un opérateur appelé oriented Basic Image Features (OBIFs). L’opérateur de texture (OBIFs) est devenu une approche populaire dans diverses applications. Grâce à ses récentes extensions, il a été transformé en une très puissante mesure de la texture de l'image. Ce travail concerne l’étude de différentes méthodes de traitements d’images et d’analyse de texture et essentiellement l’application de l’opérateur oriented Basic Image Features (OBIFs).
Apprentissage profond pour la super résolution des images
(Université Larbi Tébessi - Tébessa, 2022) Saadallah, Wissem
Lors de l'utilisation de photos numériques dans des applications, il est toujours recommandé d'utiliser des photos haute résolution, étant donné qu'elles peuvent contenir des détails critiques pour diverses applications par rapport à leurs équivalents basse résolution. Un médecin peut s'appuyer sur une image haute résolution pour établir un diagnostic correct, les objets peuvent être facilement distingués sur une image satellite haute résolution, ou un algorithme de reconnaissance de formes peut atteindre une plus grande efficacité lorsqu'il est fourni avec des échantillons d'image haute résolution. Dans ce travail, nous proposons une méthode basée sur le deep learning pour convertir une image basse résolution en une image haute résolution. Cette méthode utilise un réseau neuronal convolutif pour trouver les similitudes entre les patchs basse résolution et haute résolution d'une image et apprendre une cartographie entre eux. Le réseau est capable de produire une image haute résolution, en prenant une image basse résolution comme entrée. Nous allons explorer les différentes techniques de la super résolution des images qui sont basées sur les réseaux de neurones profonds. Nous avons discuté plusieurs modèles différents selon l’ordonnancement des couches et un jeu de paramètres visant à obtenir les meilleurs résultats possibles.

Browse

Browsing 3- إعلام آلي by Title