Afficher la notice abrégée
dc.contributor.author |
Hamdi, Manal |
|
dc.contributor.author |
Ayeche, Radia |
|
dc.contributor.author |
Kara, Messaoud(encadreur) |
|
dc.date.accessioned |
2020-10-25T10:06:14Z |
|
dc.date.available |
2020-10-25T10:06:14Z |
|
dc.date.issued |
2018 |
|
dc.identifier.uri |
http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/2293 |
|
dc.description.abstract |
Les réseaux de neurones artificiels ont réussi à prendre une place dans différents domaines tels que la reconnaissance de formes et la classification. il existe plusieurs tupes de réseaux de neurones comme les réseaux de neurones convolutionnels et le réseaux de neurones récurrents(RNN-recurrent neural network). dans notre travail , nous avons utilisé les CNN pour reconnaitre et classifier des images . nous avons choisi d'appliquer de modèles: le premier et l'architecture de modèle VGGnet (visual geometry group) connu par la profondeur de ces couches ; le deuxième que nous avons créé et qui a moins de couches les résultats obtenus aprés plusieurs essais , montrent que le nombre d'époques, la taille de la base d'images, la profondeur du réseau influencent les performances du réseau de neurones. |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
Universite de jijel |
fr_FR |
dc.relation.ispartofseries |
;Inf.IA.08/18 |
|
dc.subject |
Les réseaux de neurones , la reconnaissance de formes, la classification, convolution , maxpooling, couche entièrement connectée |
fr_FR |
dc.title |
La reconnaissance de formes par les réseaux de neurones |
fr_FR |
dc.type |
Thesis |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée