Browsing by Author "Amiar, Lotfi"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Apprentissage des réseaux de neurones par algorithmes génétiques(Université De Larbi Ben M’hidi Oum EL Bouaghi, 2021) Aouag, Chaima; Allik, Imene; Amiar, LotfiLa reconnaissance automatique de la parole (RAP) est une technologie informatique permettant à un logiciel d'interpréter une langue naturelle humaine. Parmi les modèles les plus utilisés dans ce domaine, les réseaux de neurones (RNs), plus particulièrement, le perceptron multi-couches (PMC). Notre étude se base sur la conception d'un système de reconnaissance automatique des chiffres arabe parlés par l'approche Neuro-Génétique. Après extraction des paramètres acoustiques du signal vocal, en utilisant les coefficients MFCC (Mel-scaledFrequencyCepstral Coefficients), nous présentons après, un système hybride pour l'entraînement et la reconnaissance qui permet de rejoindre la résistance au bruit des Perceptrons Multi-Couches (PMCs) et la capacité des Algorithmes Génétiques (AGs) pour l'optimisation d'un ensemble de paramètres par une recherche globale, en vue de trouver un système de reconnaissance vocale optimal de meilleurs performances.Item Indexation de ressources pédagogiques numériques(Univérsité Oum El Bouaghi, 2020) Maameri, Ramzi; Amiar, LotfiLe présent travail s'inscrit dans le cadre des Environnements Informatiques pour l'Apprentissage Humain (EIAH). Le but général est d'examiner l'intérêt de l'indexation des ressources pédagogiques par les métadonnées normalisées au sein de ces plates formes de formation. Il s'agit, en fait, d'identifier ces ressources et d'en faciliter l'accès afin de permettre aux apprenants de générer leurs propres parcours d'apprentissage en fonction de leurs besoins. Les ressources pédagogiques, qui constituent le contenu à apprendre, sont indexées en utilisant des normes et des standards de métadonnées éducatifs comme la norme Dublin core, le standard LOM et la norme MLR. Ces normes et standards de métadonnées en usage dans le domaine des Ressources d'Enseignement et d'Apprentissage (REA) sont complétés par des métadonnées particulières sous la forme de profils d'application pour répondre aux besoins spécifiques des utilisateurs. Ainsi on trouve le profil d'application NORMETIC au Québec, LOMFR et ScoLOMFR en France, etc. Les activités de description de ressources pédagogiques supposent également l'utilisation d'éditeurs de métadonnées développés autour de ces schémas pour en faciliter. A la fin de ce mémoire, nous présentons quelques exemples de description de ressources pédagogiques en utilisant les éditeurs de métadonnées LOM Editor, Educaméta et l'éditeur de métadonnée de l'ORI-OAI.Item Intégration patrons de conception /réseaux de neurones application(Université Oum El Bouaghi, 2014) Mihoubi, Wafa; Amiar, LotfiL'étude des réseaux de neurones et l'étude des algorithmes génétiques se sont développés en parallèle et ont souvent été en interaction. Toutes les deux sont des méthodes de calcul autonomes pour les systèmes de traitement des informations biologiques et sont devenues des domaines de recherche très répandues à travers le monde. En général, les réseaux de neurones sont utilisés comme des systèmes d'apprentissage et les algorithmes génétiques comme des systèmes d'optimisation. Mais, de nombreux chercheurs ont découvert qu'elles peuvent être combinées selon différentes manières, le plus souvent, selon l'un des deux types général suivants : -Un premier type de combinaison ou les algorithmes génétiques et les réseaux de neurones sont appliqués séquentiellement. Les combinaisons séquentielles ne sont pas tares intéressante, du fait que les algorithmes génétiques et les réseaux de neurones sont utilisés bien indépendamment et l'une ou l'autre peut facilement être remplacée par une technique alternative. -Un deuxième type, ou elles sont appliquées simultanément. Ce type de combinaison est connu sous le nom de: "combinaison collaborative". Notre travail consiste à présenter une approche hybride collaborative AG/PMC (Algorithmes Génétiques/Perceptron Multi Couche) pour résoudre un problème de classification des caryotypes mollusques.Item Reconnaissance des chiffres arabes parlés par les réseaux de neurones convolutionnels(Université de Larbi Ben M'hidi- Oum El Bouaghi, 2022) Khelil, Assia; Berrah, Souheme; Amiar, LotfiLe problème de la reconnaissance automatique de la parole (RAP) est un domaine d'étude active depuis les années 50. Parmi les modèles les plus utilisés dans ce domaine, les réseaux de neurones, plus particulièrement, le perceptron multi-couches (PMC). Malgré l'efficacité des réseaux de neurones, qui s'avèrent être des outils performants de reconnaissance des formes en général et de la parole en particulier, grâce à leur capacité d'apprentissage, de généralisation et de classification, il existe encore des problèmes liés à leur style d'apprentissage. Ces limitations ont conduit à proposer d'autres techniques telle que les réseaux de neurones convolutionnels (CNN, Convolution Neural Network), afin de remédier aux inconvénients et aux limites de ce paradigme, tout en améliorant le taux de reconnaissance. Les réseaux de neurones convolutionnels sont des réseaux de neurones multicouches qui sont spécialisés dans des tâches de reconnaissance de forme. Le présent sujet consiste à proposer un modèle basé sur les réseaux de neurones convolutionnels. Un avantage majeur des réseaux convolutifs est l'utilisation d'un poids unique associé aux signaux entrant dans tous les neurones d'un même noyau de convolution. Cette méthode réduit l'empreinte mémoire, améliore les performances et permet une invariance du traitement par translation. C'est le principal avantage du CNN par rapport au PMC, qui lui considère chaque neurone indépendant et donc affecte un poids différent à chaque signal entrant. Nous proposons une application du modèle conçu à la reconnaissance des chiffres arabes parlés isolés.