Browsing by Author "Ourzifi, Ouafa"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Entrainement des réseaux de neurones MLP par l’algorithme PSO
    (Université d'Oum El Bouaghi, 2023) Bouchia, Atra; Derradji, Boutheina; Ourzifi, Ouafa
    Les algorithmes d’optimisation par essaim de particules forment une classe des méta-heuristiques récemment proposée pour les problèmes d'optimisation. Elles s’inspirent des comportements collectifs d’essaim d’oiseaux et de poissons dans leurs déplacements particulièrement ordonnés. Les réseaux de neurones considérés source d’intelligence artificielle. Associer entre ces deux éléments importants consiste à optimiser les réseaux de neurones par PSO pour minimiser l’effort de traitement de ces derniers, afin de leur permettre une large variété de problèmes complexes dans la littérature. Pour cela nous proposons un algorithme d’adaptation de la PSO aux réseaux de neurones MLP.
  • No Thumbnail Available
    Item
    Optimisation de quelques fonctions difficiles par la méthodes pso
    (Université larbi ben m'hidi oum el bouaghi, 2022) Khanfar, Khawther; Ourzifi, Ouafa
    La résolution des problèmes d’optimisation difficiles s’articule sur l’utilisation des approches qui se différent selon la complexité du problème et le résultat à obtenir. On présente une optimisation sur quelques fonctions tests, en appliquant l’une des méthodes métaheuristiques évolutionnaires les plus réputées et récemment proposée appelée : « Particuleswarm optimisation ». Le principe de la méthode d’optimisation à base de l’intelligence de l’essaim de particule "particleswarmoptimization"est conçu en tant que chaque individu soit animé d'une "vitesse" qui va déterminer sa "position" suivante. Les règles de transition prennent en compte le meilleur individu ainsi que le meilleur de chaque groupe d'individus, groupes déterminés par une distance ou bien arbitrairement au départ. Enfin, on a aboutit à évaluer -à travers l’application dela méthode PSO sur les fonctions tests (difficiles), les performances de cet algorithme et son efficacité dans le domaine de l’optimisation des problèmes difficiles.