Une Nouvelle approche basée deep learning pour la classification deservices cloud
dc.contributor.author | Rizi Meroua | |
dc.contributor.author | Maazaoui Soumia | |
dc.contributor.author | Zertal Soumia | |
dc.date.accessioned | 2021-11-06T08:15:04Z | |
dc.date.available | 2021-11-06T08:15:04Z | |
dc.date.issued | 2021 | |
dc.description.abstract | Avec l'évolution rapide des services web dans le Cloud, en nombre et en fonctionnalités, le besoin de la classification et de la découverte de services devient une nécessité incontournable. Selon la littérature, les services web sont classés selon plusieurs critères tel que leurs fonctionnalité, leurs valeurs de qualité de services, … L'intelligence artificielle est largement utilisée dans la vie quotidienne et dans de nombreux domaines différents tels que l'industrie, l'automatisation et les systèmes experts, la médecine et la biologie, l'éducation et même les jeux vidéo. L'apprentissage profond est l'une des branches les plus importantes et les plus exploitées de l'apprentissage automatique. Grâce à son succès, il a réalisé un saut quantique dans le domaine de l'intelligence artificielle. Par conséquent, il est devenu le domaine le plus important dans le monde de l'informatique. L'apprentissage profond est basé sur l'apprentissage et l'acquisition d'expériences. Il simule la façon dont les humains pensent et apprennent. Dans ce travail, nous nous sommes intéressées à la classification des services web dans le Cloud, en se basant sur leurs valeurs de qualités (temps d'exécution, le cout, la disponibilité, …). Pour atteindre cet objectif, nous allons utiliser une branche de l'intelligence artificielle qui est l'apprentissage profond supervisé. Par conséquent, nous proposons dans ce mémoire une nouvelle approche pour la classification des services web dans le cloud, basée sur l'apprentissage profond LSTM. Cette dernière est nommée " Web Services Classificataion based LSTM " (WSC-LSTM). Le modèle proposé a été évalué et testé sur la base de données " QWS-2.0 ". Les résultats obtenus sont encourageants et prometteurs. | ar |
dc.identifier.uri | http://hdl.handle.net/123456789/11183 | |
dc.language.iso | fr | ar |
dc.publisher | Université de Larbi Ben M’hidi-Oum Oum El Bouaghi | ar |
dc.subject | Service web | ar |
dc.subject | Classification des services | ar |
dc.title | Une Nouvelle approche basée deep learning pour la classification deservices cloud | ar |
dc.type | Other | ar |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- memoire version final-M2 AD.pdf
- Size:
- 4.5 MB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: