Détection et classification des défauts industiels en utisant le deep learning

dc.contributor.author	Islem, Chenti
dc.contributor.author	Moheyddine, Benhedjaz
dc.contributor.author	Ataoua, Ziane
dc.date.accessioned	2022-09-15T02:07:31Z
dc.date.available	2022-09-15T02:07:31Z
dc.date.issued	2022
dc.description.abstract	Aujourd’hui, les machines industrielles sont devenues plus complexes et leur maintenance doit, par conséquent, évoluer en fonction de l'évolution de ces machines. D’autre part, l'intervention de l'intelligence artificielle dans la maintenance est devenue très importante, en particulier, l’apprentissage en profondeur, qui fait partie de l'apprentissage automatique. L'objectif de ce projet est de développer des modèles prédictifs afin de détecter et de classer les défauts trouvés dans les roulements en utilisant les techniques d'apprentissage en profondeur tels que les réseaux de neurones artificiels et les réseaux de neurones convolution. L'ensemble de données fourni par l’université Western Reserve est utilisé pour entraîner et valider les modèles proposés. Enfin, l’efficacité de ces modèles est	ar
dc.identifier.uri	http://hdl.handle.net/123456789/13307
dc.language.iso	fr	ar
dc.publisher	Université de Larbi Ben M’hidi- Oum El Bouaghi	ar
dc.subject	Apprentissage en profondeur	ar
dc.subject	Neurone	ar
dc.subject	roulement	ar
dc.title	Détection et classification des défauts industiels en utisant le deep learning	ar
dc.type	Other	ar

Now showing 1 - 3 of 3

Now showing 1 - 1 of 1