Documents disponibles écrits par cet auteur

Commande d’un véhicule autonome basée sur le End to End deep learning / Imène Aribi 

Public ISBD Titre : Commande d’un véhicule autonome basée sur le End to End deep learning Type de document : texte imprimé Auteurs : Imène Aribi, Auteur ; Khaled Sayad, Auteur ; Chekireb, Hachemi, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2018 Importance : 114 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Mémoire de Projet de Fin d’Étude : Automatique : Alger, École Nationale Polytechnique : 2018 Bibliogr. f. 112 - 114 Langues : Français (fre) Mots-clés : Apprentissage  profond Vision  par  ordinateur Véhicules  autonomes Véseaux  de  neurones  de  convolution End  to  end  learning Index. décimale : PA00518 Résumé : Les véhicules autonomes présentent de grands avantages pour l'amélioration de la mobilité et la réduction de la pollution. Les algorithmes traditionnels basés sur la vision par ordinateur ont été la principale méthode de navigation d'un véhicule autonome où la prise de décision était le produit d’un comportement construit manuellement. Ces dernières années, l'apprentissage profond a démontré ses extraordinaires capacités de reconnaissance visuelle et de prise de décision dans les systèmes end to end. Dans ce mémoire, nous étudierons la performance d'une stratégie d'apprentissage E2E combinée avec la technologie des CNN (convolutionnal neuronnetwork) Commande d’un véhicule autonome basée sur le End to End deep learning [texte imprimé] / Imène Aribi, Auteur ; Khaled Sayad, Auteur ; Chekireb, Hachemi, Directeur de thèse . - [S.l.] : [s.n.], 2018 . - 114 f. : ill. ; 30 cm. + 1 CD-ROM. Mémoire de Projet de Fin d’Étude : Automatique : Alger, École Nationale Polytechnique : 2018 Bibliogr. f. 112 - 114 Langues : Français (fre) Mots-clés : Apprentissage  profond Vision  par  ordinateur Véhicules  autonomes Véseaux  de  neurones  de  convolution End  to  end  learning Index. décimale : PA00518 Résumé : Les véhicules autonomes présentent de grands avantages pour l'amélioration de la mobilité et la réduction de la pollution. Les algorithmes traditionnels basés sur la vision par ordinateur ont été la principale méthode de navigation d'un véhicule autonome où la prise de décision était le produit d’un comportement construit manuellement. Ces dernières années, l'apprentissage profond a démontré ses extraordinaires capacités de reconnaissance visuelle et de prise de décision dans les systèmes end to end. Dans ce mémoire, nous étudierons la performance d'une stratégie d'apprentissage E2E combinée avec la technologie des CNN (convolutionnal neuronnetwork)

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
P000272	PA00518	Papier + ressource électronique	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Automatique	Consultation sur place/Téléchargeable

Documents numériques

ARIBI.Imene_SAYAD.Khaled.pdf URL