Conception et mise en œuvre de l'architecture d'une platforme cloud computing dédiée à IoT-IA / Noureddine Henka (2019) 

Public ISBD Titre : Conception et mise en œuvre de l'architecture d'une platforme cloud computing dédiée à IoT-IA Type de document : document électronique Auteurs : Noureddine Henka, Auteur ; Sami Issam Khanfri, Auteur ; Nour El Houda Benalia, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2019 Importance : 1 fichier PDF (24 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2019 Bibliogr. f. 135 - 136 Langues : Français (fre) Mots-clés : Internet des objets Intelligence artificielle Données passives Nuage Plateforme IA Index. décimale : PN00919 Résumé : L'internet des objets a pour objectif de connecter pleins d'appareils et et d'outils au réseau internet, ce qui va permettre d'avoir énormément de contrôle sur le monde physique, et le rendre plus intelligent et adaptable à nos besoins. L'une des principales fonctions d'une telle technologie et de récolter des données sur tous les domaines, afin de les exploiter, analyser et créer de l'intelligence artificielle pour prendre des décisions d'une manière autonome. Ce projet porte sur la mise en œuvre d'une architecture logicielle portant une plateforme d'analyse AI pour des applications IoT. Cette plateforme est fondé avec de l'analyse de données en Big Data, sur une architecture Cloud nécessaire. Elle permet d'avoir plusieurs applications de haute performance qui peuvent résoudre des problèmes socio-économiques, comme le trafic routier, la consommation de l'eau, l'énergie, ... Conception et mise en œuvre de l'architecture d'une platforme cloud computing dédiée à IoT-IA [document électronique] / Noureddine Henka, Auteur ; Sami Issam Khanfri, Auteur ; Nour El Houda Benalia, Directeur de thèse . - [S.l.] : [s.n.], 2019 . - 1 fichier PDF (24 Mo) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2019 Bibliogr. f. 135 - 136 Langues : Français (fre) Mots-clés : Internet des objets Intelligence artificielle Données passives Nuage Plateforme IA Index. décimale : PN00919 Résumé : L'internet des objets a pour objectif de connecter pleins d'appareils et et d'outils au réseau internet, ce qui va permettre d'avoir énormément de contrôle sur le monde physique, et le rendre plus intelligent et adaptable à nos besoins. L'une des principales fonctions d'une telle technologie et de récolter des données sur tous les domaines, afin de les exploiter, analyser et créer de l'intelligence artificielle pour prendre des décisions d'une manière autonome. Ce projet porte sur la mise en œuvre d'une architecture logicielle portant une plateforme d'analyse AI pour des applications IoT. Cette plateforme est fondé avec de l'analyse de données en Big Data, sur une architecture Cloud nécessaire. Elle permet d'avoir plusieurs applications de haute performance qui peuvent résoudre des problèmes socio-économiques, comme le trafic routier, la consommation de l'eau, l'énergie, ...

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00021	PN00919	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

KHANFRI.Sami-Issam_HENKA.Noureddine.pdf URL

Deep learning network on a SoC platform / Said Toumi (2024) 

Public ISBD Titre : Deep learning network on a SoC platform : implementation and analysis Type de document : document électronique Auteurs : Said Toumi, Auteur ; Nour El Houda Benalia, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (7 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Electronique : Alger, École Nationale Polytechnique : 2024 Bibliogr. p. 109 - 111 . Webographie p. 112 - 113 Langues : Anglais (eng) Mots-clés : Deep learning System on Chip (SoC) platforms ECG Index. décimale : PN00724 Résumé : Deep learning networks hold immense potential in fields such as medical diagnostics, image recognition, and natural language processing. However, implementing these networks on System on Chip (SoC) platforms presents significant challenges due to the need for complex computations and substantial resources. This report presents a comprehensive investigation and performance analysis of deep learning models on various SoC platforms, focusing on hardware acceleration. Specifically, it offers a practical case study for ECG classification, providing valuable insights into the associated challenges and benefits. The project entails implementing deep learning models for ECG classification on different SoC platforms and analyzing their performance in terms of execution time, energy efficiency, and resource utilization. The findings contribute to enhancing our understanding of optimizing deep learning model performance on various SoC platforms and offer guidance for future research in this area. Deep learning network on a SoC platform : implementation and analysis [document électronique] / Said Toumi, Auteur ; Nour El Houda Benalia, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (7 Mo) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Electronique : Alger, École Nationale Polytechnique : 2024 Bibliogr. p. 109 - 111 . Webographie p. 112 - 113 Langues : Anglais (eng) Mots-clés : Deep learning System on Chip (SoC) platforms ECG Index. décimale : PN00724 Résumé : Deep learning networks hold immense potential in fields such as medical diagnostics, image recognition, and natural language processing. However, implementing these networks on System on Chip (SoC) platforms presents significant challenges due to the need for complex computations and substantial resources. This report presents a comprehensive investigation and performance analysis of deep learning models on various SoC platforms, focusing on hardware acceleration. Specifically, it offers a practical case study for ECG classification, providing valuable insights into the associated challenges and benefits. The project entails implementing deep learning models for ECG classification on different SoC platforms and analyzing their performance in terms of execution time, energy efficiency, and resource utilization. The findings contribute to enhancing our understanding of optimizing deep learning model performance on various SoC platforms and offer guidance for future research in this area.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00749	PN00724	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

Confidentiel URL

Déploiement d'un réseau de capteurs sans fil dans un bâtiment intelligent en utilisant les algorithmes génétiques et les forêts aléatoires / Nadir Arfi (2021) 

Public ISBD Titre : Déploiement d'un réseau de capteurs sans fil dans un bâtiment intelligent en utilisant les algorithmes génétiques et les forêts aléatoires Type de document : document électronique Auteurs : Nadir Arfi, Auteur ; Walid Mehenni, Auteur ; Nour El Houda Benalia, Directeur de thèse ; Soumaya Ferhat-Taleb, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2021 Importance : 1 fichier PDF (11.3 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2021 Bibliogre. 104 - 109 Langues : Français (fre) Mots-clés : Réseau de capteurs sans fil  Déploiement Optimisation multi-objectif Métaheuristiques Hybridation Machine learning, Random forest Index. décimale : PN00221 Résumé : Dans ce projet de fin d'étude, nous avons étudié le problème du déploiement de réseaux de capteurs sans fil dans un bâtiment intelligent. L'objectif principal était développer une solution permettant de générer un plan de déploiement d'un RCSF tout en assurant une bonne qualité des solutions. Nous avons commencé ce projet par une présentation des bâtiments intelligents et des concepts de RCSFs. Ensuite, nous avons proposé et implémenté des algorithmes génétiques multi-objectifs comme solution au problèmes de déploiement. Les résultats obtenus ont montré que les performances des algorithmes étudiés se dégradent lorsqu'il s'agit de grands bâtiment. Pour surmonter ce problème, nous avons eu recours à l'hybridation afin d'améliorer les performances. Ceci a été fait en combinant le MOGA précédemment utilisé avec l'algorithme Random forest. Les résultat obtenus ont montré une très bonne performance sur les deux instances de tailles différentes. Déploiement d'un réseau de capteurs sans fil dans un bâtiment intelligent en utilisant les algorithmes génétiques et les forêts aléatoires [document électronique] / Nadir Arfi, Auteur ; Walid Mehenni, Auteur ; Nour El Houda Benalia, Directeur de thèse ; Soumaya Ferhat-Taleb, Directeur de thèse . - [S.l.] : [s.n.], 2021 . - 1 fichier PDF (11.3 Mo) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2021 Bibliogre. 104 - 109 Langues : Français (fre) Mots-clés : Réseau de capteurs sans fil  Déploiement Optimisation multi-objectif Métaheuristiques Hybridation Machine learning, Random forest Index. décimale : PN00221 Résumé : Dans ce projet de fin d'étude, nous avons étudié le problème du déploiement de réseaux de capteurs sans fil dans un bâtiment intelligent. L'objectif principal était développer une solution permettant de générer un plan de déploiement d'un RCSF tout en assurant une bonne qualité des solutions. Nous avons commencé ce projet par une présentation des bâtiments intelligents et des concepts de RCSFs. Ensuite, nous avons proposé et implémenté des algorithmes génétiques multi-objectifs comme solution au problèmes de déploiement. Les résultats obtenus ont montré que les performances des algorithmes étudiés se dégradent lorsqu'il s'agit de grands bâtiment. Pour surmonter ce problème, nous avons eu recours à l'hybridation afin d'améliorer les performances. Ceci a été fait en combinant le MOGA précédemment utilisé avec l'algorithme Random forest. Les résultat obtenus ont montré une très bonne performance sur les deux instances de tailles différentes.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00259	PN00221	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

ARFI.Nadir_MEHENNI.Walid.pdf URL

Etude et optimisation du déploiement d’un réseaude capteurs sans fil dans un bâtiment intelligent / Imene Si Hadj Mohand (2020) 

Public ISBD Titre : Etude et optimisation du déploiement d’un réseaude capteurs sans fil dans un bâtiment intelligent Type de document : document électronique Auteurs : Imene Si Hadj Mohand, Auteur ; Nour El Houda Benalia, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (2.1 M) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 96 - 102 Langues : Français (fre) Mots-clés : Réseau de capteurs sans fil Déploiement Connectivité Couverture Optimisation multi-objectif Algorithme évolutionnaire Index. décimale : PN01120 Résumé : Nous avons traité au cours de ce projet de fin d’étude le problème de déploiement des réseaux de capteurs sans fil dans les bâtiments intelligents. Notre objectif était de développer un outil qui permette d’établir un schéma de déploiement efficace, offrant une bonne qualité de service. Nous avons commencé par l’introduction des réseaux de capteurs sans fil. Puis nous avons modélisé les paramètres clés d’un déploiement d’un réseau de capteurs sans fil, à savoir le coût, la connectivité, la couverture et la sur-couverture. Par la suite, nous avons sélectionné trois algorithmes évolutionnaires multi-objectifs que nous avons implémenté afin de résoudre le problème de déploiement. Nous avons obtenu à l’issu des simulations des résultats satisfaisants. Etude et optimisation du déploiement d’un réseaude capteurs sans fil dans un bâtiment intelligent [document électronique] / Imene Si Hadj Mohand, Auteur ; Nour El Houda Benalia, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (2.1 M) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 96 - 102 Langues : Français (fre) Mots-clés : Réseau de capteurs sans fil Déploiement Connectivité Couverture Optimisation multi-objectif Algorithme évolutionnaire Index. décimale : PN01120 Résumé : Nous avons traité au cours de ce projet de fin d’étude le problème de déploiement des réseaux de capteurs sans fil dans les bâtiments intelligents. Notre objectif était de développer un outil qui permette d’établir un schéma de déploiement efficace, offrant une bonne qualité de service. Nous avons commencé par l’introduction des réseaux de capteurs sans fil. Puis nous avons modélisé les paramètres clés d’un déploiement d’un réseau de capteurs sans fil, à savoir le coût, la connectivité, la couverture et la sur-couverture. Par la suite, nous avons sélectionné trois algorithmes évolutionnaires multi-objectifs que nous avons implémenté afin de résoudre le problème de déploiement. Nous avons obtenu à l’issu des simulations des résultats satisfaisants.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00081	PN01120	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

SI-HADJ-MOHAND.Imene.pdf URL

Machine learning and deep learning methods for cancer prediction and responses to its treatment / Wissal Achour (2024) 

Public ISBD Titre : Machine learning and deep learning methods for cancer prediction and responses to its treatment Type de document : document électronique Auteurs : Wissal Achour, Auteur ; Feriel Boudjatit, Auteur ; Nour El Houda Benalia, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (7 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Electronique : Alger, École Nationale Polytechnique : 2024 Bibliogr. p. 129 - 140 . Webographie p. 141 - 143 Langues : Anglais (eng) Mots-clés : Cancer Brain tumor Cancer Drug Response MRI Machine learning Deep learning Classification Index. décimale : PN00624 Résumé : Cancer remains a significant global health challenge, affecting individuals of all ages. Early detection and personalized treatment are crucial as they significantly improve prognosis and treatment outcomes. Recent advancements in machine learning (ML) and deep learning (DL) methods, have shown considerable promise in enhancing cancer detection through medical image analysis and predicting patient-specific drug responses. This study focuses on the classi- fication of Gliomas, a type of brain tumor, into Low-Grade Gliomas (LGG) and High-Grade Gliomas (HGG) by proposing an end-to-end tumor grading model that performs on MRI slices. Additionally, it explores the development of a predictive model for cancer drug response by leveraging drug molecular data and clinical cell line information. Machine learning and deep learning methods for cancer prediction and responses to its treatment [document électronique] / Wissal Achour, Auteur ; Feriel Boudjatit, Auteur ; Nour El Houda Benalia, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (7 Mo) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Electronique : Alger, École Nationale Polytechnique : 2024 Bibliogr. p. 129 - 140 . Webographie p. 141 - 143 Langues : Anglais (eng) Mots-clés : Cancer Brain tumor Cancer Drug Response MRI Machine learning Deep learning Classification Index. décimale : PN00624 Résumé : Cancer remains a significant global health challenge, affecting individuals of all ages. Early detection and personalized treatment are crucial as they significantly improve prognosis and treatment outcomes. Recent advancements in machine learning (ML) and deep learning (DL) methods, have shown considerable promise in enhancing cancer detection through medical image analysis and predicting patient-specific drug responses. This study focuses on the classi- fication of Gliomas, a type of brain tumor, into Low-Grade Gliomas (LGG) and High-Grade Gliomas (HGG) by proposing an end-to-end tumor grading model that performs on MRI slices. Additionally, it explores the development of a predictive model for cancer drug response by leveraging drug molecular data and clinical cell line information.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00748	PN00624	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

Confidentiel URL

Modélisation des paramètres physiques en utilisant des données issues d'un réseau de capteurs sans fils en agriculture de précision / Djamel Abdenacer Mesbah (2021) 

Permalink