Documents disponibles écrits par cet auteur

Classification des arythmies cardiaquesen utilisantles réseaux de neurones profonds / Slimane Baamara 

Public ISBD Titre : Classification des arythmies cardiaquesen utilisantles réseaux de neurones profonds Type de document : document électronique Auteurs : Slimane Baamara, Auteur ; Issam Seghairi, Auteur ; Mourad Adnane, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (6.6 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. 73 - 77 Langues : Français (fre) Mots-clés : Electrocardiogramme ECG Intelligence  Artificielle Réseaux  de  neurones  convolutifs Apprentissage  approfondi Index. décimale : PN00220 Résumé : L’électrocardiogramme (ECG) est un outil de diagnostic important pour l’évaluation des arythmies cardiaques. La classification de ces signaux est très importante pour le diagnostic automatique des maladies cardiaques. Actuellement, de nombreuses solutions d’apprentissage automatique peuvent être utilisées pour analyser et classer les données ECG. Cependant, l’un des inconvénients de ces méthodes réside dans la difficulté de trouver les caractéristiques les plus appropriées permettant d’avoir des précisions élevées.L’une des solutions proposées consiste à utiliser des architectures d’apprentissage profond dans lesquelles les premières couches de neurones convolutifs se comportent comme des extracteurs de caractéristiques automatiques et à la fin, des couches entièrement connectées sont utilisés pour la décision finale. Classification des arythmies cardiaquesen utilisantles réseaux de neurones profonds [document électronique] / Slimane Baamara, Auteur ; Issam Seghairi, Auteur ; Mourad Adnane, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (6.6 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. 73 - 77 Langues : Français (fre) Mots-clés : Electrocardiogramme ECG Intelligence  Artificielle Réseaux  de  neurones  convolutifs Apprentissage  approfondi Index. décimale : PN00220 Résumé : L’électrocardiogramme (ECG) est un outil de diagnostic important pour l’évaluation des arythmies cardiaques. La classification de ces signaux est très importante pour le diagnostic automatique des maladies cardiaques. Actuellement, de nombreuses solutions d’apprentissage automatique peuvent être utilisées pour analyser et classer les données ECG. Cependant, l’un des inconvénients de ces méthodes réside dans la difficulté de trouver les caractéristiques les plus appropriées permettant d’avoir des précisions élevées.L’une des solutions proposées consiste à utiliser des architectures d’apprentissage profond dans lesquelles les premières couches de neurones convolutifs se comportent comme des extracteurs de caractéristiques automatiques et à la fin, des couches entièrement connectées sont utilisés pour la décision finale.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00072	PN00220	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

BAAMARA.Slimane_SEGHAIRI.Issam.pdf URL