| Titre : | Segmentation d’une séquence d’image par les réseaux de neurones impulsionnels |
| Auteurs : | Mohammed El Habib Belakermi, Auteur ; Hamza Naoumi, Auteur ; Chrifa Nabila Chaoui, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2019 |
| ISBN/ISSN/EAN : | SE00687T |
| Format : | 83P. / couv / 27 cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
Le rôle principal du système neuronal est la communication, le transfert et le traitement d'informations pertinentes. Différentes régions du cerveau sont caractérisées par différentes propriétés. Le cortex visuel participe notamment au traitement des formes et de la saillance des objets [Lee 2003], en particulier grâce à ses aptitudes à détecter l’orientation des lignes et des bords. La communication entre les neurones est réalisée par des connexions synaptiques, Des chercheurs ont été inspirés par la façon dont le cerveau traite l'information et développer divers modèles de réseaux de neurones, tels que le modèle de Hodgkin et Huxley (HH) , le modèle intègre et tire à fuite (LIF) et le Modèle d’IZHIKEVICH , Les réseaux de neurones impulsionnels ont montré leurs capacités de résoudre des problèmes déjà résolus par les réseaux de neurones classiques. En plus ils ont l’avantage d’être plus proche des neurones biologiques et de leur capacité de traiter des informations temporelles, ce qui donne une bonne chance à eux pour être un domaine de recherche très riche avec la tendance de créer des machines vraiment intelligente ; Les objectifs essentiels de ces recherches sont notamment: [Diesseroth, 2008]: • Prospection biologique • Ingénierie inverse • Traduction médicale La guérison de maladies telles que la maladie de Parkinson ou la dépression, la construction d'interfaces homme-machine ou la création de systèmes cognitifs et d'apprentissage pourraient être des applications et des avantages de cette recherche. En résumé, la compréhension du cerveau ouvre des possibilités presque infinies. Ce document présente le modèle intègre et tire à fuite (LIF) comme un réseau de neuronesavec une architecture de trois (03) couches, couche d’entrée, couche intermédiaire (ou couche cachée) et couche de sortie. Les deux types d’apprentissage (supervisé et non supervisé) sont utilisées dans ce modèle. |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE00687T | INF251 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
| SE00930T | INF251 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
