Apprentissage profond appliqué a l’épilepsie, ... Catalogue en ligne

Apprentissage profond appliqué a l’épilepsie, Analyse et Classification

Titre :	Apprentissage profond appliqué a l’épilepsie, Analyse et Classification
Auteurs :	Sara Nedjmaoui, Auteur ; Brahim Cherouati, Directeur de thèse
Type de document :	texte manuscrit
Editeur :	Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2020
ISBN/ISSN/EAN :	SE01025T
Format :	69P. / ill. en coul. / 29 cm.
Accompagnement :	disque optique numérique (CD-ROM)
Langues:	Français
Résumé :	Dans ce travail, nous avons abordés un problème de classification binaire dans le domaine de l'épilepsie, des travaux ont été menés dans ce domaine de recherche en utilisant des technologies variées et parmi elles L’électroencéphalogramme (EEG). Pour mener à bien ce travail, nous avons utilisés des données supervisées par un expert, ces données sont enregistrées en utilisant un EEG, et nous avons réalisé un ensemble de tests sur ces données, pour obtenir des résultats intéressants comparativement à certains issus des méthodes classiques. Il est noté que les algorithmes développés pour la classification de l’épilepsie sont exploitables par n’importe qu’elle application de diagnostic des signaux biomédicaux. Il suffit d’adapter l’application aux nouvelles données. Dans un but d'automatisation de la procédure de classification, deux méthodes de classification ont étés utilisées, à savoir SVM et MLP avec plusieurs couches cachées (réseaux de neurones profonds DNN). Nous avons remarqué d'après les résultats obtenus que le nombre d’échantillonnage, le type d’analyse Appliqué (temporel/fréquentiel) et le nombre des paramètres utilisés influent sur le taux de classification. Des bons résultats ont été observés en utilisant un échantillonnage élevé et en utilisant tous les paramètres étudiés par apport un nombre minimum avec la méthode de classification MLP. L’application de l’analyse temps-fréquences en utilisant les ondelettes (wavelet) a donnée de bons résultats avec les deux méthodes de classification par apport à une analyse fréquentielle ou temporelle séparément. L’augmentation du nombre des couches cachées dans la méthode MLP permet d’améliorés le taux de classification.

Réserver

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
SE01025T	INF309	Livre audio	Bibliothèque des Sciences Exactes	7-Mémoires Master	Libre accès Disponible
SE01173T	INF309	Livre audio	Bibliothèque des Sciences Exactes	7-Mémoires Master	Libre accès Disponible