Titre : |
Amélioration des performances d'un classifieur neuronal : application médicale |
Type de document : |
texte imprimé |
Auteurs : |
BENDIMERAD, MANSOURIA née SEKKAL, Auteur ; CHIKH, M.A, Auteur |
Editeur : |
Université tlemcen |
Année de publication : |
2016 |
Importance : |
94 p. |
Présentation : |
ill. |
Format : |
30 cm |
Accompagnement : |
cd |
Langues : |
Français (fre) Langues originales : Français (fre) |
Résumé : |
Actuellement, il existe beaucoup de travaux dans le domaine des réseaux de
neurones artificiels (RNAs)qui sont liés au traitement des différents problèmes de
classification des données médicales. Ceci est dû à leur simplicité et leur propriété
d'approximation universelle et la capacité du traitement parallèle de l'information. Ces
propriétés font que ces réseaux sont de plus en plus utilisés dans les systèmes de
diagnostic médical automatisés, là où des méthodes classiques ont échoué.
Les réseaux de neurones présentent une grande diversité. En effet un type de réseau
neuronal est défini par sa topologie, ses paramètres et son algorithme d’apprentissage.
Jusqu'à présent, il existe plusieurs problèmes qui restent difficile à résoudre. Ces
problèmes associés généralement à l’apprentissage, au choix d’architecture,
àl’ajustement des paramètres et au cratérisation du vecteur d’entrée.
La problématique traitée dans le cadre de ce travail de thèse s'inscrit dans ce
contexteet portesur la résolution des différents problèmes liés aux
classifieursneuronaux comme : le choix d’architecture du classifieur, la présence des
minima locaux lors de l’apprentissage et la sélection des variables pertinentes du
vecteur d’entrée par l’hybridation des RNAs avec les algorithmes génétiques (AGs).
Néanmoins, même les AGs, présententquelques difficultés dues au phénomène de
processus aléatoire.
Dans le cadre de cette thèse plusieurs contributions ont été effectuées : apprentissage
paramétrique et structurel des RNAs et la sélection des variables pertinentes par
hybridation avec les AGs et une dernière contribution qui concerne l’apprentissage
génétique à deux phases pour résoudre le problème de processus aléatoire des
algorithmes génétiques.
Plusieurs bases de données médicales ont été utilisées : MIT-BIH , BUPA, BREASTW,
HEPATITS etPIMa.
Les travaux menés durant cette thèse ont permis d'apporter une contribution
importante sur l’amélioration des performances des classifieurs neuronaux médicaux.
Plusieurs problèmes ont été traités et les résultats obtenus sont très prometteurs. |
Amélioration des performances d'un classifieur neuronal : application médicale [texte imprimé] / BENDIMERAD, MANSOURIA née SEKKAL, Auteur ; CHIKH, M.A, Auteur . - Université tlemcen, 2016 . - 94 p. : ill. ; 30 cm + cd. Langues : Français ( fre) Langues originales : Français ( fre)
Résumé : |
Actuellement, il existe beaucoup de travaux dans le domaine des réseaux de
neurones artificiels (RNAs)qui sont liés au traitement des différents problèmes de
classification des données médicales. Ceci est dû à leur simplicité et leur propriété
d'approximation universelle et la capacité du traitement parallèle de l'information. Ces
propriétés font que ces réseaux sont de plus en plus utilisés dans les systèmes de
diagnostic médical automatisés, là où des méthodes classiques ont échoué.
Les réseaux de neurones présentent une grande diversité. En effet un type de réseau
neuronal est défini par sa topologie, ses paramètres et son algorithme d’apprentissage.
Jusqu'à présent, il existe plusieurs problèmes qui restent difficile à résoudre. Ces
problèmes associés généralement à l’apprentissage, au choix d’architecture,
àl’ajustement des paramètres et au cratérisation du vecteur d’entrée.
La problématique traitée dans le cadre de ce travail de thèse s'inscrit dans ce
contexteet portesur la résolution des différents problèmes liés aux
classifieursneuronaux comme : le choix d’architecture du classifieur, la présence des
minima locaux lors de l’apprentissage et la sélection des variables pertinentes du
vecteur d’entrée par l’hybridation des RNAs avec les algorithmes génétiques (AGs).
Néanmoins, même les AGs, présententquelques difficultés dues au phénomène de
processus aléatoire.
Dans le cadre de cette thèse plusieurs contributions ont été effectuées : apprentissage
paramétrique et structurel des RNAs et la sélection des variables pertinentes par
hybridation avec les AGs et une dernière contribution qui concerne l’apprentissage
génétique à deux phases pour résoudre le problème de processus aléatoire des
algorithmes génétiques.
Plusieurs bases de données médicales ont été utilisées : MIT-BIH , BUPA, BREASTW,
HEPATITS etPIMa.
Les travaux menés durant cette thèse ont permis d'apporter une contribution
importante sur l’amélioration des performances des classifieurs neuronaux médicaux.
Plusieurs problèmes ont été traités et les résultats obtenus sont très prometteurs. |
|