Roguia Siouda (2022) Pattern recognition using collaborative neural networks. 8 Mai 1945 Guelma, Algeria
Publications Scientifiques
Important: Cette page est gelée. Les nouveaux documents sont maintenant dans le dépôt numérique DSpace
Résumé
Les réseaux de neurones artificiels sont été appliqués avec succès à un large éventail de problèmes.
En reconnaissance de formes,il sont été utilisés dans plusieurs tâches, telles que l’extraction de
caractéristiques, la réduction de dimension et la classification. Dans ce travail, nous proposons
deux modèles de classification des battements cardiaques de l’ECG, basés sur la collaboration
de différents types de réseaux de neurones. L\'objectif principal est de combiner leurs propriétés
complémentaires.
Le premier modèle utilise un auto-encodeur creux empilé comme extracteur de caractéristiques
et un système de plusieurs perceptrons multicouches(PMC) comme classificateur. Dans ce
modèle, l\'ensemble du problème est divisé en parties plus simples, qui sont résolues à l’aide
de différents PMC. Le deuxième modèle utilise également un auto-encodeur creux empilé pour
extraire des caractéristiques en plus de deux autres caractéristiques dynamiques. Dans ce modèle,
la classification est effectuée par un modèle neuronal hybride basé sur la combinaison de réseaux
neuronaux aléatoire set RBF.
Les modèles proposés sont évalués sur la base de données d’arythmie MIT-BIH. Les tests sont
basés sur le paradigme inter-patients, dans lequel les données d’entraînement et de test provien-
nent de différents patients. Les résultats obtenus sont comparés avec certaines des méthodes de
l’état de l’art.
Mots clés : Reconnaissance de formes, classification, réseaux de neurones, apprentissage au-
tomatique, apprentissage en profondeur, ensemble de données ECG.
En reconnaissance de formes,il sont été utilisés dans plusieurs tâches, telles que l’extraction de
caractéristiques, la réduction de dimension et la classification. Dans ce travail, nous proposons
deux modèles de classification des battements cardiaques de l’ECG, basés sur la collaboration
de différents types de réseaux de neurones. L\'objectif principal est de combiner leurs propriétés
complémentaires.
Le premier modèle utilise un auto-encodeur creux empilé comme extracteur de caractéristiques
et un système de plusieurs perceptrons multicouches(PMC) comme classificateur. Dans ce
modèle, l\'ensemble du problème est divisé en parties plus simples, qui sont résolues à l’aide
de différents PMC. Le deuxième modèle utilise également un auto-encodeur creux empilé pour
extraire des caractéristiques en plus de deux autres caractéristiques dynamiques. Dans ce modèle,
la classification est effectuée par un modèle neuronal hybride basé sur la combinaison de réseaux
neuronaux aléatoire set RBF.
Les modèles proposés sont évalués sur la base de données d’arythmie MIT-BIH. Les tests sont
basés sur le paradigme inter-patients, dans lequel les données d’entraînement et de test provien-
nent de différents patients. Les résultats obtenus sont comparés avec certaines des méthodes de
l’état de l’art.
Mots clés : Reconnaissance de formes, classification, réseaux de neurones, apprentissage au-
tomatique, apprentissage en profondeur, ensemble de données ECG.
Information
| Item Type | Thesis |
|---|---|
| Divisions |
» Faculté des Sciences et de la Technologie |
| ePrint ID | 4431 |
| Date Deposited | 2023-09-17 |
| Further Information | Google Scholar |
| URI | https://univ-soukahras.dz/fr/publication/article/4431 |
BibTex
@phdthesis{uniusa4431,
title={Pattern recognition using collaborative neural networks},
author={Roguia Siouda},
year={2022},
school={8 Mai 1945 Guelma, Algeria}
}
title={Pattern recognition using collaborative neural networks},
author={Roguia Siouda},
year={2022},
school={8 Mai 1945 Guelma, Algeria}
}