Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/11427
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBENDIMERAD, MANSOURIA-
dc.date.accessioned2017-11-15T10:45:26Z-
dc.date.available2017-11-15T10:45:26Z-
dc.date.issued2009-
dc.identifier.urihttp://dspace.univ-tlemcen.dz/handle/112/11427-
dc.description.abstractLe diagnostic médical est l’activité fondamentale de la médecine, il est donc normal que les premiers investigations dans le domaine du traitement automatique des informations s’intéressent à ce type problème. Plusieurs systèmes de diagnostic automatique utilisent les réseaux de neurones artificiels, comme technique de reconnaissance. Mais cette technique avec son apprentissage classique (rétro propagation) peut tomber sur des solutions sous optimale (minima locaux). Dans ce travail, nous avons conçu et implémenté un système neuro-génetque en remplaçant l’apprentissage classique par les algorithmes génétiques en suite nous avons comparé les résultats obtenus avec les systèmes neuronaux classiques.les performances de la classification ont été évaluées par le calcul de erreurs (e), temps (T), sensibilité (Se), la spécificité (sp) et le taux de classification correcte(class). Aussi dans ce travail, on a utilisé les algorithmes génétiques pour choisir l’architecture des RNA. Nous avons appliqué cette technique sur les signaux électrocardiogrammes (ECG), et comme base de données la base MIT-BHI.en_US
dc.language.isofren_US
dc.subjectModèle hybride, RNA, AGs, neuro-génétique.en_US
dc.subjectpprentissage paramétrique, apprentissage structurel.en_US
dc.titleApprentissage génétique d’un classifieur neuronal Application en cardiologie.en_US
dc.typeThesisen_US
Collection(s) :Magister en Génie Biomedical

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Mag.EBM..pdf7,52 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.