Veuillez utiliser cette adresse pour citer ce document :
http://dspace1.univ-tlemcen.dz/handle/112/4158Affichage complet
| Élément Dublin Core | Valeur | Langue |
|---|---|---|
| dc.contributor.author | BAB-HAMED, Zeyneb Khadidja | - |
| dc.contributor.author | SIFOU, Wassila | - |
| dc.date.accessioned | 2014-02-20T08:03:19Z | - |
| dc.date.available | 2014-02-20T08:03:19Z | - |
| dc.date.issued | 2014-02-20 | - |
| dc.identifier.uri | http://dspace.univ-tlemcen.dz/handle/112/4158 | - |
| dc.description.abstract | Dans ce mémoire de Master 2, nous proposons un système de classification intelligent, apportant une aide aux médecins anesthésistes-réanimateurs (MAR), en appliquant quatre classifieurs : - Réseaux de Neurones « RNs », Neuro-Flou « ANFIS », K-Plus Proche Voisins « K-NN » et Machine à Vecteur de Support « SVM » - sur une nouvelle base de données (BDD) anesthésiques collectées localement. Les résultats obtenus prouvent la fiabilité et la cohérence de notre BDD. | en_US |
| dc.language.iso | fr | en_US |
| dc.subject | Anesthésie, RNS, K-NN, ANFIS | en_US |
| dc.subject | SVM, BDD (intubation | en_US |
| dc.title | CLASSIFICATION INTELLIGENTE DES DONNÉES ANESTHÉSIQUES | en_US |
| dc.type | Thesis | en_US |
| Collection(s) : | Master en Génie Mécanique | |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| EBM61.pdf | 3,07 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.