Thèses de Doctorat et Mémoires de Magister
Permanent URI for this communityhttps://dspace.univ-boumerdes.dz/handle/123456789/17
Browse
14 results
Search Results
Item Clustering et apprentissage profond pour la transcription assistée par ordinateur des documents manuscrits(Université M'Hamed Bougara Boumerdès : Faculté des Sciences, 2024) Faouci, Soumia; Gaceb, Djamel(Directeur de thèse)La reconnaissance automatique ou semi-automatique de l'écriture manuscrite offre des outils de grande importance pour les sociétés qui souhaitent augmenter leur productivité en numérisant facilement leurs documents manuscrits de tout type (administratifs, manuscrits anciens, chèques, adresses postales, ordonnances, etc.), selon un cadre applicatif varié. Actuellement, l'intelligence artificielle rend cette technologie encore meilleure, rapide et efficace, permettant de réduire les coûts et les délais de lecture optique, de transcription, d'interprétation, de catégorisation et de traitement des documents contenant du texte manuscrit. A l'inverse de l'écriture latine, la nature complexe de l'écriture arabe présente encore des grands challenges et difficultés devant le peu de logiciels OCR existants et qui sont limités à des vocabulaires restreints. L'écriture arabe est ligaturée avec des caractères qui sont souvent collés les uns aux autres et des styles très variables. Dans ce cadre, le projet de cette thèse représente une nouvelle contribution au développement de solutions alternatives aux OCR pour une transcription automatique plus adaptées aux documents manuscrits arabes. Les quatre contributions développées dans ce travail de thèse sont basées sur deux types de méthodes : apprentissage automatique et apprentissage profond. La première contribution est fondée sur le développement de plusieurs approches d'apprentissage automatique en utilisant deux classifieurs conventionnels MLP et SVM (non linéaire) avec une sélection optimale et combinaison de plusieurs caractéristiques discriminantes. La seconde contribution est basée sur l'usage de l'apprentissage profond par transferts selon différents niveaux de fine tuning. A ce niveau, une architecture CNN originale et simplifiée a été proposée et plusieurs modèles existants (CNN : MobileNet, DenseNet121, EfficientNet, InceptionV3, ResNet50 et VGG16 ou ViT : convnext-tiny-224) ont été développés, testés et comparés. La troisième contribution est basée la combinaison d'un modèle CNN et un classifieur automatique. Dans ce cadre, différentes combinaisons ont été testées entre les différents modèles CNN et les classifieurs (SVM, KNN et RF). La dernière contribution est destinée au développement d'un système de transcription de texte manuscrit arabe assistée par ordinateur en utilisant le clustering et la recherche des parties de mots arabes (PAW) dans un corpus d'images de documents scannés. A ce stade, deux approches sont développées et testées en utilisant les modèles CNN et les réseaux Siamois et un nouveau dataset des PAW est créée. Les expériences et les comparaisons faites sur différents datasets montrent la pertinence des approches développées et leur supériorité par rapport à la littératureItem Optimisation multi-objectif de la fiabilité des systèmes complexes par l'intelligence artificielle(Université M'Hamed Bougara : Faculté de Technologie, 2021) Chebouba, Billal Nazim; Adjerid, Smail( Directeur de thèse)Dans le contexte actuel caractérisé par une forte concurrence économique, les systèmes industriels doivent être les plus fiables possibles pour rester compétitifs, ainsi l'optimisation de la fiabilité des systèmes est devenue un sujet fondamental dans la conception et l'exploitation des systèmes de fabrication à grande échelle. Afin d'atteindre un haut niveau de fiabilité d'un système de production, trois stratégies fondamentales peuvent être appliquées par les concepteurs : l'allocation de fiabilité, l'allocation de redondance et l'allocation de fiabilité-redondance. Un compromis entre les variables de décision est nécessaire pour optimiser un ou plusieurs objectifs sans violer l'ensemble des contraintes de conception considéré, ce type de problème est difficile à résoudre en raison de la quantité considérable d'efforts de calcul requis pour trouver les solutions optimales. Il a été prouvé au cours des deux dernières décennies que les algorithmes inspirés de la nature sont attrayants pour ce genre de problème d’optimisation mathématiques. Les algorithmes bio-inspirés sont efficaces pour arriver à la solution optimale à un problème lorsqu'il existe une myriade de possibilités. Ils sont non déterministes et sont utilisés dans l'analyse de systèmes, leur simplicité et leur parallélisme inhérent sont deux raisons principales de leur popularité et de leur large éventail d'applications. Ils sont flexibles et peuvent être adaptés aux changements de l'environnement, par conséquent les techniques d'optimisation métaheuristiques ont été utilisées comme alternative aux approches mathématiques classiques pour obtenir des solutions optimales globales ou quasi globales en raison de leur grande capacité à détecter des régions prometteuses dans l'espace de recherche et à les explorer à un moment précis. L'objectif de la thèse est de proposer une nouvelle approche multi-objectif pour l'optimisation simultanée des éléments FMDS+C (Fiabilité, Maintenabilité, Disponibilité, Sécurité et Cout). L'approche développée sera basée sur les méthodes évolutionnaires bioinspirées et la fusification des incertitudes. Des applications numériques sur des systèmes complexes feront l'objet de la validation de cette approche.Item Adaptation et développement des modèles SRM pour la simulation et l’optimisation des réservoirs fracturés(Universite M'Hamed Bougara : Faculté des hydrocarbures et de la chimie, 2021) Redouane, Kheireddine; Zeraibi, Noureddine(Directeur de thèse)La conception d’un plan de développement d’un réservoir fracturé est un problème ardu nécessitant l’utilisation de la simulation numérique pour la résolution et le traitement des modèles représentants le processus physique du système. Ces modèles reposent principalement sur un ensemble d’équations différentielles et intégrales non linéaires dont la solution même numérique est trop chronophage. Le but de cette thèse consiste en le développement d’un outil d’aide à la prise de décision basé sur les techniques d’intelligences artificielles et les algorithmes évolutionnaires pour faciliter la simulation des réservoirs fracturés afin d’optimiser leurs stratégies de développement/management à moindre cout. Pour atteindre notre objectif, nous développons dans un premier temps une stratégie d’optimisation auto-adaptative robuste multidisciplinaire qui utilise les modèles Surrogates et les algorithmes évolutionnaires pour non seulement fournir une approximation aux modèles de simulation avec un temps de réponse d’ordre de seconde, mais aussi pour faciliter la tâche d’optimisation globale de ce problème combinatoire de développement des réservoirs fracturés. Afin d’augmenter la précision de l’approche développée, nous proposons une procédure originale d’enrichissement via les plans d’expériences adaptatifs, qui sert ainsi à améliorer le pouvoir émulatif des modèles Surrogate particulièrement dans les zones pouvant contenir l’optimum de problème. Cette approche est couplée à une stratégie innovante d’articulation et de traitement des contraintes qui se présente aussi comme une clé pour automatiser la procédure d’optimisation et définir la forme générale de Framework élaboré qu’on appelle ASRM « Adpatative Surrogate Reservoir Model ». Le Framework développé est appliqué à : 1. L’optimisation des fonctions test complexes 2. L’étude d’un réservoir Benchmark Off-Shor. 3. L’étude et la mise en oeuvre sur un projet réel d’emplacement des puits directionnels sur un réservoir non-conventionnel fracturé d’un champ mature situé à Hassi-Massoud, Algérie. Les résultats ont permis de montrer la validité de la démarche ainsi que l’efficacité de la méthode ASRM pour une application dans un cadre industrielItem Utilisation de la logique floue à la surveillance et diagnostic des défauts des machines tournantes(2020) Gougam, FawziLes machines tournantes sont souvent très critiques pour les industries. Elles occupent une grande partie des industies et aussi sont vitales pour la production d’énergie et les applications industrielles. La fiabilité et la disponibilité de ces machines doivent être garanties à tout moment, car leur défaillance peut avoir des conséquences catastrophiques. Des composants défectueux, avec par exemple des défectuosités de roulements ou de palier lisse, des défaillances électriques dans les moteurs, des déséquilibres des pièces tournantes, des désalignements,etc ont un impact dans le comportement vibratoire des machines tournantes. Sans détection, ceci peut créer des dégâts sur les machines, des arrêts imprévus et des pertes de revenus importantes. Pour ce faire, l’état de la machine doit être soigneusement surveillé pour détecter les changements significatifs du "comportement de la machine", également connu sous le nom de Condition Monitoring. Le but de la surveillance basée sur l’analyse vibratoire est de détecter les prémices de défauts et de symptômes liés aux différentes conditions de dégradation de la machine et intervenir aux bons moments. En plus de la croissance apparente du maintenance conditionnelle ; conditon based maitenance (CBM), les pronostics et la gestion de la santé (PHM) sont devenus une partie importante de nombreux systèmes et produits d’ingénierie, où les algorithmes développés sont utilisés pour détecter les anomalies, diagnostiquer les défauts et prévoir la durée de vie utile restante (RUL). La PHM peut offrir de nombreux avantages aux utilisateurs et aux responsables de la maintenance. Bien que les objectifs principaux soient d’assurer la sécurité, de fournir un état de santé et d’estimer la durée de vie utile restante des composants et des systèmes, il existe également des avantages financiers tels que la réduction des coûts d’exploitation et de maintenance et l’allongement de la durée de vie. En plus de la croissance apparente du thème, les solutions PHM sont néanmoins le résultat de l’évolution des techniques et des technologies pour la sécurité opérationnelle, la surveillance et l’ingénierie de maintenance. C’est dans ce cadre que cette thèse est rédigée. L’objectif est de présenter l’émergence des techniques de l’intelligence artificielle et montrer comment il complète les activités nouvelles de maintenance, d’expliquer les processus d’identification des défauts et estimation de la durée de vie restante des équipements rotatifs, en décrivant les méthodes et le techniques utilisées dans certains parties de la surveillance et pronostic des systèmes tournantesItem Surveillance et diagnostic d’une ligne de production par les réseaux de neurones artificiels(2010) Amrani, MohamedCe travail de recherche présente une modélisation et une simulation de diagnostic et de surveillance en temps réel des équipements stratégiques d’une ligne de production. Le modèle est basé sur les réseaux de neurones artificiels RNA. L’objectif est de détecter et localiser toute anomalie qui peut survenir dans une machine. L’équipement considéré dans cette étude est une ligne de production pharmaceutique BEKER laboratoire Dar El Beida- Algérie la machine qui nous intéresse est un équipement stratégique dans la production. Nous avons défini les zones de bon et de mauvais fonctionnement. A partir de là, la simulation des pannes est possibleItem Surveillance et diagnostic d'une chaîne de production par les réseaux de neurones artificiels(2008) Salhi, NedjmaLe Travail de recherche présenté dans ce mémoire consiste à diagnostiquer et à surveiller une chaîne de production. Par la méthode des réseaux de neurones artificiels. Cet approche a de nombreux avantages. L'une d'elle est la classification et la séparation non linéaire. Grâce à cette caractéristique, nous avons pu mettre en uvre une approche de diagnostic sur un cas réel d'un atelier de production de suppositoire situé à LPA. Pour chacune des parties de l'atelier choisi, nous avons définis les zones de bon et de mauvais fonctionnement. A partir de là, la simulation des pannes est possibleItem Surveillance et diagnostic d'un système de production agroalimentaire(2012) Haddouche, MohamedLa disponibilité des installations industrielles présente un impact très important pour chaque société activant dans le domaine de la production et qui doit résister à la mondialisation où la concurrence est très rude. Ce présent travail a pour but d'utiliser les réseaux de neurones artificiels (RNA) et particulièrement Le Réseau à Fonctions de base Radiales (RFR) dans le domaine de la surveillance et diagnostic d'un système de production. La nécessité d'utiliser cette technique d'intelligence artificielle vient du faite qu'il n'existe pas un modèle formel pour définir l'état du processus industriel c'est-à-dire la déduction direct d'une défaillance à partir des données capteurs et sans l'intervention de l'expert humain. Pour bien mener cette étude ; on a devisé notre travail en deux parties : la première partie consiste à étudier les notions fondamentales sur la surveillance et diagnostic dans le domaine industriel ainsi que les RNA et le RFR en justifiant le choix de cet outil. La deuxième partie présente une étude pratique d'un processus industriel réel ; on a développé un modèle de surveillance qui défini l'état du processus à partir des données réelles de l'entrée. Une simulation a été réalisée sous Matlab pour évoluer les performances du système. Finalement ; on a élaboré une interface à l'aide d'un langage de programmation pour faciliter la manipulation de ce modèleItem Intelligence artificielle appliquée au diagnostic des systèmes de production(2013) Berkane, NacerLe travail de recherche présenté dans ce mémoire consiste à diagnostiquer et à surveiller un système de production industriel en temps réel on utilisant un outil de l'Intelligence Artificiel "Réseaux de Neurones". Cette approche a de nombreux avantages, Tels que la classification et la séparation non linéaire. Grâce à cette caractéristique, nous avons pu mettre en œuvre une application de diagnostic sur un système réel d'un atelier de production "Laminoir à Chaud(LAC)" de tôles situé à Arcelor Mittal d'El Hadjar (Annaba). Pour le système choisi, nous avons défini les états de bon et de mauvais fonctionnement. A partir de là, la détection des pannes est possibleItem Placement optimal des capteurs pour la détection et la localisation des défauts(2014) Alem, SaidLes capteurs jouent un rôle très important dans la commande d'un système automatisé. Ils sont souvent indispensables pour garantir les propriétés du système, par exemple l'observabilité ou la détection des défauts. Les capteurs sont souvent coûteux, leur emplacement sur un système parfois très limité, leur maintenance difficile,... il est donc important de savoir utiliser de manière optimale les capteurs d'un système. Pour des raisons de fiabilité et de sûreté, on cherche à garantir le fonctionnement du système en cas de panne de certains capteurs. On considère ici le problème de placement optimal des capteurs pour la détection et localisation des défauts. Quand la détection et la localisation des défauts avec les capteurs de système déjà existants est impossible ou pas certains alors une reconfiguration de ce système est nécessaire. On s'intéresse aux problèmes de positionnement, sélection et problèmes de coût de placement des capteurs, le placement optimal et la classification des capteurs pour vérifier une propriété donnéeItem Hybrid renewable energy systems optimization based on artificial intelligence(2014) Berrazouane, SofianeIn remote regions, electric energy is usually supplied by diesel generators for their reliability, low installation costs, ease of starting, compact power density and portability. However, diesel generators are becoming expensive to run due to ncreasing fuel cost, transportation costs and they require a high level of maintenance cost. Moreover, using diesel fuel increases the amount of CO2 emitted which is the principal source of green-house gas. A more sustainable alternative system is using renewable sources to produce electrical power. They can play an important role in ensuring an environmentally friendly and clean energy generation for remote and isolated communities. However, renewable energy sources are intermittent in nature, and as a result, power generation from renewable energy sources often may not necessarily match the load demand. Therefore, energy storage is required to ensure reliable power supply. Moreover, the implantation of energy production based on renewable sources requires a specific design in terms of size and control. The objective of this thesis is to propose a methodology to design a hybrid power system based on artificial intelligence. Initially, the cuckoo search algorithm is used to give an optimal size of a hybrid power system that can guarantee the energy required by the load continuously. To overcome the complexity of the control of hybrid power system, an optimal fuzzy logic control based on cuckoo search algorithm is proposed. Finally, optimization of size and control simultaneously is introduced in this thesis to increase the reliability and competitively of system. Keywords:Hybrid power system,Fuzzy logic controller,Loss of power supply probability, Cuckoo search