Amel Denden, Sahbatou Farid

كلية اللغات الأجنبية-جامعة عبد الحميد بن باديس مستغانم · الجزائر

La película habla sobre el descubrimiento de América en el que algunas personas consideran conquista.

Joe Tekli, Rayan Al Sobbahi

مدرسة الهندسة-الجامعة اللبنانية الأميركية · لبنان

Low-light image (LLI) enhancement is an important image processing task that aims at improving the illumination of images taken under low-light conditions. Recently, a remarkable progress has been made in utilizing deep learning (DL) approaches for LLI enhancement. In this thesis, we perform a concise and comprehensive review and comparative study of the most recent DL models used for LLI enhancement. We address LLI enhancement in two ways: i) standalone, as a separate task, and ii) end-to-end, as a pre-processing stage embedded within another high-level computer vision task, namely object detection and classification. We also conduct a feature analysis of DL feature maps extracted from normal, low-light, and enhanced images, and perform the occlusion experiment to better understand the effect of enhancement on object detection and classification. We then address a common problem of these models depicted by their design as standalone solutions without focusing on the impact of enhancement on high-level computer vision tasks like object classification. Our review and empirical evaluations show that enhancing LLI visual quality does not necessarily correlate with improved object detection and classification performance, and may even deteriorate it, especially in cases where enhanced images include extreme artifacts. To solve the problem, we propose a new LLI enhancement model that performs image-to-frequency filter learning and is designed for seamless integration into classification models. Through this integration, the classification model is embedded with an internal enhancement capability and is jointly trained to optimize both enhancement and classification performance. We conduct a large battery of experiments involving 76 testers to evaluate our approach’s LLI enhancement quality. When evaluated as a standalone enhancement model, our solution consistently ranks first or second among five state of the art enhancement techniques both quantitatively and qualitatively. When embedded with a classification model, our solution achieves an average of 5.5% improvement in classification accuracy, compared with the traditional pipeline of separate enhancement followed by classification. Results clearly produce robust classification performance on both low light and normal light images.

احمد رضا, سهيلة بوزيد

معهد علوم البيطرة-جامعة ابن خلدون – تيارت · الجزائر

Red meats and their offal intended for human consumption are subject to compulsory health inspection at slaughterhouse level by veterinary studies aims to determine the main reasons for seizure in the abattoir of BOUGTOB for 06 months at a rate of 1 visit per week on a number of (5352) animals inspected (cattle, sheep, goats)My results show that congested and meats are the main reasons for seizure of the carcass with a respective percentage of 11% and 05% and that abscesses represent the main reason for seizure of offal with a percentage of 30%My results also show that offal is the most affected than carcasses where the organ most affected is the lungs with a number of 11% cases of lesion A good inspection led by the responsible veterinarians can give better results in terms of safety in the meat industry for it to be of good quality

Mohammed Aldasht, Safa Ibrahim Adi

جامعة بوليتكنك فلسطين · فلسطين

Feature selection is one of a key success factor for classification problem in high dimensional datasets. This process aims to select the discriminative subsets of features in order to enhance the classification performance and reduce learning time.In this thesis we introduce an approach for handling the classification problem in high dimensional datasets using scatter search algorithm with wrapper model. During our study we have implemented the sequential and the parallel versions of the scatter search algorithm.The classification performance for the two versions are similar for Mushroom, Madelon, Gisette and Spambase datasets. For Arcene dataset the parallel version of the scatter search enhances the classification performance from 0.93 to 0.94 comparing with the sequential version of the scatter search.Five benchmark datasets are used to evaluate our approach, all of them are two-class classification problem. They are: Mushroom, Spambase, Arcene, Madelon and Gisette. Three of them (Arcene, Madelon and Gisette) are feature selection challenge. The obtained results indicate that the proposed approach is very efficient for feature selection process in high dimensional datasets; since the scatter search algorithm reduces the execution time and enhances the classification performance.A comparative study is conducted with other research in the literature that uses the evolutionary algorithms to handle the classification problem in high dimensional datasets. Our proposed method is very efficient, it reduced the execution time for all the datasets that we use in our experiments, and enhanced the classification results, the classification results are ranged from 0.92 to 1.0 for the five datasets.

حسين غسان الشلوف, وسيم الجنيدي

الجامعة الافتراضية السورية · سوريا

خلال الفترة السابقة وخاصة بعد جائحة كورونا وما رافقها من حظر تجوال وشبه توقف لعجلة الحياة، ازداد الاهتمام في توظيف الذكاء الاصطناعي في تطبيقات التنبؤ بالأمراض والوقاية وطرق العلاج، وهذا ما تم دراسته في هذه الرسالة، حيث طورنا تطبيق يعتمد على خوارزميات الذكاء الاصطناعي في التنبؤ بالأمراض نتيجة لأعراض معينة، يساعد هذا التطبيق الأطباء او المرضى على حد سواء خاصة في الحالات الاضطرارية او سكان القرى والمناطق النائية، وتم التركيز على كيفية اظهار نتائج الخوارزميات في تطبيق بسيط وسهل العمل وفي متناول الجميع، جرى الاعتماد على قاعدة بيانات ل 4920مريض من موقع Kaggle، فبعد وصفها وتنظيفها وتجهيزها لبدء التدريب تم تدريبها على 3خوارزميات هي (Random Forest, SVM, Decision Tree)، ومن ثم جرى اختبار وقياس النتائج على قسم من البيانات وعلى بيانات خارجية وتم الوصول الى نسبة توقع صحيح 95.13 %باستخدام SVM، ثم يتم ترحيل نتائج الخوارزمية الى تطبيق الويب flask ثم عن طريق تقديم طلبات HTTP postيستخرج ال flaskالمرض الخاص بالأعراض ويعرضه ضمن تطبيق اندرويد. تساهم هذه الرسالة في تقدم حل فعال وموثوق لمساعدة الأطباء في التشخيص المبكر وتحسين جودة الرعاية الصحية، كما يمكن الاعتماد على هذه التقنيات لتطوير سياسات صحية فعالة واستراتيجيات الوقاية من الامراض.

جميلة عفون, فاطمة شنافي, نعيمة نيار

كلية العلوم الانسانية والاجتماعية-جامعة اكلى محند أولحاج - البويرة · الجزائر

الهادي غدير عمر, علي كرباع

كلية الآداب واللغات-جامعة الشهيد حمة لخضر - الوادي · الجزائر

Djillali Kouchih, Mohamed Seghir Boucherit, Mohamed Tadjine

المدرسة الوطنية المتعددة التقنيات - الجزائر · الجزائر

L'objectif principal de ce travail est la synthèse d'une commande tolérante aux défauts (FTC) de la machine asynchrone triphasée fonctionnant en commande directe du couple (DTC).La FTC proposée se base sur un observateur adaptatif pour la reconstruction des grandeurs contrôlées: vitesse, flux statorique et couple électromagnétique.Afin d’améliorer les performances de l'observateur adaptatif, la vitesse du rotor et la résistance statorique sont adaptées en utilisant des mécanismes d'adaptation.La théorie de Lyapunov est utilisée afin de garantir la stabilité de l’observateur.Pour vérifier la consistance de l'approche proposée, nous avons pris en compte les perturbations les plus fréquentes: variation de la charge et de la résistance statorique, court-circuit entre spires statoriques et cassure de barres rotoriques.En régime de défauts, la machine est déséquilibrée.Ainsi, un modèle convenable est nécessaire pour évaluer les performances de la machine.La théorie des circuits couplés est utilisée pour le diagnostic et la modélisation de la machine déséquilibrée en tenant compte de l'effet des harmoniques d'espace et de temps.Les résultats de simulation réalisés sous l'environnement MATLAB montrent la consistance des approches proposées.

إبراهيم الخليل حمزة, شهرزاد شلبي

كلية العلوم الإنسانية والاجتماعية-جامعة محمد خيضر - بسكرة · الجزائر

محمد عبد الكريم طراونة, منال محمد أبو عورة, موفق سليم بشارة

جامعة الحسين بن طلال · الاردن