Institutional repository of university M'Hamed Bougara Boumerdes
Not a member yet
13163 research outputs found
Sort by
Elaboration et caractérisation de nanoparticules et de polymères conducteurs pour la réalisation de matériaux composites multifonctionnels
No full text172 p. : ill. ; 30 cmCette thèse vise à améliorer les performances électrochimiques des matériaux pseudocapacitifs tels que le MnO2, le PPy, la PANI, le nanocomposite PPy/ZnO et le nanocomposite PANI/TiO2 pour les utiliser comme matière active dans les supercondensateurs. Les caractérisations physico-chimiques telles que l'IRTF, le DRX, le MEB-EDS, la surface BET, ainsi que les caractérisations électrochimiques telles que la voltampérométrie cyclique (CV) et la spectroscopie d'impédance électrochimique (SIE) ont été réalisées pour évaluer leurs performances et comprendre la relation entre leurs structures-propriétés et leurs performances électrochimiques. Le dioxyde de manganèse a été d'abord élaborée selon deux procédés, hydrothermal et par micro-ondes, afin d'obtenir différentes structures. Il a été observé une influence significative de la méthode de synthèse sur la morphologie et les performances des dioxydes de manganèse. La capacité spécifique a été calculée à 445 F.g-1 pour le MnO2-HT (synthèse hydrothermal) et à 577 F.g-1 pour le MnO2-MO (synthèse par micro-ondes). En outre, après 1000 cycles de charge-décharge, une perte de 15,7 % par rapport à la capacité spécifique initiale a été observée pour le MnO2-MO, ce qui indique une bonne stabilité électrochimique. La synthèse par micro-ondes a donc permis d'obtenir un matériau aux propriétés électrochimiques attractives, avec un gain de temps de synthèse considérable. Les performances des matériaux nanocomposites PPy/ZnO et PANI/TiO2 ont ensuite été évaluées avec succès. Ces matériaux ont été préparés par une simple polymérisation chimique in-situ, en utilisant la poudre de MnO2 comme agent d'oxydation. Les caractérisations électrochimiques ont révélé les excellentes performances du nouveau nanocomposite PPy/ZnO et PANI/TiO2, où leur capacité spécifique atteint respectivement 1299 F.g-1 et 1110 F.g-1. Ces valeurs sont supérieures à celles obtenues pour l'électrode PPy, qui est de 945 F.g-1, et pour l'électrode PANI, qui est de 800.25 F.g-1. L'introduction des nanoparticules (ZnO, TiO2) dans la matrice de polymère conducteur entraîne un effet synergique efficace entre les deux constituants, ce qui permet une amélioration de la conductivité électronique, de la capacité à haute vitesse de balayage et de la stabilité électrochimique durant le cyclage répétitif de charge/décharge. Ces bonnes performances électrochimiques indiquent que les poudres développées dans ce travail seraient prometteuses comme matériaux actifs pour les supercondensateurs à haute performanc
Detection and localization of brain tumor by Deep Learning models
No full text65 p. : ill. ; 30 cmHealthcare MRI for brain tumor is a critical aspect of modern medicine, particularly in diagnosing and treating neurological disorders. Brain tumors pose significant health risks, and early detection is key to successful treatment outcomes. Traditional diagnostic methods often involve manual interpretation of MRI images by skilled radiologists, which can be time-consuming and subject to human error. Recent advancements in medical imaging and AI have paved the way for more efficient and accurate diagnosis of brain tumors using Deep Learning algorithms. This study proposes a Deep Learning-powered MRI-based system for automated detection and localization of brain tumors. Utilize Convolutional Neural Networks (CNNs) to analyze MRI scans and classify them into two classes: "Tumor" and "No tumor." To train and evaluate the four models, a dataset comprising of MRI images with corresponding labels indicating the presence or absence of tumors is utilized and then
localization of a tumor if it exists. Evaluation metrics such as accuracy, F1-score, Precision and Confusion Matrix are employed to assess the performance of the models in distinguishing between tumor and non-tumor cases. The
results demonstrate the efficacy of the proposed approach in accurately identifying brain tumors from MRI scans
Etude de quelques problèmes inverses en génie pétrolier : application aux well tests
No full text97 p. : ill. ; 30 cmCe travail pr´esente une approche bas´ee sur l’application d’un pr´edicteur agr´eg´e form´e
par plusieurs versions d’un r´eseau neuronal multicouche avec un algorithme d’optimisation
de r´etro-propagation pour nous aider `a obtenir une liste de mod`eles les plus appropri´es
d’interpr´etation de test de puits et ce pour un ensemble donn´e de pression./ donn´ees
de production. La m´ethodologie retenue pour ce travail se d´ecompose en trois ´etapes :
1. R´eduction de la dimension des donn´ees pour r´eduire le nombre des variables input
de la couche d’entr´ee dans le r´eseau de neurones artificiels,
2. R´epliques bootstrap de l’ensemble d’apprentissage o`u les donn´ees sont ´echantillonn´e
`a plusieurs reprises avec une division al´eatoire des donn´ees en ensembles de trains
afin de les utiliser comme nouveaux ensembles d’apprentissage, et
3. Identification automatique du mod`ele de r´eservoir via un pr´edicteur agr´eg´e form´e
par un vote de pluralit´e lors de la pr´ediction d’une nouvelle classe.
L’ensemble de donn´ees de formation et de test requis a ´et´e g´en´er´e `a l’aide de mod`eles de
solution analytique. Dans notre cas, 600 ´echantillons ont ´et´e utilis´es : 300 pour l’apprentissage,
100 pour la validation crois´ee et 200 pour les tests. Diff´erentes structures de r´eseau
ont ´et´e test´ees au cours de cette ´etude pour arriver `a une conception de r´eseau optimale.
Nous remarquons que la m´ethodologie de r´eseau unique entraˆ?ne toujours une confusion
dans la s´election du mod`ele correct. Nous remarquons ´egalement que la r´eduction des dimensions
des donn´ees est une strat´egie efficace pour r´eduire le nombre de caract´eristiques
d’entr´ee, simplifier la structure du r´eseau et r´eduire le temps de formation de l’ANN.
Les r´esultats obtenus montrent que l’approche propos´ee offre une meilleures performances
lors de la pr´ediction de nouvelles donn´ees avec un coefficient de corr´elation environ ´egal
`a 95% Par rapport `a une approche classique qui est de 80%, la combinaison la technique
de r´eduction de dimension est plus stable car elle permet d’atteindre le mˆeme objectif
avec moins d’effort.
L’approche propos´ee se montre comme un outil de classification avec une rigueur math´ematique
et une pr´ecision int´eressante et de ce fait elle peut ˆetre g´en´eralis´ee `a l’´etude d’autres
probl`emes semblable
Application de l'intelligence artificielle au contrôle de la qualité des surfaces métalliques
No full text66 p. : ill. ; 30 cmDans l'industrie de fabrication, la qualité de la surface des pièces à produire est d'une grande importance et il est essentiel de la contrôler au cours des processus de production. Malgré les défis posés par l'inspection visuelle, notamment avec l'augmentation de la vitesse de production, il est difficile d'identifier les défauts dans les produits même après leur fabrication, ce qui entraîne une réduction de la qualité et une augmentation des dépenses. Le travail que nous avons réalisé dans ce mémoire consiste à appliquer des algorithmes d'intelligence artificielle (IA) pour identifier et repérer automatiquement les défauts de surface des tôles et pour optimiser les résultats de la classification. Pour ce faire, ces algorithmes sont entraînés sur une base de données d'images des différents défauts qui peuvent apparaître sur la tôle. Nous contribuons ainsi à fournir un véritable outil de contrôle de qualité des tôles, d'optimisation de la maintenance et du contrôle des procédés
Indoor obstacle avoidance system design And evaluation using deep learning and SLAM based approaches
No full text75 p.This project aims to contribute to the vibrant fiel do fobstacl edetectio nan dsaf eau-tonomous navigation by designing a robust and cost-efficien tsyste mfo rindoo rmobile robot obstacle avoidance. The system combines 2D LiDAR-based SLAM with the state-of-the-art RRT algorithm for effective path planning. In addition, a pioneering deep learning approach addresses challenges in SLAM-RRT-based obstacle avoidance, including un-certain sensor measurements, complex environments, generalization, planning efficiency, and non-geometric information. The deep learning model is trained using data from a simulated environment with a 2D LiDAR sensor, serving both SLAM and data acquisition purposes. Comparative analysis between odometry-based and SLAM-based pose compu-tation methods provides insights into successful deep learning-based obstacle avoidance.
Implemented within ROS2, this project represents a significan tstrid ei nexplorin gcutting-edge techniques for robust and cost-efficien tindoo rmobil erobo tobstacl eavoidanc
Estimation of the level and temperature liquid of a two-tank coupled system subject to disturbances
No full text88 p. : ill. ; 30 cmThis Thesis examines the application of estimation techniques to determine non-measurable state variables in a two-tank coupled system, a widely used dynamic model in industrial processes. It emphasizes the Luenberger observer algorithm as an effective estimation method. Given the inherent limitations in direct measurement, state estimation is vital for ensuring accurate process control and fault detection. The study encompasses control system theory, the modeling and linearization of the two-tank system, and the use of the Luenberger observer to estimate both measurable and non-measurable variables. Results indicate that while full-state observation delivers precise estimates, partial-state observation provides reliable approximations, highlighting the value of estimation in maintaining robust control under varying conditions and disturbances
Dimensionnement et simulation d'un système de contrôle automatique pour une station de pompage
No full text98 p. : ill. ; 30 cmLe travail présenté dans ce mémoire est basé sur l'utilisation du programmateur automatisé SIEMENS S7_1200 pour la commande d'une station de pompage d'eau. Ce travail consiste à piloter et à superviser la station à l'aide du logiciel TIA Portal et à assurer sa connexion avec la salle de contrôle pour une commande à distance à l'aide de l'écran IH
Prevalence of malnutrition, dietary trends, and oral nutritional supplements use among Algerian cancer outpatients undergoing chemotherapy= Prévalence de la dénutrition, des tendances alimentaires et, de l'utilisation des compléments nutritionnels oraux, chez des patients algériens atteints de cancer en chimiothérapie ambulatoire
No full textObjective: It is widely acknowledged that patients with cancer commonly experience malnutrition, and some individuals may adopt specific dietary trends. This study investigated the prevalence of malnutrition and dietary trends among Algerian cancer outpatients undergoing chemotherapy. Material and methods: This cross-sectional, descriptive study was conducted from January to October 2023 with 71 cancer outpatients undergoing chemotherapy. Malnutrition risk was evaluated using the Malnutrition Screening Tool (MST). The questionnaire also collected the occurrence of nutrition impact symptoms, the avoidance of specific food groups, and the use of oral nutritional supplements and dietary supplements. Results: Malnutrition risk was identified in 57.7% (41 cases) of participants. Nutrition impact symptoms were reported by 59.2% (42 cases) of patients. A total of 36 of the patients (50.7%) altered their eating habits by avoiding at least one food group. Among malnourished cancer outpatients, only five used oral nutritional supplements. Dietary supplements were used by 23.9% (27/71) of the patients after cancer diagnosis. Conclusion: Our findings underscore the necessity for a systematic malnutrition assessment in cancer patients. Qualified clinicians should provide nutritional awareness to enhance the quality of life for these patients
Clustering et apprentissage profond pour la transcription assistée par ordinateur des documents manuscrits
No full text186 p. : ill. ; 30 cmLa 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 littératur
Optimisation des paramètres opératoires de la colonne Distillation sous vide «C101» de l’unité «100» de «RA1/Z»
No full text89 p. : ill. ; 30 cmCe Mémoire porte sur l'optimisation des paramètres opératoires d'une unité de distillation sous vide, en se concentrant sur le problème spécifique du chauffage de la tête dans l'unité de distillation sous vide U100 dans la zone 5 de la raffinerie d'Arzew. L'objectif principal est d'améliorer l'efficacité et la performance de l'unité en ajustant divers paramètres opératoires tels que la température et le débit de reflux. Une partie essentielle de ce travail est consacrée à la modélisation et à la simulation de la distillation sous vide à l'aide du logiciel Aspen HYSYS. Cet outil de simulation avancé permet de reproduire fidèlement les conditions opérationnelles des colonnes de distillation sous vide et d'optimiser leurs performances. Les résultats des simulations effectuées avec HYSYS sont analysés pour identifier les paramètres opératoires optimaux