CAPACité de«DeepLEARning»A prédire les cHAOs dANS un système cHAOtique
| dc.contributor.author | Bendib, Islem | |
| dc.date.accessioned | 2022-03-09T10:11:08Z | |
| dc.date.available | 2022-03-09T10:11:08Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | Il y a un siècle déjà, les pionniers de la théorie du chaos ont découvert que « l’effet papillon » rend la prédiction à long terme impossible. Même la plus petite perturbation dans un système complexe (comme la météo, l'économie ou à peu près tout le reste) peut déclencher une concaténation d'événements conduisant à un avenir dramatiquement divergent. Incapables d’établir l’état de ces systèmes avec suffisamment de précision pour prédire comment ils se déroulent, nous vivons dans un voile d’incertitude. Le deeplearning ou apprentissage profond est une technique informatique à la base des récents succès en intelligence artificielle - pour prédire l'évolution future de systèmes chaotiques à des horizons lointains. Des experts externes ont qualifié cette approche d’innovante et susceptible de trouver une large application. Le travail de ce projet de master vise à impliquer l’apprentissage profond dans le processus de prédiction de chaos dans les différents types de systèmes dynamiques afin de pouvoir éviter des catastrophes qui peuvent venir. | en_US |
| dc.description.provenance | Submitted by snv snv (dspace.snv@univ-tebessa.dz) on 2022-03-09T10:11:08Z No. of bitstreams: 1 Islem_bendib_2020 VC.pdf: 3219267 bytes, checksum: 03eb29783b1533d77a2ffda2bc208fa1 (MD5) | en |
| dc.description.provenance | Made available in DSpace on 2022-03-09T10:11:08Z (GMT). No. of bitstreams: 1 Islem_bendib_2020 VC.pdf: 3219267 bytes, checksum: 03eb29783b1533d77a2ffda2bc208fa1 (MD5) Previous issue date: 2020 | en |
| dc.description.sponsorship | Derdour Makhlouf | en_US |
| dc.identifier.uri | http//localhost:8080/jspui/handle/123456789/1895 | |
| dc.language.iso | fr | en_US |
| dc.publisher | Universite laarbi tebessi tebessa | en_US |
| dc.subject | Chaos, Système dynamique, Equations différentielles, Long Short-TermMemory, RNN, Attracteur de Lorenz, CNN, jeux d’échecs, non equilibruim. | en_US |
| dc.title | CAPACité de«DeepLEARning»A prédire les cHAOs dANS un système cHAOtique | en_US |
| dc.type | Thesis | en_US |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- Islem_bendib_2020 VC.pdf
- Size:
- 3.07 MB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: