Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/13148
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBouzourine., Abdelhak.-
dc.contributor.authorAidi., Faiçal Taha.-
dc.date.accessioned2021-11-24T11:31:07Z-
dc.date.available2021-11-24T11:31:07Z-
dc.date.issued2018-06-27-
dc.identifier.urihttp://di.univ-blida.dz:8080/jspui/handle/123456789/13148-
dc.descriptionill.,Bibliogr.fr_FR
dc.description.abstractL'extraction des motifs fréquents est une tâche essentielle et importante dans le domaine de la fouille de données. De nombreux algorithmes ont été implémentés pour trouver ces motifs dans le but de rechercher les combinaisons fréquentes d'items. Toutefois, la plupart des algorithmes d'extraction des items fréquents voient leurs performances et leurs efficacités diminuées lorsque la taille des données augmente. Pour maintenir les performances de ces algorithmes, des méthodes et outils parallèles et distribués semblent être la démarche la plus communément utilisé. Notre travail consiste d'introduire une nouvelle approche pour l'extraction des items fréquents en se basant sur une nouvelle technologie appelé Deep Learning ou apprentissage profond. Cette technique a connu un grand succès dernièrement dans plusieurs domaines. Mots clés : Extraction des Motifs Fréquents, Apprentissage Profond, Itemsets Fréquents, réseaux de neurones profonds.fr_FR
dc.language.isofrfr_FR
dc.publisherUniversité Blida 1fr_FR
dc.subjectExtraction des Motifs Fréquents.fr_FR
dc.subjectApprentissage Profond.fr_FR
dc.subjectItemsets Fréquents.fr_FR
dc.subjectréseaux de neurones profonds.fr_FR
dc.titleDeep Learning pour l'extraction des itemsets Fréquents.fr_FR
dc.typeThesisfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
bouzourine abdelhak.pdf43,84 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.