Afficher la notice abrégée
dc.contributor.author |
Benkouider, Mounir |
|
dc.contributor.author |
Brahim, Walid |
|
dc.date.accessioned |
2019-11-04T07:24:51Z |
|
dc.date.available |
2019-11-04T07:24:51Z |
|
dc.date.issued |
2015 |
|
dc.identifier.uri |
http://di.univ-blida.dz:8080/xmlui/handle/123456789/1954 |
|
dc.description |
4.621.1.289 ; 95 p
30 cm |
fr_FR |
dc.description.abstract |
Lorsque la surveillance des défauts des systèmes industriels est réalisée avec efficacité. Elle
permet de détecter de façon précoce une dégradation, qui est un moyen important pour
contribuer à un gain de productivité. Sa vocation principale est de détecter et de classer une
éventuelle défaillance du processus.
L’utilisation des techniques d’intelligence artificielle, ramène la classification, partie du
diagnostic, à un niveau d’automatisation très élevé. La combinaison entre les différentes sortes
de ces techniques offres des possibilités d’amélioration des performances de ces classificateurs
de données en général.
Mots clés :, Classification, Réseaux de neurones artificiels, Logique floue, Neuro-flou, NEFCLASS. |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
Univ Blida1 |
fr_FR |
dc.subject |
Classification, Réseaux de neurones artificiels, Logique floue, Neuro-flou, NEFCLASS. |
fr_FR |
dc.title |
Classification neuro-floue pour l’identification des défaillances |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée