DSpace Community:http://univ-bejaia.dz/dspace/123456789/2222026-04-23T11:15:51Z2026-04-23T11:15:51ZSystème d'aide à la surveillance sismique.Ait Hammouda, WissamYaici, Malika ; promotricehttp://univ-bejaia.dz/dspace/123456789/271772026-04-23T10:49:29Z2025-01-01T00:00:00ZTitle: Système d'aide à la surveillance sismique.
Authors: Ait Hammouda, Wissam; Yaici, Malika ; promotrice
Abstract: Ce mémoire s'intéresse à l'application de l'intelligence artificielle pour la prédiction et la
surveillance des tremblements de terre. Face aux limites des méthodes traditionnelles et à
la difficulté de prévoir précisément ces phénomènes naturels, les techniques d'apprentissage
automatique offrent des possibilités nouvelles grâce à leur capacité à analyser de grands
volumes de données et à détecter des relations complexes. Dans ce travail, nous avons
étudié plusieurs approches proposées dans la littérature, à travers l'analyse de six articles
scientifiques spécialisés dans la prévision sismique par intelligence artificielle. Ensuite, une
solution a été proposée en utilisant le modèle LightGBM, reconnu pour ses performances
en classification. Les données sismiques historiques ont été prétraitées, normalisées et
équilibrées à l'aide de la méthode SMOTE afin de corriger le déséquilibre des classes. Le
modèle a ensuite été entraîné et évalué à l'aide d'indicateurs de performance tels que la
précision et l'aire sous la courbe ROC. Les résultats obtenus ont montré que LightGBM est
capable de capturer des relations complexes entre les variables et la survenue des séismes,
avec des performances satisfaisantes. Ce travail confirme ainsi l'intérêt des techniques
d'intelligence artificielle pour améliorer les systèmes de détection et d'alerte précoce, tout
en ouvrant des perspectives pour l'intégration de nouvelles données et de modèles plus
avancés dans les recherches futures.
Description: Option : Système d'information avancés2025-01-01T00:00:00ZFramework théorique pour l'analyse des systèmes cyber-physiquesAmzal, KamalAmrane, M'handChabane, Sarah ; promotricehttp://univ-bejaia.dz/dspace/123456789/271762026-04-23T10:16:06Z2025-01-01T00:00:00ZTitle: Framework théorique pour l'analyse des systèmes cyber-physiques
Authors: Amzal, Kamal; Amrane, M'hand; Chabane, Sarah ; promotrice
Abstract: Les systèmes cyber-physiques (CPS) constituent une évolution majeure des infrastructures modernes, combinant des composants numériques et physiques pour interagir en
temps réel. Ces systèmes sont omniprésents dans des domaines critiques tels que l'industrie, la santé et les transports, où la fiabilité et les performances sont essentielles.
Cependant, leur complexité croissante soulève des défis importants, notamment la gestion de la modularité, la sécurité, la synchronisation et la correction par construction.
Ce mémoire propose un cadre théorique pour l'analyse et la conception des systèmes
réactifs dans les CPS, basé sur les modèles synchrones tels que les I/O Automata . Nous
étudions leurs avantages, leurs limites et leurs applications dans des environnements
complexes. Notre objectif principal est de présenter un modèle réactif et d'évaluer ses
performances à travers des tests et des simulations rigoureuses.
Notre contribution repose sur la proposition d'un nouvel opérateur de composition
parallèle dédié aux systèmes réactifs synchrones présents dans les CPS. Cet opérateur
enrichit la sémantique d'un modèle existant et garantit la construction correcte de
systèmes complexes, et fournit un cadre théorique pour la vérification et la validation
formelle.
Description: Option : Systèmes d’information avancés2025-01-01T00:00:00ZExplicabilité des décisions de l'IA appliquée à la rétinopathie diabétique.Atmani, YacineMehenni, KussilaAit Kaci Azzou, S.;promoteurhttp://univ-bejaia.dz/dspace/123456789/271752026-04-23T09:36:24Z2025-01-01T00:00:00ZTitle: Explicabilité des décisions de l'IA appliquée à la rétinopathie diabétique.
Authors: Atmani, Yacine; Mehenni, Kussila; Ait Kaci Azzou, S.;promoteur
Abstract: Ce mémoire montre comment l'explicabilité (XAI) peut rendre les réseaux profonds
utilisés pour le dépistage de la rétinopathie diabétique plus transparents. Trois modèles
fine-tunés AtR5C (CNN), ViR-5C (Vision Transformer) et ReVi-5C (hybride) sont testés sur
la base APTOS. Un ensemble de méthodes XAI répandues (Grad-CAM, Score-CAM, LIME,
SHAP et Attention Rollout) sont comparées à l'aide de quatre métriques reconnues : insertion,
deletion, faithfulness et robustness. Les résultats montrent qu'aucune méthode n'est parfaite
; elles se complètent. Des recommandations simples aident les cliniciens à choisir la bonne
explication et à juger sa fiabilité, condition essentielle pour un usage responsable de l'IA en
ophtalmologie.
Description: Option : Systèmes d’information avancés2025-01-01T00:00:00ZAmélioration du système de vidéosurveillance par l'intégration du deep Learning au sein de BMT.Ouchaoua, NihalOudai, MelissaBattat, Nadia ; promotriceMadaoui, Madjid ; promoteurhttp://univ-bejaia.dz/dspace/123456789/271742026-04-23T09:09:58Z2025-01-01T00:00:00ZTitle: Amélioration du système de vidéosurveillance par l'intégration du deep Learning au sein de BMT.
Authors: Ouchaoua, Nihal; Oudai, Melissa; Battat, Nadia ; promotrice; Madaoui, Madjid ; promoteur
Abstract: La vidéosurveillance joue aujourd'hui un rôle essentiel dans la protection des personnes et
des biens, que ce soit dans les espaces publics ou privés. Toutefois, les systèmes traditionnels
de vidéosurveillance présentent des limites importantes, notamment la nécessité d'une
surveillance humaine continue et leur exposition croissante aux cybermenaces. Dans ce
contexte, ce mémoire s'inscrit dans une démarche d'amélioration du système de
vidéosurveillance de l'entreprise Béjaïa Méditerranéen Terminal (BMT), en proposant une
solution basée sur l'utilisation des techniques d'apprentissage profond (deep learning).
L'objectif de ce travail est : d'une part, automatiser la détection des comportements anormaux
dans les flux vidéo afin de réduire la dépendance à l'intervention humaine et d'améliorer la
réactivité face aux événements critiques ; d'autre part, renforcer la détection des logiciels
malveillants (malwares) susceptibles d'échapper aux outils de sécurité traditionnels,
contribuant ainsi à une meilleure protection du système d'information de l'entreprise.
Les résultats obtenus ont permis de démontrer l'efficacité de la solution proposée. Grâce à
l'intelligence artificielle, le système peut détecter automatiquement des comportements
suspects et des malwares, ce qui améliore la sécurité globale de l'entreprise tout en réduisant
la charge humaine.
Description: Option : Administration et sécurité des réseaux2025-01-01T00:00:00Z