http://univ-bejaia.dz/dspace/123456789/207 Tue, 28 Apr 2026 12:22:33 GMT 2026-04-28T12:22:33Z http://univ-bejaia.dz/dspace/123456789/27140 Title: Résolution d'un Problème Stochastique Fractionnaire Authors: Felfoul, Kamilia; Haddad, Dyhia; Takhedmit, Baya;promotrice; Abbaci, Liela;promotrice Abstract: Ce mémoire traite de dans un contexte d'incertitude à travers un problème d'allocation de capital entre deux actions cotées à la Bourse d'Alger : Biopharm et Alliances Assurances. Pour modéliser le rendement aléatoire de ces titres, nous avons appliqué la programmation linéaire fractionnaire stochastique. Le modèle est étudié sous trois approches complémentaires : déterministe classique (en utilisant la moyenne arithmé- tique et l'estimation par noyau), transformation de Charnes-Cooper, et simulation de Monte Carlo. ? partir des données historiques, nous avons estimé les densités des rendements par la méthode du noyau. Plusieurs méthodes numériques ont été mobilisées pour résoudre le modèle. Les résultats obtenus sont comparés afin d'évaluer la pertinence de chaque méthode de résolution dans un contexte réel. Ce travail met en évidence l'apport des techniques d'optimisation stochastique en finance appliquée. Description: Option : Mathématiques financières Sun, 29 Jun 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27140 2025-06-29T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27139 Title: File d'Attente avec Serveurs Hétérogènes, Dérobade et Abandon de Clients avec Authors: Mohamedi, Drifa; Adel, K.;promoteur Abstract: Ce mémoire porte sur l'étude d'un système de files d'attente du type M/M/2/N intégrant des serveurs hétérogènes, des comportements impatients des clients dé- robade (refus d'entrée) ou d'abandon (quitter la file), ainsi qu'un seuil de tolérance. L'objectif est de modéliser et analyser ce système afin d'en extraire les performances et d'en déduire des stratégies optimales du point de vue individuel et collectif. Une approche mathématique est développée à partir des chaînes de Markov pour établir les équations d'équilibre, ensuite résolues numériquement. Afin de mieux comprendre les comportements stratégiques des clients, la théorie des jeux est introduite. Le modèle permet de déterminer les équilibres de Nash entre les clients et d'évaluer les effets des seuils de dérobade et d'abandon sur les indicateurs de performance du système. Ce travail offre un cadre analytique pertinent pour la conception et l'optimisation des systèmes de service à capacité limitée, principalement dans les domaines des télécommunications, des services hospitaliers ou des centres d'appels. Description: Option: sciences de données et aide à la décision Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27139 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27138 Title: Multi-Objective Optimization of Random Forest for Credit Card Fraud Detection Authors: Lalam, Mouloud; Barache, Bahia;promotrice; Abbaci, Leila;promotrice Abstract: This thesis focuses on financial fraud detection, a major challenge for modern banking systems. The goal is to build an efficient machine learning model that can identify fraudulent transactions in imbalanced datasets. Real-world payment data was preprocessed and analyzed using supervised models such as Decision Trees and Random Forests. Multi-objective optimization with the NSGA-II algorithm was applied to enhance the balance between precision and recall. Results show that the optimized Random Forest model achieves 78% recall on the validation set while keeping false positives low. This work contributes to improving automated fraud detection systems and lays the groundwork for future hybrid or real-time approaches. Description: Option : Mathématiques financières Sun, 29 Jun 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27138 2025-06-29T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27137 Title: L'explicabilité des réseaux de neurones Authors: Maroua, Hadjerioua; Lhadi, Bouzidi;promoteur Abstract: Ce mémoire traite de l'explicabilité des réseaux de neurones appliqués à l'imagerie médicale. Face à la complexité croissante des modèles dits "boîtes noires", l'interprétation de leurs décisions devient un enjeu crucial, notamment dans les domaines sensibles comme la santé. Dans une première partie, nous introduisons les fondements des réseaux de neurones profonds, en insistant sur leur architecture, leurs performances, mais aussi leurs limites. Une attention particulière est portée sur les risques d'overfitting, les stratégies de régularisation, et l'importance des métriques d'évaluation dans un contexte médical. La deuxième partie est consacrée aux méthodes d'explicabilité. Nous distinguons les approches locales et globales, visuelles et non visuelles, en détaillant des techniques telles que Saliency Maps, Integrated Gradients, Grad-CAM, SHAP, LIME, ou encore les modèles substituts. Chaque méthode est replacée dans un cadre théorique rigoureux et illustrée à travers des cas concrets. Enfin, une troisième partie propose une application pratique sur plusieurs jeux de données médicaux, notamment DermaMNIST, BreastMNIST, Breast Cancer Wisconsin, Pima Indians Diabetes et Cleveland Heart Disease. Nous y analysons l'apport réel des méthodes explicatives pour le praticien, en comparant les visualisations générées, leur lisibilité, et leur pertinence clinique. Ce travail vise ainsi à concilier la performance des modèles de deep learning avec une exigence de transparence, essentielle dans le domaine médical. Description: Option: sciences de données et aide à la décision Sun, 29 Jun 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27137 2025-06-29T00:00:00Z