Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/25078
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMerzouk, Lyza-
dc.contributor.authorKasdi, Nesrine-
dc.contributor.authorAchroufene, Achour ; promoteur-
dc.date.accessioned2024-12-16T09:55:02Z-
dc.date.available2024-12-16T09:55:02Z-
dc.date.issued2024-
dc.identifier.other004MAS/1329-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/25078-
dc.descriptionOption : Système d’information avancéeen_US
dc.description.abstractLa reconnaissance des activités humaines (HAR) est essentielle dans divers domaines tels que la santé, le sport, la surveillance et les interactions homme-machine, et elle contribue significativement à l'amélioration de la qualité de vie et de la sécurité. Ce travail se concentre sur le développement d'un système HAR basé sur des capteurs, utilisant un modèle hybride combinant les réseaux de neurones convolutifs (CNN) et les Gated Recurrent Units (GRU). Cette combinaison permet de bénéficier de l'efficacité des CNN pour extraire des caractéristiques spatiales et des GRU pour capturer les dépendances temporelles, améliorant ainsi la précision et la robustesse du système. Les résultats des tests expérimentaux, réalisés sur les bases de données WISDM et PAMAP2, démontrent une performance accrue grâce à l'utilisation de techniques de magnitude et d'augmentation des données. En conclusion, cette étude propose une approche avancée pour la reconnaissance des activités humaines, avec des perspectives d'amélioration continue et d'élargissement à des activités plus complexes impliquant des interactions précises avec des objets.en_US
dc.language.isofren_US
dc.publisherUniversité Abderramane Mira-Bejaiaen_US
dc.subjectReconnaissance des activités humaines : Apprentissage profond : Réseaux de neurones convolutifs (CNN) : GRU :Modèle hybride : Données de capteursen_US
dc.titleReconnaissance des activités humaines à base de réseaux de neurones profonds.en_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
MEMOIRE (4).pdf4.73 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.