http://univ-bejaia.dz/dspace/123456789/263 2026-05-25T23:09:22Z http://univ-bejaia.dz/dspace/123456789/27283 Détection de fraude dans la consommation d'électricité en combinant l'IA et les méthodes. Salhi, Malek; Sebaa ; promoteur Ce projet s'intéresse à la détection d'anomalies dans les séries temporelles, un enjeu majeur dans les secteurs sensibles comme l'énergie, la finance ou la cyber sécurité. Plusieurs méthodes ont été étudiées, allant des approches statistiques (Z-Score, IQR) aux techniques de prévision (ARIMA, lissage exponentiel) et demachine learning (Isolation Forest, One-Class SVM). Les expérimentations, menées sur le jeu de données A1Benchmark, ont révélé qu'aucune méthode seule n'était capable d'allier haute précision et bon rappel. Pour pallier cette limite, une stratégie hybride combinant le One-Class SVM et la Régression Linéaire a été proposée, permettant une amélioration notable du F1-score. Ce travail a été finalisé par le développement d'un logiciel d'analyse et de détection d'anomalies, traduisant les résultats obtenus en un outil pratique et réutilisable. Cette contribution ouvre la voie à des solutions plus performantes et applicables en entreprise. Option : Mathématiques de l’intelligence artificielle 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27282 Tests et analyse de quelques modèles de réseaux de neurones sur graphes. Touati, Nawel; Bouzidi, Lhadi ; promoteur Les réseaux de neurones sur graphes (GNN) sont des modèles puissants issus de l'apprentissage profond, conçus pour traiter des données structurées sous forme de graphes. Dans ce contexte, l'objectif de ce travail est à la fois théorique et pratique. Il s'agit, d'une part, de comprendre les fondements des réseaux de neurones classiques ainsi que ceux des GNN, et d'autre part, de mettre en œuvre, tester et analyser plusieurs architectures de GNN (GCN, GAT, GraphSAGE, GIN) sur des jeux de données de référence, afin d'évaluer leurs performances sur des tâches variées de prédiction d'attributs de nœuds et de graphes entiers. Option : Mathématiques de l’intelligence artificielle 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27281 Introduction aux quaternions et applications. Larbi, Thiziri; Kheloufi, Arezki ; promoteur Dans ce mémoire nous nous intéressons à l'étude des quaternions et leur utilisation dans la représentation des rotations en 3D. Notre objectif principal est de montrer comment les quaternions permettent d'éviter des problèmes liés aux angles d'Euler, notamment le phénomène de blocage de cardan En premier lieu, nous avons présenté les notations de base sur les quaternions ainsi que leurs propriétés les plus importantes. Ensuite nous avons introduit leur application dans les rotations tridimensionnelles et comparé leur efficacité avec d'autres méthodes classiques. Option : Mathématiques de l’intelligence artificielle 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27280 Estimation non paramétrique de la fonction densité par la méthode des k plus proches voisins. Feddal, Ihssane; Timeridjine, Karima ; promotrice L'estimation non paramétrique constitue une approche flexible permettant d'estimer une fonction de densité de probabilité sans supposer de forme paramétrique préalable. Deux méthodes majeures sont étudiées : la méthode des k-plus proches voisins et la méthode à noyau. Après une présentation des fondements théoriques de ces techniques, l'accent est mis sur leur application dans le cadre de l'estimation de densité. Une analyse comparative est ensuite menée afin d'examiner leurs caractéristiques, leurs conditions d'utilisation, ainsi que leurs limites. L'étude repose sur un cadre méthodologique rigoureux et une exploration progressive des concepts, dans le but de mieux comprendre les apports et spécificités de chaque méthode dans le contexte de l'estimation non paramé- trique. Option : Probabilités Statistique et Applications 2025-01-01T00:00:00Z