Catalogue des ouvrages Université de Laghouat
A partir de cette page vous pouvez :
Détail de l'auteur
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche
| Titre : | Gestion intelligente du trafic de données agricoles par UAV via l’apprentissage par renforcement | | Type de document : | document multimédia | | Auteurs : | Soundous Kouidri, Auteur ; Amina Zoubir, Auteur ; Mohamed El Amine Ameur, Directeur de thèse | | Editeur : | Laghouat : Université Amar Telidji - Département d'informatique | | Année de publication : | 2025 | | Importance : | 68 p. | | Accompagnement : | 1 disque optique numérique (CD-ROM) | | Langues : | Français | | Mots-clés : | Apprentissage par renforcement (RL) UAV IoT Agriculture intelligente Optimisation énergétique Offloading | | Résumé : | Ce mémoire traite de l’utilisation des techniques d’apprentissage par renforcement (Rein- forcement Learning) pour la collecte efficace de données dans un environnement agricole a` l’aide de drones (UAVs). L’étude s’intéresse particulièrement a` l’optimisation de deux aspects critiques : la consommation énergétique des UAVs et la minimisation du délai de collecte , tout en assurant une couverture maximale des capteurs IoT déployés dans les champs. Le document présente une simulation compléte mettant en œuvre différents algorithmes tels que PPO (Proximal Policy Optimization) et DDPG (Deep Deterministic Policy Gradient) . Ces méthodes permettent aux UAVs d’apprendre des politiques opti- males pour visiter les capteurs, en fonction de leur état énergétique, de leur localisation et de la priorité des données. Les résultats montrent que l’utilisation de l’apprentissage par renforcement améliore significativement l’efficacité énergétique et r´eduit les délais de traitement, comparé aux approches classiques comme les stratéegies aléatoires ou gloutonnes. | | note de thèses : | Mémoire de master en informatique |
Gestion intelligente du trafic de données agricoles par UAV via l’apprentissage par renforcement [document multimédia] / Soundous Kouidri, Auteur ; Amina Zoubir, Auteur ; Mohamed El Amine Ameur, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2025 . - 68 p. + 1 disque optique numérique (CD-ROM). Langues : Français | Mots-clés : | Apprentissage par renforcement (RL) UAV IoT Agriculture intelligente Optimisation énergétique Offloading | | Résumé : | Ce mémoire traite de l’utilisation des techniques d’apprentissage par renforcement (Rein- forcement Learning) pour la collecte efficace de données dans un environnement agricole a` l’aide de drones (UAVs). L’étude s’intéresse particulièrement a` l’optimisation de deux aspects critiques : la consommation énergétique des UAVs et la minimisation du délai de collecte , tout en assurant une couverture maximale des capteurs IoT déployés dans les champs. Le document présente une simulation compléte mettant en œuvre différents algorithmes tels que PPO (Proximal Policy Optimization) et DDPG (Deep Deterministic Policy Gradient) . Ces méthodes permettent aux UAVs d’apprendre des politiques opti- males pour visiter les capteurs, en fonction de leur état énergétique, de leur localisation et de la priorité des données. Les résultats montrent que l’utilisation de l’apprentissage par renforcement améliore significativement l’efficacité énergétique et r´eduit les délais de traitement, comparé aux approches classiques comme les stratéegies aléatoires ou gloutonnes. | | note de thèses : | Mémoire de master en informatique |
|
