Catalogue des ouvrages Université de Laghouat
A partir de cette page vous pouvez :
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Taher Bendouma
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheArtificial intelligence based fire detection system / Maroua Cheknane
Titre : Artificial intelligence based fire detection system Type de document : document multimédia Auteurs : Maroua Cheknane, Auteur ; Taher Bendouma, Directeur de thèse ; Sarah Saida Boudouh, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2023 Importance : 102 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Distributed networks, systems, and applications Langues : Anglais Mots-clés : AI ML DL TL Object detection CNN YOLO Faster Rcnn VGG19/16 Xception Inception Mobilenet UAVs Artificial intelligence Résumé : Fires cause great damage when they burst, and often have great destructive effects on environment and surroundings. The most effective way to limit the damage is the early detection of fire before it spreads. This work investigates the ability of Deep Learning to identify and distinguish fire, as well as reduce detection time, by applying object detection on a video or image stream. Over the previous years, object detection has advanced gradually in terms of speed and accuracy. In this work, we proposed a solution based on Deep Learning to deal with such phenomena from collecting various datasets to training them using the one-stage detector YOLOv8 and YOLOv5 and the two-stage detector Faster RCNN with VGG16/19, Xception, Inceptionv3, MobileNet, and our proposed hybrid model Xception-VGG19 which is a concatenation of both VGG19 and Xception as backbones. We gathered 6 different datasets of fire and smoke. The obtained results were satisfying using YOLOv8, with D4 which contains smoke-only images with 99% mAP@0.5 followed by D6 with 93%, D3 with 92%, and D5 with 70%. With YOLOv5 D2 43% and D1 34%. Moving forward to the two-stage detection the best outcomes were obtained by Xception-VGG19 with 44% followed by Inceptionv3 with 43%, VGG16 with 40%, VGG19 with 35%, MobileNet with 33%, and Xception with 23%. We also proposed a simulation scenario using UAVS to take down fire once detected by cameras as an extension of our work. note de thèses : Mémoire de master en informatique Artificial intelligence based fire detection system [document multimédia] / Maroua Cheknane, Auteur ; Taher Bendouma, Directeur de thèse ; Sarah Saida Boudouh, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2023 . - 102 p. + 1 disque optique numérique (CD-ROM).
Option : Distributed networks, systems, and applications
Langues : Anglais
Mots-clés : AI ML DL TL Object detection CNN YOLO Faster Rcnn VGG19/16 Xception Inception Mobilenet UAVs Artificial intelligence Résumé : Fires cause great damage when they burst, and often have great destructive effects on environment and surroundings. The most effective way to limit the damage is the early detection of fire before it spreads. This work investigates the ability of Deep Learning to identify and distinguish fire, as well as reduce detection time, by applying object detection on a video or image stream. Over the previous years, object detection has advanced gradually in terms of speed and accuracy. In this work, we proposed a solution based on Deep Learning to deal with such phenomena from collecting various datasets to training them using the one-stage detector YOLOv8 and YOLOv5 and the two-stage detector Faster RCNN with VGG16/19, Xception, Inceptionv3, MobileNet, and our proposed hybrid model Xception-VGG19 which is a concatenation of both VGG19 and Xception as backbones. We gathered 6 different datasets of fire and smoke. The obtained results were satisfying using YOLOv8, with D4 which contains smoke-only images with 99% mAP@0.5 followed by D6 with 93%, D3 with 92%, and D5 with 70%. With YOLOv5 D2 43% and D1 34%. Moving forward to the two-stage detection the best outcomes were obtained by Xception-VGG19 with 44% followed by Inceptionv3 with 43%, VGG16 with 40%, VGG19 with 35%, MobileNet with 33%, and Xception with 23%. We also proposed a simulation scenario using UAVS to take down fire once detected by cameras as an extension of our work. note de thèses : Mémoire de master en informatique Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MF 01-75 MF 01-75 CD BIBLIOTHEQUE DE FACULTE DES SCIENCES théses (sci) Disponible
Titre : Conception et implémentation d’un tableau de bord commercial business intelligence pour le groupe Techno Modern Stationery Type de document : document multimédia Auteurs : Mounir Abdelaziz, Auteur ; Mohamed Amine Bouras, Auteur ; Taher Bendouma, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2015 Importance : 101 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Systèmes d'information et de décision Langues : Français Mots-clés : Tableau de bord Business intelligence Data Warehouse Datamart ETL Résumé : Le groupe Techno Modern Stationery est une société Algérienne spécialisée dans la fourniture et la distribution des articles de bureaux et bureautique, des consommables informatiques, et des produits de papeterie, scolaires et de beaux-arts. En vue de faire aboutir leurs futurs objectifs et mettre en place les moyens dont en aura besoin l’entreprise pour cerner les défis du marché, les pressions de la concurrence et l’évolution des technologies, le groupe TMS envisage pour ses filiales une plateforme du business intelligence, qui doit fournir un tableau de bord, comme un support pour la prise de décision, aux dirigeants de ses filiales.
Notre travail consiste à concevoir des Data Marts dédiés aux fonctions commerciales de la filiale, qui seront alimentés à partir des bases de données. Par la suite nous allons exploiter ces Data Marts avec des outils de Reporting afin de pouvoir leur analyse, et établir un tableau de bord exploitable.note de thèses : Mémoire de master en informatique Conception et implémentation d’un tableau de bord commercial business intelligence pour le groupe Techno Modern Stationery [document multimédia] / Mounir Abdelaziz, Auteur ; Mohamed Amine Bouras, Auteur ; Taher Bendouma, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2015 . - 101 p. + 1 disque optique numérique (CD-ROM).
Option : Systèmes d'information et de décision
Langues : Français
Mots-clés : Tableau de bord Business intelligence Data Warehouse Datamart ETL Résumé : Le groupe Techno Modern Stationery est une société Algérienne spécialisée dans la fourniture et la distribution des articles de bureaux et bureautique, des consommables informatiques, et des produits de papeterie, scolaires et de beaux-arts. En vue de faire aboutir leurs futurs objectifs et mettre en place les moyens dont en aura besoin l’entreprise pour cerner les défis du marché, les pressions de la concurrence et l’évolution des technologies, le groupe TMS envisage pour ses filiales une plateforme du business intelligence, qui doit fournir un tableau de bord, comme un support pour la prise de décision, aux dirigeants de ses filiales.
Notre travail consiste à concevoir des Data Marts dédiés aux fonctions commerciales de la filiale, qui seront alimentés à partir des bases de données. Par la suite nous allons exploiter ces Data Marts avec des outils de Reporting afin de pouvoir leur analyse, et établir un tableau de bord exploitable.note de thèses : Mémoire de master en informatique Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité CD 226 CD 226 CD BIBLIOTHEQUE DE FACULTE DES SCIENCES théses (sci) Disponible
Titre : Deep learning dual-model for predicting and validating sensor Data in undn Type de document : document multimédia Auteurs : Mohamed Lazhari Krobba, Auteur ; Abdelmadjid Benarfa, Directeur de thèse ; Taher Bendouma, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2025 Autre Editeur : Laghouat : Université Amar Telidji - Département d'informatique Importance : 66 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option:Data science et artificial intelligence Langues : Anglais Mots-clés : Réseau de Données Nommées Sous-Marines (UNDN) Réseaux de Capteurs Sans Fil Sous-Marins (UWSN) Réseautage de Données Nommées (NDN) Apprentissage Profond Prévision de Séries Temporelles Validation des Capteurs Fiabilité des Données des Capteurs Résumé : Ce mémoire présente une approche à double modèle dapprentissage profond visant à améliorer la fiabilité des données capteurs dans les Réseaux de Données Nommées Sous-Marins (UNDNs). Ce paradigme novateur intègre le Réseautage de Données Nommées (NDN) aux Réseaux de Capteurs Sans Fil Sous-Marins (UWSNs). Les UWSNs jouent un rôle clé dans des domaines tels que la surveillance environnementale, la détection de lactivité sismique et lexploration sous-marine. Cependant, ils rencontrent de sérieuses limitations, notamment une latence élevée, une bande passante restreinte, une atténuation importante du signal et des défaillances fréquentes des capteurs. Le NDN améliore la communication sous-marine en permettant une récupération des données centrée sur le contenu, grâce à une mise en cache dans le réseau et à une sécurité intégrée. Toutefois, le NDN seul ne peut résoudre les problèmes de lectures manquantes, de dysfonctionnements des capteurs ou de mauvaise qualité des données. Pour remédier à cela, nous proposons une architecture à double modèle basée sur lapprentissage profond : un modèle de prédiction de séries temporelles pour estimer les valeurs futures et compléter les données manquantes, et un modèle de classification pour vérifier la validité des lectures. Plusieurs architectures ont été évaluées, telles que LSTM, GRU, CNN-1D, Transformer et TCN. Parmi elles, seul le TCN a montré une bonne capacité de généralisation sur des données inédites. Pour la classification, un Perceptron Multi-Couche (MLP) a été utilisé avec des performances solides. Tous les modèles ont été implémentés sans frameworks externes. Cette étude contribue à la conception de systèmes de surveillance sous-marins intelligents, adaptatifs et fiables. note de thèses : Mémoire de master en informatique Deep learning dual-model for predicting and validating sensor Data in undn [document multimédia] / Mohamed Lazhari Krobba, Auteur ; Abdelmadjid Benarfa, Directeur de thèse ; Taher Bendouma, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique : Laghouat : Université Amar Telidji - Département d'informatique, 2025 . - 66 p. + 1 disque optique numérique (CD-ROM).
Option:Data science et artificial intelligence
Langues : Anglais
Mots-clés : Réseau de Données Nommées Sous-Marines (UNDN) Réseaux de Capteurs Sans Fil Sous-Marins (UWSN) Réseautage de Données Nommées (NDN) Apprentissage Profond Prévision de Séries Temporelles Validation des Capteurs Fiabilité des Données des Capteurs Résumé : Ce mémoire présente une approche à double modèle dapprentissage profond visant à améliorer la fiabilité des données capteurs dans les Réseaux de Données Nommées Sous-Marins (UNDNs). Ce paradigme novateur intègre le Réseautage de Données Nommées (NDN) aux Réseaux de Capteurs Sans Fil Sous-Marins (UWSNs). Les UWSNs jouent un rôle clé dans des domaines tels que la surveillance environnementale, la détection de lactivité sismique et lexploration sous-marine. Cependant, ils rencontrent de sérieuses limitations, notamment une latence élevée, une bande passante restreinte, une atténuation importante du signal et des défaillances fréquentes des capteurs. Le NDN améliore la communication sous-marine en permettant une récupération des données centrée sur le contenu, grâce à une mise en cache dans le réseau et à une sécurité intégrée. Toutefois, le NDN seul ne peut résoudre les problèmes de lectures manquantes, de dysfonctionnements des capteurs ou de mauvaise qualité des données. Pour remédier à cela, nous proposons une architecture à double modèle basée sur lapprentissage profond : un modèle de prédiction de séries temporelles pour estimer les valeurs futures et compléter les données manquantes, et un modèle de classification pour vérifier la validité des lectures. Plusieurs architectures ont été évaluées, telles que LSTM, GRU, CNN-1D, Transformer et TCN. Parmi elles, seul le TCN a montré une bonne capacité de généralisation sur des données inédites. Pour la classification, un Perceptron Multi-Couche (MLP) a été utilisé avec des performances solides. Tous les modèles ont été implémentés sans frameworks externes. Cette étude contribue à la conception de systèmes de surveillance sous-marins intelligents, adaptatifs et fiables. note de thèses : Mémoire de master en informatique
Titre : Deployment and optimization of electric taxi vehicles in urban areas Titre original : Déploiement et optimisation des taxis électriques dans les zones urbaines Type de document : document multimédia Auteurs : Imane Kouidri, Auteur ; Taher Bendouma, Directeur de thèse ; Omar Sami Oubbati, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2025 Importance : 76 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Networks, distributed systems and applications Langues : Anglais Mots-clés : Electric vehicles (EVs) Electric taxis Reinforcement learning Deep Q-Networks (DQN) Charging optimization Urban mobility Résumé : Electric vehicles (EVs) are at the forefront of the transition toward sustainable urban transportation. Among them, electric taxis have emerged as an eco-friendly al- ternative to traditional internal combustion engine vehicles, offering reduced emissions and operational noise. However, integrating electric taxis into urban mobility systems introduces new challenges—ranging from limited battery capacities to inadequate char- ging infrastructure and complex service optimization needs. This thesis addresses these challenges through the development of an intelligent decision-making framework based on Deep Q-Network (DQN) reinforcement learning. We investigate methods to optimize taxi dispatching, customer service, and charging behavior while minimizing downtime and maximizing system efficiency. The proposed system architecture integrates a realistic sim- ulation environment with performance evaluation metrics tailored to electric taxi services. A comparative analysis with existing optimization methods highlights the strengths and limitations of various approaches. Experimental results demonstrate the efficacy of our proposed solution in improving energy efficiency, customer service rate, and operational sustainability. This work offers practical insights for deploying intelligent EV taxi systems and contributes to the broader goal of sustainable smart city development. note de thèses : Mémoire de master en informatique Deployment and optimization of electric taxi vehicles in urban areas = Déploiement et optimisation des taxis électriques dans les zones urbaines [document multimédia] / Imane Kouidri, Auteur ; Taher Bendouma, Directeur de thèse ; Omar Sami Oubbati, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2025 . - 76 p. + 1 disque optique numérique (CD-ROM).
Option : Networks, distributed systems and applications
Langues : Anglais
Mots-clés : Electric vehicles (EVs) Electric taxis Reinforcement learning Deep Q-Networks (DQN) Charging optimization Urban mobility Résumé : Electric vehicles (EVs) are at the forefront of the transition toward sustainable urban transportation. Among them, electric taxis have emerged as an eco-friendly al- ternative to traditional internal combustion engine vehicles, offering reduced emissions and operational noise. However, integrating electric taxis into urban mobility systems introduces new challenges—ranging from limited battery capacities to inadequate char- ging infrastructure and complex service optimization needs. This thesis addresses these challenges through the development of an intelligent decision-making framework based on Deep Q-Network (DQN) reinforcement learning. We investigate methods to optimize taxi dispatching, customer service, and charging behavior while minimizing downtime and maximizing system efficiency. The proposed system architecture integrates a realistic sim- ulation environment with performance evaluation metrics tailored to electric taxi services. A comparative analysis with existing optimization methods highlights the strengths and limitations of various approaches. Experimental results demonstrate the efficacy of our proposed solution in improving energy efficiency, customer service rate, and operational sustainability. This work offers practical insights for deploying intelligent EV taxi systems and contributes to the broader goal of sustainable smart city development. note de thèses : Mémoire de master en informatique Integration des UAVs dans le Cloud / Sarah Djeradi
Titre : Integration des UAVs dans le Cloud Type de document : texte manuscrit Auteurs : Sarah Djeradi, Auteur ; Nasreddine Lagraa, Directeur de thèse ; Taher Bendouma, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2023 Importance : 99 p. Format : 27 cm Accompagnement : 1 disque optique numérique (CD-ROM) Langues : Anglais Catégories : THESES :10 informatique Mots-clés : Unmanned Aerial Vehicles (UAVs) Cloud Computing Edge Computing IoT IoV UUCA PAV-MACRIS CROVER-EC Résumé : Unmanned technology is a revolutionary technology that has applications in nearly all sectors. UAVs and other robotic systems have demonstrated considerable promise in a range of applications over the last decade. Moreover, UAVs are considered as Flying Things (FT) and can be exploited as an emerging concept based on the integration of IoT objects into UAVs and using their services directly without UAV- relay. Hence, UAV with their capabilities and embedded sensors and devices, may be accessed as cloud resources and considered as providers or consumers of services via LTE, 5G, VANETs and Mesh communications. Besides, due to the high mobility of UAVs, consumers need first to discover the UAVs providers and their services before being able to consume required services.
In this thesis, we targeted both UAV-Cloud integration and UAV service offering and consumption process. First, we proposed a novel UAV Cloud Platform that covers a Universal UAV Cloud Architecture (UUCA). It comprises three layers. The middleware layer receives and processes requests from the end-user layer, then orchestrates activities where it plans missions and choose from the infrastructure layer and the edge the appropriate UAV to satisfy consumer requests. The interaction between the different layers was made possible using two new protocols proposed to deal with the service request and the consumption scenarios. Moreover, UAVs is highly extensible and can advertise offers and receive requests in a centralized or a distributed way by integrating a new module to its system.
Second, we have addressed the challenge of how to discover and consume real-time as well as delay tolerant UAVs’ services, offered through the Cloud infrastructure. We have focused on a scenario in which ground vehicles are asking for such UAVs’ services through different wireless communication technologies. We have developed a new protocol, called PAV-MACRIS, enabling user vehicles first to discover offered services, then to select and consume the required services. We have validated the performance of our protocol throughout simulation experiments.
Finally, we have investigated the suitability of edge computing for emerging UAVs services over Internet of Vehicles networks. To do so, we proposed a novel protocol that moves UAVs services at the edge networks and deals with the offer, discover and consumption scenarios enabling vehicle drivers benefiting of these services. We described how the protocol is based on UAVs and Taxies vehicles as a part of the Edge and Fog environment, respectively. The taxi vehicles act as Micro-Directories to store the published UAVs services, and from which drivers discover these offers and request them from UAVs services providers. Theviii simulation results show the efficiency of our protocol in clearly optimizing the discovering, offering, and consuming delays when leveraging taxi vehicles as fog computing nodes.note de thèses : Thèse de doctorat en informatique Integration des UAVs dans le Cloud [texte manuscrit] / Sarah Djeradi, Auteur ; Nasreddine Lagraa, Directeur de thèse ; Taher Bendouma, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2023 . - 99 p. ; 27 cm + 1 disque optique numérique (CD-ROM).
Langues : Anglais
Catégories : THESES :10 informatique Mots-clés : Unmanned Aerial Vehicles (UAVs) Cloud Computing Edge Computing IoT IoV UUCA PAV-MACRIS CROVER-EC Résumé : Unmanned technology is a revolutionary technology that has applications in nearly all sectors. UAVs and other robotic systems have demonstrated considerable promise in a range of applications over the last decade. Moreover, UAVs are considered as Flying Things (FT) and can be exploited as an emerging concept based on the integration of IoT objects into UAVs and using their services directly without UAV- relay. Hence, UAV with their capabilities and embedded sensors and devices, may be accessed as cloud resources and considered as providers or consumers of services via LTE, 5G, VANETs and Mesh communications. Besides, due to the high mobility of UAVs, consumers need first to discover the UAVs providers and their services before being able to consume required services.
In this thesis, we targeted both UAV-Cloud integration and UAV service offering and consumption process. First, we proposed a novel UAV Cloud Platform that covers a Universal UAV Cloud Architecture (UUCA). It comprises three layers. The middleware layer receives and processes requests from the end-user layer, then orchestrates activities where it plans missions and choose from the infrastructure layer and the edge the appropriate UAV to satisfy consumer requests. The interaction between the different layers was made possible using two new protocols proposed to deal with the service request and the consumption scenarios. Moreover, UAVs is highly extensible and can advertise offers and receive requests in a centralized or a distributed way by integrating a new module to its system.
Second, we have addressed the challenge of how to discover and consume real-time as well as delay tolerant UAVs’ services, offered through the Cloud infrastructure. We have focused on a scenario in which ground vehicles are asking for such UAVs’ services through different wireless communication technologies. We have developed a new protocol, called PAV-MACRIS, enabling user vehicles first to discover offered services, then to select and consume the required services. We have validated the performance of our protocol throughout simulation experiments.
Finally, we have investigated the suitability of edge computing for emerging UAVs services over Internet of Vehicles networks. To do so, we proposed a novel protocol that moves UAVs services at the edge networks and deals with the offer, discover and consumption scenarios enabling vehicle drivers benefiting of these services. We described how the protocol is based on UAVs and Taxies vehicles as a part of the Edge and Fog environment, respectively. The taxi vehicles act as Micro-Directories to store the published UAVs services, and from which drivers discover these offers and request them from UAVs services providers. Theviii simulation results show the efficiency of our protocol in clearly optimizing the discovering, offering, and consuming delays when leveraging taxi vehicles as fog computing nodes.note de thèses : Thèse de doctorat en informatique Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité thed 10-26 thed 10-26 Thése SALLE DES THESES bibliothèque centrale théses en informatique Disponible
Permalink
Permalink
Permalink
Permalink
Permalink
