University of Bordj Bou Arreridj
Welcome to the Digital Repository of University Mohamed El Bachir El Ibrahimi - Bordj Bou Arreridj
Communities in University of Bordj Bou Arreridj Repository
Select a community to browse its collections.
- المكتبة المركزية
- كلية الحقوق والعلوم السياسية
- كلية الآداب واللغات
- كلية الرياضيات و الأعلام الآلي
- كلية علوم الطبيعة و الحياة و علوم الأرض و الكون
- كلية العلوم الاقتصادية والتجارية وعلوم التسيير
- Faculté des sciences et de la technologie
- كلية العلوم الاجتماعية والإنسانية
Recent Submissions
Modeling of a Nonlinear System Using Fuzzy Neural Networks, Application to Concentration Identification in a Chemical Reactor
(Faculté des sciences et de la technologie université de Bordj Bou Arreridj, 2026-06) Mokris Ichrak; Frik Meriem
In this work, we study the application of fuzzy neural networks to the identification of uncertain, nonlinear systems. This approach was investigated using two different architectures:
ANFIS (Adaptive Network Fuzzy Inference System), based on the Takagi-Sugeno model.
FLP (Fuzzy Logic Processor), based on the Mamdani model.
Each architecture is implemented through two methods: a series-parallel (one step ehead) model and a parallel (long range) model.
An example of simulation is used, identification of concentration in a chemical reactor to demonstrate the effectiveness of these new approaches and to validate the results obtained
Object Detection Using YOLO: Applications to Medical Images
(Faculté des sciences et de la technologie université de Bordj Bou Arreridj, 2026-09-26) SOUIHER Mohammed EL Amine; NOUFEL Zakaria
Ce mémoire porte sur la mise en oeuvre et l’évaluation de modèles légers de détection d’objets
pour l’analyse d’images médicales. Deux jeux de données, BUSI et Figshare, ont été préparés
pour évaluer trois modèles YOLO : YOLOv8n, YOLO11n et YOLO26n. Les modèles CNN
et VGG16 ont également été utilisés pour la localisation des lésions sur BUSI et comparés
aux modèles YOLO. Les résultats montrent que les modèles étudiés peuvent détecter et localiser
les lésions et les tumeurs dans les deux jeux de données. Parmi les modèles YOLO, YOLO26n
a obtenu les meilleurs résultats globaux. Les modèles légers sont également adaptés
aux applications liées aux systèmes embarqués.
Analyse d'un algorithme de synchronisation appliqué au signal MBOC, fondée sur la reconstruction de sa fonction de corrélation
(Faculté des sciences et de la technologie université de Bordj Bou Arreridj, 2026-06-24) Boukaroui Aya; Boughazi Cheyma
Cette mémoire vise à traiter le problème d’ambiguïté de synchronisation résultant de la nature
multi-pics de la fonction d’autocorrélation des signaux MBOC dans les systèmes mondiaux
de navigation par satellite (GNSS). Dans ce travail, l’accent a été mis sur l’étude et
l’évaluation d’un algorithme récent de reconstruction de la fonction de corrélation, basé sur la
génération de trois signaux auxiliaires locaux (les codes pseudo-aléatoires PRN, les signaux
BOC(1,1) et les signaux MBOC) et leur combinaison avec le signal reçu selon des règles de
composition mathématiques spécifiques afin d’éliminer les pics secondaires et de réaliser une
synchronisation non ambiguë.
La partie simulation et analyse numérique a été consacrée à l’évaluation des performances de
cet algorithme en comparaison avec les techniques traditionnelles telles que la technique
ASPeCT. Les résultats ont montré la capacité théorique de l’algorithme à supprimer les pics
secondaires et à améliorer la courbe discriminante de phase. Cependant, l’étude critique a
révélé les limites de l’algorithme ainsi que certains défauts (caractérisés par l’absence totale
de bruit et du phénomène de multi-trajets), ce qui ouvre de nouvelles perspectives de
recherche pour son développement et son adaptation afin de le rendre applicable dans des
conditions réelles.
Détection de la fraude dans les transactions bancaires par l'intelligence artificielle
(Faculté des sciences et de la technologie université de Bordj Bou Arreridj, 2025-06-23) AREZKI CHIRAZ; BENGUEDDOUDJ MERWA
Le secteur bancaire connaît ces dernières années une augmentation importante des risques de fraude en raison du développement continu des services bancaires numériques et de la hausse du volume des transactions électroniques. Dans ce contexte, ce mémoire vise à étudier et à développer un système intelligent de détection de fraude dans les transactions bancaires en utilisant les techniques de l’intelligence artificielle et de l’apprentissage automatique, avec un intérêt particulier pour l’algorithme AdaBoost. La partie théorique présente le concept de la fraude bancaire, ses principaux types et les méthodes de lutte contre ce phénomène, tout en mettant en évidence le rôle des techniques d’apprentissage automatique dans l’amélioration des systèmes de détection des opérations suspectes. Dans la partie pratique, le jeu de données Credit Card Fraud Detection a été utilisé. Les données ont subi plusieurs étapes de prétraitement, notamment le nettoyage, la normalisation et le rééquilibrage des classes à l’aide des techniques SMOTE et Random Under Sampling afin de résoudre le problème du déséquilibre des données. Ensuite, le modèle AdaBoost a été entraîné, ses paramètres ont été optimisés et ses performances ont été évaluées à l’aide de plusieurs mesures statistiques, notamment Accuracy, Precision , Recall , F1-Score et ROC-AUC. Les résultats obtenus ont montré de très bonnes performances et une capacité efficace à distinguer les transactions légitimes des transactions frauduleuses, ce qui confirme l’importance des techniques d’intelligence artificielle dans le renforcement de la sécurité des transactions bancaires et dans le développement de systèmes de détection de fraude plus efficaces et plus fiables.
Sprotection: Design and development of a Distributed Intelligent Electrical protection System
(Faculté des sciences et de la technologie université de Bordj Bou Arreridj, 2025-06-29) Sissaoui Djaber
This project develops an intelligent electrical protection system designed to improve the safety of residential electrical installations. It provides real-time monitoring and rapid detection of electrical faults in order to reduce risks and damage. The system combines control, monitoring, and intelligent protection functions through a distributed architecture. This solution ensures reliable, efficient, and modern electrical protection.