Département Electronique

Permanent URI for this communityhdl:123456789/449

Browse

Search Results

Now showing 1 - 10 of 396
  • Thumbnail Image
    Item
    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
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    Object Detection Using YOLO: Applications to Medical Images
    (Université Mohamed El Bachir El Ibrahimi bordj bou arreridj, 2026-09-26) SOUIHER Mohammed EL Amine; NOUFEL Zakaria
    Ce mémoire porte sur la mise en œuvre 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 loca- liser les lésions et les tumeurs dans les deux jeux de données. Parmi les modèles YOLO, YO- LO26n a obtenu les meilleurs résultats globaux. Les modèles légers sont également adaptés aux applications liées aux systèmes embarqués.
  • Thumbnail Image
    Item
    Selfpay market
    (université de bordj bou arreridj, 2026-06-30) Belattar Meriem; Bentoumi Imene; Tourba Karime
    This thesis presents the design, development, and implementation of Self-Pay Market, a low-cost, autonomous self-checkout system designed for medium and big-sized retail stores. The proposed system aims to reduce waiting times, improve the customer shopping experience, and provide an affordable alternative to commercial self-checkout solutions. It integrates three main hardware components: a weight verification system, a barcode scanner for product identification, and an RFID module that simulates an electronic payment terminal (TPE) for contactless payment. These components are managed by a lightweight web application developed using HTML, CSS, and JavaScript, with an SQLite database used to store product information and transaction records. The system operates as a standalone solution without requiring an Internet connection, making it suitable for environments with limited network connectivity. The developed prototype was successfully implemented and experimentally evaluated. The results demonstrated reliable operation of the hardware and software components throughout the checkout process, including product identification, weight verification, shopping cart management, and payment simulation. The proposed system provides the essential functionality of commercial self-checkout terminals while significantly reducing implementation costs through the use of low-cost hardware and open-source technologies. These results demonstrate that Self-Pay Market is a practical, flexible, and cost-effective solution for retail automation. Future improvements may include the integration of artificial intelligence and computer vision for automatic product recognition, as well as support for real electronic payment systems.
  • Thumbnail Image
    Item
    Non-Invasive Cardiac Arrest Prediction Using Wearable Device
    (université de bordj bou arreridj, 2026-06-30) BenKhelil Badis; Hammoudi Mohamed
    Cardiovascular disease remains one of the leading causes of death worldwide, and among its manifestations, cardiac arrest is particularly dangerous because it can occur suddenly and with little warning. Continuous, low-cost, and unobtrusive monitoring of a person’s vital signs offers a promising way to detect the early warning signs of cardiac distress before it becomes life-threatening. This thesis presents the design, implementation, and evaluation of a wearable, Internet of Things (IoT) based system for early cardiac arrest risk monitoring. The system acquires physiological signals – electrocardiogram (ECG), pulse rate, peripheral oxygen saturation (SpO2), galvanic skin response (GSR), and body/ambient temperature – from a set of wearable sensors, transmits them through a wireless connectivity layer to a cloud-based analytics platform, and classifies the wearer’s cardiac status into three categories: normal, less critical, and more critical. Three supervised machine learning classifiers – Support Vector Machine (SVM), Adaptive Boosting (AdaBoost), and Random Forest (RF) – were implemented and compared for this classification task. An Android application was de- veloped to display the predicted status in real time and to alert the patient and their designated contacts when an abnormal pattern is detected. The overall system architecture and experimental methodology in this work are adapted from, and benchmarked against, the SEHAD-HC system proposed by Hannan, Cheema, and Pires [5]. Building on this foundation, the present work implements the sensing hard- ware, data pipeline, and classification models independently, and evaluates them using data collected in this project. [Insert a concise summary of your own results here: dataset size, best-performing classifier, achieved accuracy, error rate, and system response time.]
  • Thumbnail Image
    Item
    Reconnaissance faciale du genre humain basée sur les modèles d’apprentissage automatique
    (université de bordj bou arreridj, 2026-06-30) Fedjiri Farida; Noui Lina
    La reconnaissance du genre facial est l’une des tâches fondamentales de la vision par ordinateur, avec des applications variées telles que l’interaction homme-machine, la vidéosurveillance et le marketing ciblé. Notre travail consiste à implémenter un système performant de reconnaissance faciale du genre (RFG) basé sur le descripteur HOG (Histogram of Oriented Gradients), combiné à trois algorithmes d’apprentissage automatique : SVM (Support Vector Machine), LDA (Linear Discriminant Analysis) et KNN (K-Nearest Neighbor). Les performances du système ont été évaluées sur une sous base de données extraite de la base de données FERET, composée de 836 images faciales des deux genres (masculin, féminin). Les résultats ont montré que le modèle SVM avec noyau RBF atteint le meilleur taux de reconnaissance de 94,50 % avec une taille d’image de 256×256 pixels et une cellule HOG de 8×8, suivi du LDA avec 90,19 % et du KNN avec 84,69 %. En parallèle, une étude comparative a été menée avec le descripteur LBP, qui s’est révélé efficace pour représenter la texture faciale, mais dont les performances restent inférieures à celles obtenues avec HOG. Cette comparaison confirme la pertinence du choix du descripteur HOG associé au classificateur SVM pour notre système de reconnaissance faciale.