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.

Now showing 1 - 7 of 7

Faculté de droit et des sciences politiques
كلية الحقوق والعلوم السياسية
Faculté des lettres et des langues
كلية الآداب واللغات
Faculté des mathématiques et de l'informatique
كلية الرياضيات و الأعلام الآلي
Faculté des sciences de la nature et de la vie et sciences de la terre et de l'univers
كلية علوم الطبيعة و الحياة و علوم الأرض و الكون
Faculté des sciences économiques, commerciales et des sciences de gestion
كلية العلوم الاقتصادية والتجارية وعلوم التسيير
Faculté des sciences et de la technologie
Faculté des sciences et de la technologie
Faculté des sciences sociales et humaines
كلية العلوم الاجتماعية والإنسانية

Recent Submissions

Item

Mise en œuvre d’une solution Business Intelligence basée sur un entrepôt de données d’Algérie Télécom

(university of bordj bou arreridj, 2025) Medjoubi Mohamed Ramy; Mansoul Charaf Eddine Rami

Ce projet a pour objectif la mise en place d’un système décisionnel pour Algérie Télécom, en s’appuyant sur un entrepôt de données et des outils de Business Intelligence. Après une ana lyse des besoins menée auprès des informaticiens de l’entreprise, nous avons identifié plusieurs indicateurs clés de performance (KPI) et axes d’analyse pertinents pour améliorer la gestion du parc clients. Nous avons réalisé un processus complet d’intégration et de transformation des données (ETL), une modélisation en étoile, et la création de tableaux de bord interactifs. Ces visualisations dynamiques permettent aux décideurs d’explorer les données sous différents angles (par région, offre, statut, etc.) et de prendre des décisions éclairées. Les résultats obtenus montrent l’efficacité de la solution proposée pour améliorer la visi bilité sur les abonnements et optimiser les prises de décisions. Ce travail offre une base solide pour des évolutions futures, telles que l’intégration d’autres sources de données ou le dévelop pement de fonctionnalités prédictives.

Item

Deep model for classification and Detection of Defects in electronic Printed Circuit Boards (PCBs)

(university of bordj bou arreridj, 2025) Belarouci Ibrahim; Belalmi Mouadh

defect-free production is essential for the function and reliability of electronic devices. Tradi tional manual inspection methods are no longer enough due to the complexity and reduced size of the boards. In the context of the project, deep learning is applied to the automated recog nition of the defects, where YOLOv11 object detection architecture is the algorithm used to f ind the six most frequent defects in the PCB images. The data acquisition is the main stage of the project, and it is followed by the preprocessing, annotation transformation, and data aug mentation, the processes which contribute to increasing the training diversity. The model has been presented, using a carefully selected dataset, as a good candidate to have high precision, recall, and mean Average Precision (mAP) metrics. Additionally, the mobile application was launched with the model proving its feasibility and being ready for server-side inference in real time defect detection. The experimental results validate the prototype system as a solution to the defect detection problem in electronics. The system is also a scalable and practical quality control mean in electronics production besides being accurate and reliable.

Item

Détection Intelligente des Anomalies et Menaces Cybernétiques dans l’IoBT à l’aide du DeepLearning

(university of bordj bou arreridj, 2025) - Chaima CHEIKH-; -Yousra Kawther GUISSOUS

Ce mémoire s’inscrit dans le champ stratégique de la cybersécurité militaire, en explorant le potentiel de l’Intelligence Artificielle (IA), de l’apprentissage automatique et de l’apprentissage profond pour renforcer la sécurité et l’autonomie des systèmes connectés dans les réseaux Internet of Battlefield Things (IoBT). Après avoir mis en évidence les limites des protocoles traditionnels face aux menaces sophistiquées, nous avons étudié et optimisé le protocole BioBT, dédié à l’authentification biométrique des entités IoBT et à la garantie de l’intégrité des données au sein du système C3I (Com mandement, Contrôle, Communications et Renseignement). L’amélioration proposée repose sur l’intégration d’un modèle LSTM (Long Short-Term Memory), une architec ture de réseau neuronal récurrent particulièrement adaptée à l’analyse de séquences temporelles. Ce modèle apporte une seconde couche d’authentification dynamique, venant compléter la vérification initiale assurée par la blockchain. En simulant des com portements biométriques issus de dispositifs IoBT, le système est capable de détecter les anomalies et d’authentifier les objets de manière fiable et réactive. Les résultats expérimentaux confirment la robustesse de l’approche : le modèle LSTM atteint une précision de 98% dans la tâche d’authentification, tout en détectant 77.94% des ten tatives d’intrusion simulées. De plus, la latence moyenne d’inférence reste compatible avec les exigences temps réel des environnements tactiques. Ces performances démon trent l’efficacité de la combinaison entre IA, biométrie et blockchain pour sécuriser les infrastructures militaires intelligentes, et ouvrent la voie à des déploiements opéra tionnels de plus grande envergure.

Item

Génération d’ontologies à partir de modèles de processus métier (Business Process)

(university of bordj bou arreridj, 2025) ABDELLI Aya; BEN AHMED Amel

Cette recherche propose une méthode de génération d’ontologies à partir de modèles de processus métier, en s’appuyant sur l’ingénierie dirigée par les modèles (IDM) et les règles de graphes triples (TGG). L’objectif principal est d’automatiser la transformation des diagrammes en ontologies utilisant le langage OWL (Web Ontology Language), afin de faciliter la réutili- sation, l’intégration et la compréhension des processus dans des environnements complexes. Nous avons développé un prototype en utilisant la plateforme de développement Eclipse et le cadre de modélisation EMF, ce qui a démontré l’efficacité de cette approche dans la représen- tation des connaissances métier. Les résultats ont montré que cette méthodologie améliore la traçabilité et la cohérence entre les modèles métier et leurs représentations sémantiques.

Item

(university of bordj bou arreridj, 2025) Abedelaziz BELABAC; Khalil SAIDANI

With the growing use of Online Social Networks (OSNs), these platforms have become central to engagement, participation, and community formation. As user bases expand, understanding user similarity becomes increasingly important for applications such as friend recommendation, community detection, and spam detection. Measuring user similarity includes determining behavioral patterns in addition to profile similarities and behavioral differences. In this research, we examine some classical similarity measures (Jaccard, Cosine, and Euclidean) versus deep learning-based measures, including Node Embeddings, Graph Convolutional Networks (GCN), Graph Attention Networks (GAT), and GraphSAGE with a synthetic Twitter dataset. User interactions are modeled as graphs and transformed into low-dimensional embeddings. Using the Deep Graph Infomax framework for unsupervised learning, clustering is applied and assessed through internal evaluation metrics: Silhouette Score, Davies-Bouldin Index, and Calinski-Harabasz Score. The objective is to identify the most effective method for discovering meaningful user clusters in OSNs.