Depot Institutionnel de l'UMBB >
Mémoires de Master 2 >
Faculté de Technologie >
Ingénierie des Systèmes Electriques >
Réseaux et Télécommunications >
Veuillez utiliser cette adresse pour citer ce document :
http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/10222
|
Titre: | Deep learning VS machine learning pour la vérification des signatures hors ligne |
Auteur(s): | Chekiane, Mohamed Ayoub Boukhetaia, Sami |
Mots-clés: | Biométrie Machine learning Deep learning Signature hors ligne Signature électronique Machine vectorielle : Signature |
Date de publication: | 2022 |
Résumé: | Dans ce projet,il est proposé de vérifier la signature hors ligne à l'aide d'une machine vectorielle supportant une classe en premier, le réseau de neurones convolutionnels (CNN) en second.L'algorithme de La machine à vecteur de support à classe unique cherche à envelopper les inliers sous-jacents. L'objectif est de séparer les données en deux classes (basées sur une fonction de décision),la positive considérée comme la classe des inliers et la négative considérée comme la classe des outliers.De plus, la plupart des données d'apprentissage doivent appartenir à la classe positive alors que le volume d'enveloppe est minimal.CNN est un type de modèle de réseau de neurones qui nous permet d'extraire des représentations plus élevées pour l'image,contenu. CNN prend les données de pixel brutes de l'image,forme le modèle, puis extrait automatiquement les caractéristiques pour une meilleure classification. Le principal avantage de CNN par rapport à ses prédécesseurs est qu'il détecte automatiquement les caractéristiques importantes sans aucune supervision humaine et qu'il a la plus grande précision parmi tous algorithmes qui prédisent les images |
Description: | 81 p. : ill. ; 30 cm |
URI/URL: | http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/10222 |
Collection(s) : | Réseaux et Télécommunications
|
Fichier(s) constituant ce document :
|
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.
|