| Titre : | Metaheuristics for Deep learning architectures. Application on computer vision problems. |
| Auteurs : | ELHANI Djenaihi, Auteur ; Chaouki MEGHERBI Ahmed, Directeur de thèse |
| Support: | Thése doctorat |
| Editeur : | Biskra [Algerie] : Université Mohamed Khider, 2025/2026 |
| Format : | p 137 / 30cm |
| Langues: | Français |
| Index. décimale : | 006 |
| Mots-clés: | Metaheuristic, Optimization, PSO, GA, Hyperparameters, and CNN. |
| Résumé : |
Les réseaux de neurones profonds (DNN) ont montré une grande efficacité dans les tâches de vision par ordinateur. Cependant, concevoir leur architecture de manière optimale reste une tâche complexe et chronophage, en raison de la vaste gamme d'hyperparamètres à explorer. Pour répondre à ce défi, cette thèse propose trois approches basées sur des algorithmes métaheuristiques. La première utilise une version modifiée de l’algorithme d’optimisation par essaim particulaire sans équation de vitesse (PSWV). La deuxième est un algorithme hybride combinant PSO et l’algorithme génétique (GA), et la troisième est MPSO (PSO amélioré par mutation pour l’optimisation de l’architecture CNN).
Ces méthodes visent à réduire l’intervention humaine dans la conception des CNN, à accélérer la convergence et à diminuer le temps nécessaire pour identifier l’architecture optimale. Les trois approches utilisent une stratégie de codage à longueur variable pour représenter les particules et intègrent de nouveaux mécanismes de mise à jour. Pour évaluer l’efficacité des approches proposées, nous les avons comparées à 27 méthodes récentes de la littérature, et testées sur neuf jeux de données de référence pour des tâches de classification. Les résultats empiriques montrent que pswvCNN, GAPSO et MPSO permettent d’identifier des architectures CNN dont les performances sont comparables, voire supérieures, à celles des architectures classiques. |
Exemplaires (1)
| Cote | Support | Localisation | Disponibilité | Emplacement |
|---|---|---|---|---|
| the.006/3245 | Livre | Bibliothèque centrale El Allia | Disponible | Salle de consultation |
