Please use this identifier to cite or link to this item:
http://dspace.univ-guelma.dz/jspui/handle/123456789/16529
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | MEZAACHE, AHMED | - |
dc.date.accessioned | 2024-12-09T08:35:08Z | - |
dc.date.available | 2024-12-09T08:35:08Z | - |
dc.date.issued | 2024-06 | - |
dc.identifier.uri | http://dspace.univ-guelma.dz/jspui/handle/123456789/16529 | - |
dc.description.abstract | Dans ce mémoire, nous explorons l'efficacité des réseaux de neurones récurrents (RNN) dans le cadre de la classification de données. Nous examinons comment les RNN peuvent être utilisés pour capturer les motifs complexes présents dans les séquences de données. En particulier, nous nous intéressons à leur application dans la classification des données des chiffres manuscrits, où la structure séquentielle des données peut jouer un rôle crucial dans la prise de décision. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | universitie 8 mai 1945 guelma | en_US |
dc.title | Classification Des Données Basée Sur Les Réseaux De Neurones Récurrents (RNN) | en_US |
dc.type | Working Paper | en_US |
Appears in Collections: | Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
F1_6_MEZAACHE_AHMED.pdf | 2,7 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.