Académique Documents
Professionnel Documents
Culture Documents
d’apprentissage
automatique
Realisé par :
Lasmer Chèdi
Plan
01 02 03
Introduction Apprentissage Apprentissage non
supervisé supervisé
04 05
Les réseaux neuronaux Réseaux de neurones
convolutifs (CNN) récurrents (RNN)
Introduction
01
- Les vagues de chaleur provoquées par le changement climatique sont actuellement en forte augmentation dans
toute le monde et les risques d’incendie de forêt qui en découle s’accroit immensément.
- Pour cela Il existe plusieurs algorithmes d'apprentissage automatique qui peuvent être utilisés pour la détection
des incendies de forêt. Voici quelques-uns des plus couramment utilisés :
Apprentissage
02 supervisé
● Les modèles d'apprentissage supervisé exigent un travail préparatoire
important de la part des scientifiques de données.
● Les jeux de données en entrée doivent être étiquetés et les paramètres de
sortie doivent être indiqués, afin de préciser les résultats attendus.
● De plus, il est nécessaire de régler avec soin la précision pendant le
processus d'apprentissage
A. L’algorithme B. L’algorithme K-
Apriori means
A. L’algorithme Apriori
● L'algorithme Apriori est largement utilisé dans les bases de données transactionnelles pour
identifier des ensembles d'articles fréquemment achetés ensemble, puis générer des règles
d'association.
● Dans le domaine de l'analyse des paniers d'achat, cet algorithme est particulièrement utile
pour identifier des combinaisons de produits qui se trouvent souvent ensemble dans la base
de données.
● Les règles d'association sont généralement écrites sous la forme "Si l'article X est acheté,
alors l'article Y est également acheté", ce qui se représente comme X -> Y
B. L’algorithme K-means
● L'algorithme K-means est utilisé pour regrouper des données similaires en clusters.
● Il fonctionne de manière itérative en calculant les centroïdes de k clusters et en affectant chaque
point de données au cluster ayant la plus petite distance entre son centroïde et le point de
données.
● Dans l’algorithme des k-moyennes généralement on utilise la distance euclidienne, soient p =
(p1,….,pn) et q = (q1,….,qn)
● Elle permet d’évaluer la distance entre chaque point et les centroïdes. Pour chaque point on
calcule la distance euclidienne entre ce point et chacun des centroïdes puis on l’associe au
centroïde le plus proche c’est-à-dire celui avec la plus petite distance.
04 Les réseaux neuronaux
convolutifs (CNN)
● Les réseaux neuronaux convolutifs sont des réseaux neuronaux artificiels profonds
largement utilisés pour classifier les zones d'images, les regrouper par similarité et effectuer
la reconnaissance d'objets dans des scènes visuelles. Ces algorithmes sont utilisés pour
identifier divers éléments, tels que des visages, des individus, des panneaux de signalisation,
des tumeurs, des ornithorynques et bien d'autres aspects des données visuelles. Les
références [Ter09] et [Yin17] font partie des travaux fondateurs dans ce domaine
● Cette méthode a été récemment appliquée sur la détection de la fumée : Frizzi et al [Fri16], et
Hu et al [Huy18]. Ces travaux ont abouti à des résultats intéressants en générant des valeurs
élevées de taux de bonne classification.
● Cette technique a permis aux chercheurs de détecter et localiser la fumée dans les frames
● Les CNN comportent deux parties bien distinctes. En entrée, une image est fournie sous la
forme d’une matrice de pixels. La couleur est représentée par une troisième dimension, de
profondeur 3 pour représenter les couleurs fondamentales [Rouge, Vert, Bleu].
● La première partie d’un CNN est la partie convolutive. Elle fonctionne comme un extracteur de
caractéristiques des images. Une image est passée à travers une succession de filtres, ou noyaux
de convolution, créant de nouvelles images appelées cartes de convolutions. Certains filtres
intermédiaires réduisent la résolution de l’image par une opération de maximum local
● Au final, les cartes de convolutions sont mises concaténées en un vecteur de
caractéristiques, appelé code CNN. Un CNN est un réseau profond composé
de quatre types de couches :
● https://headinghometodinner.org/fr/les-10-meilleurs-algorithmes-dapprentissage-automatique-pour-les-d
%C3%A9butants-en-science-des-donn%C3%A9es/#:~:text=Les%20algorithmes%20d
%E2%80%99apprentissage%20automatique%20sont%20des%20programmes%20capables,de%20s
%E2%80%99am%C3%A9liorer%20gr%C3%A2ce%20%C3%A0%20l%E2%80%99exp%C3%A9rience%2C
%20sans%20intervention%20humaine.
● https://datascience.eu/fr/apprentissage-automatique/les-algorithmes-dapprentissage-machine-les-plus-populaire
s
/
● https://theses.hal.science/tel-00345683/
● https://www.ummto.dz/dspace/handle/ummto/13179
● https://www.mobotix.com/fr/technologie-thermique/detection-precoce-des-incendies
MERCI POUR VOTRE
ATTENTION