Intelligence artificielle au service des épidémies Application à la Covid19
| dc.contributor.author | BENAHMED, Sarah | |
| dc.contributor.author | ATTAR Latifa, Meriem | |
| dc.date.accessioned | 2023-09-07T12:19:18Z | |
| dc.date.available | 2023-09-07T12:19:18Z | |
| dc.date.issued | 2022-07-04 | |
| dc.description.abstract | Dans la lutte contre les maladies infectieuses, il est important de comprendre comment les agents pathogènes infectieux se propagent parmi la population humaine, faisant de la modélisation épidémiologique un outil utile pour décrire le mécanisme de ces épidémies complexes afin d’interpréter les données épidémiologiques. Avec la nécessité d'estimer le nombre de cas de la COVID19 (infection, guérison ou décès), l'idée est de modéliser l'épidémie en utilisant l'une des techniques de l'intelligence artificielle, telles que les modèles à base d'agents, les modèles d'automates cellulaires, modélisation par algorithme génétique ou bien la modélisation par apprentissage en profondeur (Deep Learning). Dans notre travail nous allons adopter la méthode la plus utilisée dans les travaux existants qui est le Deep Learning appliqué à l’épidémie de la Covid19. | en_US |
| dc.identifier.uri | http://e-biblio.univ-mosta.dz/handle/123456789/24047 | |
| dc.language.iso | fr | en_US |
| dc.relation.ispartofseries | MINF329; | |
| dc.subject | épidémie | en_US |
| dc.subject | Covid19 | en_US |
| dc.subject | technique de l’intelligence artificielle | en_US |
| dc.subject | modélisation | en_US |
| dc.subject | l'apprentissage en profondeur | en_US |
| dc.title | Intelligence artificielle au service des épidémies Application à la Covid19 | en_US |
| dc.type | Other | en_US |