pfemehyarlatex
Science Score: 18.0%
This score indicates how likely this project is to be science-related based on various indicators:
-
✓CITATION.cff file
Found CITATION.cff file -
○codemeta.json file
-
○.zenodo.json file
-
○DOI references
-
○Academic publication links
-
○Academic email domains
-
○Institutional organization owner
-
○JOSS paper metadata
-
○Scientific vocabulary similarity
Low similarity (0.8%) to scientific vocabulary
Repository
Basic Info
- Host: GitHub
- Owner: Mehyarmlaweh
- License: mit
- Language: TeX
- Default Branch: master
- Size: 7.03 MB
Statistics
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
- Releases: 0
Metadata Files
README.md
PfeMehyarLatex
Ce travail de recherches s'inscrit dans le cadre d'un projet de thèse visant à obtenir le diplôme de licence en Business Intelligence pour l'année universitaire 2022-2023 à l’Institut des Hautes Études Commerciales de Carthage (IHEC). Les travaux développés dans cette mémoire ont pour objectif de développer de nouvelles métriques probabilistes pour l'évaluation des performances des classifieurs par l'estimation non paramétrique des taux de précision. Comme méthodes d'estimation, nous avons utilisé la méthode de l'histogramme et la méthode du noyau avec optimisation du paramètre de lissage. Ensuite, nous avons illustré notre approche en utilisant les réseaux de neurones convolutifs pour classer les chiffres manuscrits de la base d'images MNIST. Une application a ensuite été développée pour permettre aux chercheurs d'estimer les densités de probabilités des différentes distributions via une interface graphique conviviale. Les deux frameworks utilisés sont Flask et Angular.
Owner
- Login: Mehyarmlaweh
- Kind: user
- Repositories: 1
- Profile: https://github.com/Mehyarmlaweh
Citation (citation.tex)
\begin{tikzpicture}[remember picture,overlay]
\begin{scope}[on background layer]
\fill[white,opacity=.8] (current page.north west) rectangle (current page.south east);
\end{scope}
\end{tikzpicture}
\vspace{3cm}
\begin{center}
\vspace{3cm}
\textit{\large "Les méthodes non paramétriques, telles que l'estimation de densité, et les techniques d'apprentissage en profondeur, comme les CNN, représentent deux mondes différents de la modélisation statistique. Cependant, ces mondes ne sont pas mutuellement exclusifs, et la combinaison des deux peut conduire à de nouveaux outils puissants pour résoudre des problèmes complexes."} \\ -Yann LeCun
\newpage
\thispagestyle{empty}
\null\newpage
\end{center}