Browsing by Author "Amimer, Lynda"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Effet du traitement thermique sur les caractéristiques physico-chimiques d’huile d’olive" moderne "
    (Université Mouloud Mammeri, 2021) Amimer, Lynda; Yazid, Anissa
    Nous nous sommes intéressés dans cette étude à l’huile d’olive extraite selon la technologie moderne à trois phases. Cette huile a été soumise à un chauffage à 180°C pendant 8 heures en continue dans une friteuse à couvercle fermé. L’évolution des critères de qualité de cette huile a été suivie. En se référant aux normes du Conseil Oléicole Internationale, cette huile est classée dans la catégorie des huiles vierges courantes. Son acidité et son indice de peroxydes sont estimés respectivement à 2.71% et 20 meq.O2/kg. L’élévation de ces deux paramètres pourrait être due à la forte teneur en eau de cette huile qui est de 11,04%. Pendant le traitement thermique, l’altération de l’huile est accentuée. Des valeurs maximales de l’acidité et de l’indice de peroxydes ont été enregistrées après 2 heures de chauffage. Ainsi, pour produire une huile de qualité, il est indispensable de maîtriser les conditions de récolte, de trituration et de stockage des olives. A cet effet, il faut sensibiliser les agriculteurs pour améliorer les pratiques et les techniques culturales, et aussi les propriétaires des huileries modernes en ce qui concerne le stockage, la transformation, et la conservation de l’huile.
  • Thumbnail Image
    Item
    Modélisation et Commande des Systèmes Non Linéaires Fractionnaires par des Réseaux de Neurones Fractionnaires
    (Université Mouloud Mammeri, 2015-11-11) Amimer, Lynda
    La conception des modèles qui permettent de décrire les systèmes non linéaires d’ordre fractionnaire avec une bonne précision est l’objectif majeur de ce travail. Nous avons commencé d’abord par une étude générale sur la modélisation et un état de l’art sur les principaux travaux qui ont été effectués pour la conception des modèles, puis nous avons présenté une étude détaillée sur les réseaux de neurones classiques dans le premier chapitre, plus précisément, les réseaux de neurones multicouches et ses différentes méthodes d’apprentissage. Nous avons représenté en détail l’algorithme de rétro-propagation de l’erreur. Cette méthode se prête bien pour comprendre la manière d’adaptation des paramètres du réseau à savoir les poids et les biais. Néanmoins, cette méthode risque de tomber dans les minimums locaux. Dans notre travail, nous avons utilisé la méthode de régularisation bayésienne qui est une modification de l’algorithme d’apprentissage de Levenberg-Marquardt et ce dans le but d’éviter de tomber dans le problème de sur-apprentissage. Cette méthode est implémentée dans la toolbox réseau de neurones de Matlab, avec la commande trainbr. Le deuxième chapitre introduit les méthodes de calculs de la dérivée d’ordre fractionnaire. Les modèles d’ordre fractionnaire présentent la propriété d’une mémoire longue mais pour leur simulation, il n’existe pas d’outils directs. Pour ce faire, on est obligé de les approximer par des modèles entiers de grande dimension. Dans notre cas, nous avons utilisé la méthode d’approximation discrète de Grünwald-Letnikov. Pour la modélisation du système non linéaire d’ordre fractionnaire, nous avons pris on considération la représentation d’état non linéaire d’ordre fractionnaire comme système de référence. Dans le troisième chapitre, nous avons conçu un modèle de réseau de neurones-Intégrateurs fractionnaires qui utilise une base de données des systèmes pour l’apprentissage des paramètres du réseau de neurones classique. Le choix du signal d’entrée pour l’apprentissage du réseau est important. Nous avons utilisé un signal sinusoïdal qui présente une base de données riche aux amplitudes. Pour le choix de la structure du réseau de neurones (nombre de couches cachées, nombre de neurones dans chaque couche), elle est faite par des essais. C’est l’inconvénient majeur des réseaux de neurones car il n’existe pas une théorie pour le choix de la structure. La sortie du réseau est liée à un intégrateur d’ordre fractionnaire décrit par une représentation d’état d’ordre fractionnaire linéaire.