Étude Des Réseaux De Neurones Sur La Stéganalyse (original) (raw)
Related papers
Utilisation des Réseaux de Neurones pour l’Analyse de Séquences dans les Textes
Dans cet article, nous présentons l'application des Réseaux de Neurones à l'extraction d'information dans une collection de données textuelles. Plus précisément, nous considérons la modélisation des séquences de termes par des Perceptrons Multi-Couches (PMCs) et montrons comment ce modèle peut être utilisé pour s'acquitter de tâches d'Extraction d'Information de Surface (tâches qui n'ont pas besoin d'analyses sémantique et syntaxique complexes). Nous étudions différentes représentation de textes et analysons différentes contraintes grammaticales sur les sorties du modèle en utilisant la base MUC-6. De plus, nous présentons une méthode d'estimation statistique pour la validation du modèle. ABSTRACT. This paper deals with the application of Artificial Neural Networks for sequence modeling to Information Extraction tasks. More precisely, we consider the sequence modeling of terms with Multi-Layer Perceptrons (MLPs) and show how this model can be used to perform specific surface extraction tasks (i.e. tasks which do not need in depth syntactic or semantic analysis). We consider different text representations using semantic and syntactic knowledge and analyze the influence of different grammatical constraints on the models using the MUC-6 corpus. Furthermore, we present a statistical estimation method for the validation of such a model.
Yedroudj-Net : un réseaux de neurones efficace pour la stéganalyse spatiale
2017
Pendant environ 10 ans, l'approche classique pour detec-ter la presence d'un message secret insere dans une image etait d'utiliser un ensemble de classifieurs alimentes par des vecteurs de caracteristiques issues des images a traiter. Ces dernieres annees, des etudes telles que Xu et al. ont in-dique que des reseaux de neurones convolutionnels (CNN) bien concus peuvent atteindre des performances compa-rables aux approches classiques d'apprentissage automa-tique. Dans cet article, nous proposons un CNN qui depasse les performances de l'etat de l'art en terme de proba-bilite d'erreur de classification. La proposition s'inscrit dans la continuite de ce qui a ete propose recemment et consiste en une fusion intelligente de briques importantes proposees dans divers articles. Parmi les elements essen-tiels du CNN propose, on peut citer l'utilisation : d'un ensemble de filtres pour le pretraitement de l'image d'en-tree, de la troncature comme ...
Les Réseaux de Neurones Artificiels
Les réseaux de neurones artificiels constituent une technique de traitement de données bien comprise et bien maitrisée. Ces techniques s’intègrent parfaitement dans les stratégies de commande. En effet, elles réalisent des fonctionnalités d’identification, de contrôle ou de filtrage, et prolonge les techniques classiques de l’automatique non linéaire pour aboutir à des solutions plus efficaces et robustes.
Computing Research Repository, 2010
We present an application of Artificial Intelligence techniques to the field of Information Security. The problem of remote Operating System (OS) Detection, also called OS Fingerprinting, is a crucial step of the penetration testing process, since the attacker (hacker or security professional) needs to know the OS of the target host in order to choose the exploits that he will
En se basant sur l'hypothèse de la présence d'un seul défaut localisé, le but de cette recherche est de décrire un système expert, qui, à partir des descripteurs temporels et fréquentiels issus d'un signal vibratoire mesuré sur un roulement endommagé, est capable de remonter à la source du défaut pour prédire sa gravité ainsi que son emplacement. La première originalité de cette recherche est non seulement de signaler la présence d'un défaut, mais aussi de localiser son emplacement et de lui attribuer une criticité en déterminant son diamètre. La deuxième originalité réside dans la manière que l'apprentissage du réseau de neurones a été fait. En effet, un nombre considérable de données provient d'un simulateur de défaut de roulement appelé BEAT (Bearing Toolbox), qui, une fois calibré par rapport à des mesures expérimentales réelles, permet de générer une base de données d'apprentissage très grande assurant un apprentissage adéquat et couvrant un large éventail de configurations de défauts. La précision du système expert développé dans les configurations retenues est de l'ordre de 99.8% quand à la détermination du diamètre du défaut, et de 97% quand à sa localisation.
Revue d'intelligence artificielle, 2001
Ce papier porte sur la modélisation de séries temporelles ou de régression à l'aide de réseaux de neurones. En nous appuyant sur des résultats récents sur l'estimation des moindres carrés pour les séries temporelles non linéaires, nous proposons une méthodologie complète et explicite pour l'estimation des paramètres (processus d'apprentissage) et pour le choix du modèle (sélection d'architecture). En particulier, nous donnons une solution au problème de l'élagage dans un perceptron multi-couches au moyen d'une méthode pas à pas utilisant un critère de type BIC dont on démontre la consistance.
LARHYSS Journal, 2015
La depollution des eaux usees avant rejet dans les milieux aquatiques est devenue un imperatif reglementaire a l'echelle mondial, justifie par la protection de l'environnement et de la sante publique. Cette depollution est le plus souvent realisee dans des usines de traitement centralisees, vers lesquelles sont achemines les effluents produits dans une zone couvrant souvent toute une agglomeration. A l’heure actuelle, la presence de residus de medicaments dans les matrices environnementales aqueuses est devenue un sujet de preoccupation mondial dans les domaines de l'environnement et de la Sante Publique. En Algerie le traitement des eaux usees urbaines et industrielles, est realise par boues activees. La majeure partie des rejets pharmaceutiques arrivant aux stations d’epuration ne sont pas completement elimines ils sont rejetes sous forme de contaminants dans les eaux receptrices. On se propose dans cette etude de faire le point sur une methode basee sur l’intelligence...
2001
Une structure de filtrage non linéaire pour l'égalisation aveugle est présentée. Cette structure est basée sur un réseau de neurones, ce qui permet l'inclusion de non linéarités dans la structure du filtre. D'autre part, la stratégie d'apprentissage du réseau est séparée en deux parties : une supervisée et l'autre auto-organisée. La divergence de Kullback-Leibler est utilisée comme base pour une fonction de coût d'une règle d'apprentissage auto-organisée, tandis que le critère du (( constant modulus )) est utilisé dans la partie supervisée. Les résultats des simulations comparent la performance de cette stratégie par rapport aux stratégies classiques d'égalisation adaptative. Les résultats montrent que, pour certains canaux, la stratégie proposée est plus performante que l'égaliseurà retour des décisions (DFE) supervisé.
The paper is based on a series of studies maded on the learning capabilities of multi-layered perceptrons. The complexity of this nonlinear systems can be varied as we desire, acting for instance on the number of hidden units. In return, we will be confronted with a choice dilemma, concerning the optimal complexity of the system for a given problem. We have defined the potential size as given by the number of hidden units and the effective size as a result of network training on a given problem. By the mean of statistical methods, we have found that the effective number of hidden units is smaller than the potential size, some units have a "binary" activation level or a time constant activation. We also prove that weight initialization to small values is fully recomended and reduce the effective size of the hidden layer.