https://dspace.univ-ouargla.dz/jspui/handle/123456789/205 Thu, 25 Jun 2026 02:39:22 GMT 2026-06-25T02:39:22Z https://dspace.univ-ouargla.dz/jspui/handle/123456789/40787 Titre: Performance Improvement and Complexity Reduction of Massive MIMO Communication System Auteur(s): Smail, LABED Description: Telecommunication Systems Thu, 01 Jan 2026 00:00:00 GMT https://dspace.univ-ouargla.dz/jspui/handle/123456789/40787 2026-01-01T00:00:00Z https://dspace.univ-ouargla.dz/jspui/handle/123456789/40310 Titre: Image Representation Using The Intrinsic Texture Properties Auteur(s): Djilani, Belila Résumé: Texture is fundamental to computer vision, yet analyzing its structure re mains difficult due to variations in scale and pattern. By employing multi scale analysis based on wavelet theory, this thesis bridges the gap between classical signal analysis and modern deep learning to address these challenges and conduct an in-depth analysis of intrinsic texture properties. We introduce two complementary methods. The Wavelet Texture De scriptor (WTD) combines fixed wavelet decomposition with rigorous feature selection to maximize efficiency in limited data environments. The Data Driven Wavelet Transform (DDWT) takes this further by embedding a train able wavelet layer into a neural network, allowing the model to learn task specific wavelet filters rather than relying on rigid, fixed ones. Experimental evaluation confirms that WTD achieves state-of-the-art re sults, while DDWT offers superior adaptability for complex, heterogeneous textures with negligible additional parameters and minimal computational cost. Ultimately, this work proves that blending wavelet theory with modern learning creates robust, interpretable representations for visual recognition, extending the value of wavelets into the deep learning era. Description: Artificial Vision Thu, 01 Jan 2026 00:00:00 GMT https://dspace.univ-ouargla.dz/jspui/handle/123456789/40310 2026-01-01T00:00:00Z https://dspace.univ-ouargla.dz/jspui/handle/123456789/39871 Titre: A Transfer Learning-Based Approach for Arabic Sentiment Analysis Auteur(s): Mohammed Elsadiq, BARMATI Description: Artificial Intelligence Thu, 01 Jan 2026 00:00:00 GMT https://dspace.univ-ouargla.dz/jspui/handle/123456789/39871 2026-01-01T00:00:00Z https://dspace.univ-ouargla.dz/jspui/handle/123456789/39709 Titre: Intelligent Forecasting and Control Strategies for Multi-Source Renewable Energy Systems Auteur(s): Fares, Bennaceur Résumé: The integration of multi-source renewable energy systems into smart grids remains chal- lenging due to the intermittent nature of renewable sources, load variability, and the need for efficient control and stability. This thesis proposes an intelligent framework integrating forecasting, control, and energy management to enhance the performance and reliability of hybrid renewable systems. The first contribution focuses on solar irradiation forecasting, which provides the foun- dation for intelligent decision-making in hybrid systems. Deep learning and machine learn- ing techniques CNN, LSTM, CNN–LSTM, and SVM are employed to predict short-term solar irradiance with high accuracy, allowing better planning and real-time adaptation of control strategies. The second contribution addresses maximum power point tracking (MPPT), where three intelligent controllers ANFIS with subtractive clustering, a GWO based controller, and an IT2FL controller are developed to maximize PV energy extraction under rapidly changing conditions. The third contribution concerns battery State of Charge (SOC) estimation, achieved through a Cascade Forward Neural Network (CFNN) model capable of handling nonlin- earities and temporal variations. The proposed SOC estimator improves accuracy and ensures optimal energy utilization and battery health. Finally, an Energy Management System (EMS) based on hybrid metaheuristic algo- rithms GWOPSO and ALO is designed to maintain DC bus voltage stability and manage power flow between PV, wind, and storage units. Simulation results demonstrate that the proposed AI-driven framework outperforms conventional approaches in terms of forecasting accuracy, MPPT efficiency, SOC reliabil- ity, and EMS stability, contributing to the realization of intelligent and sustainable smart grids.; L’intégration des systèmes hybrides à sources d’énergie renouvelable dans les réseaux in- telligents demeure un défi en raison du caractère intermittent des ressources renouvelables, de la variabilité de la charge et de la nécessité d’un contrôle efficace et stable. Cette thèse propose un cadre intelligent intégrant la prévision, le contrôle et la gestion énergétique afin d’améliorer les performances et la fiabilité des systèmes hybrides. La première contribution concerne la prévision de l’irradiation solaire, qui constitue la base de la prise de décision intelligente dans les systèmes hybrides. Des techniques d’ap- prentissage profond et d’apprentissage automatique CNN, LSTM, CNN LSTM et SVM sont utilisées pour prédire l’irradiation solaire à court terme avec une grande précision, permettant une meilleure planification et une adaptation en temps réel des stratégies de contrôle. La deuxième contribution traite du suivi du point de puissance maximale (MPPT), où trois contrôleurs intelligents ANFIS avec partitionnement soustractif, un contrôleur basé sur le GWO, et un contrôleur IT2FL sont développés afin de maximiser l’extraction de puissance photovoltaïque sous des conditions rapidement variables. La troisième contribution est liée à l’estimation de l’état de charge (SOC) des batteries, réalisée à l’aide d’un modèle Cascade Forward Neural Network (CFNN) capable de gérer les non-linéarités et les variations temporelles. L’estimateur proposé améliore la précision et garantit une utilisation énergétique optimale et une meilleure durée de vie des batteries. Enfin, un système de gestion de l’énergie (EMS) fondé sur des algorithmes méta- heuristiques hybrides GWOPSO et ALO est conçu pour maintenir la stabilité de la tension du bus CC et gérer les flux d’énergie entre les unités PV, éoliennes et de stockage. Les résultats de simulation montrent que le cadre intelligent proposé dépasse les ap- proches conventionnelles en termes de précision de prévision, d’efficacité MPPT, de fiabi- lité SOC et de stabilité EMS, contribuant ainsi au développement de réseaux intelligents durables et autonomes. Description: Electronic Wed, 01 Jan 2025 00:00:00 GMT https://dspace.univ-ouargla.dz/jspui/handle/123456789/39709 2025-01-01T00:00:00Z