| Titre : | العالقة الوظيفية بين النيابة العامة وقاضي التحقيق والشرطة القضائية |
| Auteurs : | صوان عائشة, Auteur ; سايح خيرة, Auteur ; عثماني عبد الرحمان, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | جامعة سعيدة -الدكتور مولاي الطاهر -كلية الحقوق والعلوم السياسية -قسم الحقوق, 2024/2025 |
| Format : | 116ص |
| Accompagnement : | CD |
| Langues: | Arabe |
| Index. décimale : | BUC-M 003678 |
| Catégories : | |
| Mots-clés: | العالقة الوظيفية : النيابة العامة :قاضي التحقيق :الشرطة القضائية |
| Résumé : |
Résumé
Avec l’essor des drones dans diverses applications telles que la surveillance, la livraison et les loisirs, le besoin de systèmes efficaces de détection des drones est devenu crucial, en particulier dans les zones sensibles sur le plan de la sécurité. Ce travail vise à développer un système intelligent capable d’identifier la présence de drones en utilisant des techniques d’apprentissage automatique et des données issues des réseaux sans fil, notamment les signaux de communication en fréquence radio (RF) entre les drones et leurs contrôleurs. Le système utilisé repose, dans un premier temps, sur l’extraction de caractéristiques à partir de signaux RF bruts, suivie d’une classification à l’aide des algorithmes du k plus proches voisins (k-NN) et de la forêt aléatoire (Random Forest). Dans un second temps, nous utilisons des algorithmes d’apprentissage profond pour classifier directement les signaux bruts, tels que le Deep Feedforward Neural Network (DFNN) et le réseau de neurones convolutifs (CNN). . Abstract With the rise of drones in various applications such as surveillance, delivery, and recreational use, the need for effective drone detection systems has become crucial, especially in security-sensitive areas. This work aims to develop an intelligent system capable of detecting the presence of drones using machine learning techniques and data from wireless networks, particularly radio frequency (RF) communication signals exchanged between drones and their controllers. The used system is based, in the first stage, on feature extraction from raw RF signals, followed by classification using algorithms such as k-Nearest Neighbors (k-NN) and Random Forest. In the second stage, deep learning algorithms are employed to classify the raw signals directly, including the Deep Feedforward Neural Network (DFNN) and Convolutional Neural Network (CNN). الملخص فيه، أصبحترالعديد من التطبيقات مثل المراقبة، التوصيل، والت ي مع تزايد استخدام الطائرات بدون طيار ف المناطق الحساسة أمنيًا.ي الحاجة إىل أنظمة فعالة الكتشاف الطائرات بدون طيار أمرًا بالغ األهمية، خصوصًا ف قادر عىل الكشف عن وجي يهدف هذا العمل إىل تطوير نظام ذكود الطائرات بدون طيار باستخدام تقنيات التعلم والبيانات المستخرجة من الشبكات الالسلكية، وبشكل خاصي اآلىلمنإشارات ال ددات الراديورتصاالت بت(RF) المتبادلةبي الطائرات بدون طيار ووحدات التحكم الخاصة بها. يرتكزالنظامالمعتمدالمرحلة األوىل عىل استخراج ال ي فخصائص من الشارات الالسلكية الخام، تليها عملية تصنيف باستخدام خوارزميات مثل أقرب الجتان(k-NN)وغابة القرارات العشوائية(Random Forest).أما ةرالمرحلة الثانية، فنستخدم خوارزميات التعلم العميق لتصنيف الشارات الخام مباش ي ف،دون الحاجة اىل استخراج الخصائص يدويا،مثل الشبكة العصبية األمامية العميقة(DFNN)والشبكة العصبية االلتفافية.(CNN) |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 003678 Adobe Acrobat PDF |
