Defensa de tesis doctoral en Inteligencia Artificial por la Sra. Yasmine GHAZLANE

La Universidad Euromed de Fez (UEMF) se complace en informar al público sobre la defensa de la tesis doctoral en '' Inteligencia Artificial ''

La defensa de tesis se realizará el miércoles 29 de mayo de 2024 a las 16:00 horas en la UEMF.

Ubicación : Anfiteatro 4 en el Edificio 4

La tesis será presentada por la Sra. Yasmine GHAZLANE bajo el tema:

“Una arquitectura inteligente anti-drones basada en un sistema multiagente con el desarrollo de modelos de detección e identificación de objetivos en el aire utilizando técnicas avanzadas de inteligencia artificial y visión por ordenador” 
 

Abstracto:

Esta tesis doctoral presenta una investigación objetiva en el ámbito de la tecnología anti-drones, abordando brechas críticas en los mecanismos de defensa existentes contra la creciente proliferación de vehículos aéreos no tripulados, comúnmente conocidos como drones. Se lleva a cabo una revisión bibliográfica extensa y meticulosa como primer paso para examinar el panorama cambiante de los sistemas anti-drones, identificando deficiencias y oportunidades de transformación. En este estudio, se emplean técnicas de inteligencia artificial y tecnologías de vanguardia para proponer y dilucidar una arquitectura anti-drones novedosa y adecuada. Aprovechando la solidez del enfoque Blockchain, la adaptabilidad de los sistemas multiagente y la precisión del sistema experto, esta tesis describe un marco sofisticado preparado para revolucionar el panorama de los mecanismos de defensa de los drones. La arquitectura representa un cambio de paradigma, fomentando la agilidad y la resiliencia en la identificación de los objetivos aéreos más encontrados en tiempo real y contrarrestando objetivos dañinos en dominios operativos multifacéticos mediante el uso de una técnica de neutralización electromagnética basada en IA. Además, esta tesis revela el desarrollo de modelos de detección e identificación en tiempo real altamente eficientes, diseñados para integrarse perfectamente dentro de la arquitectura propuesta. Utilizando algoritmos avanzados y técnicas de aprendizaje profundo, los modelos desarrollados identifican los objetivos aéreos más encontrados con prontitud y precisión, al tiempo que satisfacen la velocidad y el rendimiento comprometidos. En la literatura existente, la mayor parte de la atención se ha centrado en reconocer a los drones como objetivos aéreos únicos, mientras que el verdadero desafío es distinguir entre objetivos con y sin drones. Para abordar este problema, hemos desarrollado un modelo de identificación de amigo o enemigo capaz de clasificar los objetivos aéreos en categorías de enemigo o amigo determinando si el objetivo aéreo es un dron o un pájaro, respectivamente. Para cumplir con los requisitos de los antidrones, se han combinado enfoques de inteligencia artificial y visión por computadora mediante aprendizaje por transferencia, aumento de datos y otras técnicas en nuestro modelo. Otra contribución de esta tesis es el estudio del impacto de la profundidad en el rendimiento de la clasificación, que se demuestra a través de nuestros experimentos. El modelo de identificación de amigo o enemigo está integrado como modelo central dentro del sistema con el módulo de detección en tiempo real para mejorar aún más la eficiencia, precisión, adaptabilidad y robustez del sistema anti-drones general para permitirle identificar y responder de manera efectiva. amenazas potenciales en entornos dinámicos y complejos y neutralizar eficazmente el objetivo.
 

Esta tesis será presentada a los miembros del jurado: 

Compartir, repartir