Quantifying Uncertainty in Systems - Two Practical Use Cases Using Machine Learning to Predict and Explain Systems Failures

Gabrielle Gauthier Melançon

Mémoire de maîtrise (2019)

Document en libre accès dans PolyPublie

Affichage préliminaire

Libre accès au plein texte de ce document Conditions d'utilisation: Tous droits réservés Télécharger (4MB)

Département:	Département de mathématiques et de génie industriel
Programme:	Maîtrise recherche en mathématiques appliquées
Directeurs ou directrices:	Louis-Martin Rousseau
URL de PolyPublie:	https://publications.polymtl.ca/4168/
Université/École:	Polytechnique Montréal
Date du dépôt:	08 oct. 2020 08:04
Dernière modification:	02 avr. 2026 01:15

Citer en APA 7:	Gauthier Melançon, G. (2019). Quantifying Uncertainty in Systems - Two Practical Use Cases Using Machine Learning to Predict and Explain Systems Failures [Mémoire de maîtrise, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/4168/
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Total des téléchargements à partir de PolyPublie

Téléchargements par année

Provenance des téléchargements

Actions réservées au personnel

Afficher document