How to improve the future efficiency of Covid-19 treatment centers? A hybrid framework combining artificial neural network and congestion approach of data envelopment analysis

Saeed Yousefi, Hadi Shabanpour, Kian Ghods, Reza Farzipoor Saen

Article de revue (2023)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel
Département:
Département de mathématiques et de génie industriel
Adresse URL de PolyPublie:
https://publications.polymtl.ca/53306/
Titre de la revue :
Computers & Industrial Engineering ( vol. 176 )
Maison d'édition:
Elsevier
DOI:
10.1016/j.cie.2022.108933
URL officielle:
https://doi.org/10.1016/j.cie.2022.108933
OAI:
oai:publications.polymtl.ca:53306
ORCID
Date du dépôt:
18 avr. 2023 14:58
Dernière modification:
14 oct. 2026 14:11
Citer en APA 7:
Yousefi, S., Shabanpour, H., Ghods, K., & Saen, R. F. (2023). How to improve the future efficiency of Covid-19 treatment centers? A hybrid framework combining artificial neural network and congestion approach of data envelopment analysis. Computers & Industrial Engineering, 176, 108933 (11 pages). https://doi.org/10.1016/j.cie.2022.108933

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document