Ambre Dupuis, Camélia Dadouchi
, Bruno Agard et Robert Pellerin
Communication écrite (2022)
Un lien externe est disponible pour ce document
| Département: | Département de mathématiques et de génie industriel |
|---|---|
| Centre de recherche: | LID - Laboratoire en intelligence des données |
| URL de PolyPublie: | https://publications.polymtl.ca/54099/ |
| Nom de la conférence: | International Conference on ENTERprise Information Systems (CENTERIS 2022) |
| Lieu de la conférence: | Lisbon, Portugal |
| Date(s) de la conférence: | 2022-11-09 - 2022-11-11 |
| Titre de la revue: | Procedia Computer Science (vol. 219) |
| Maison d'édition: | Elsevier |
| DOI: | 10.1016/j.procs.2023.01.300 |
| URL officielle: | https://doi.org/10.1016/j.procs.2023.01.300 |
| Date du dépôt: | 10 juil. 2023 16:30 |
| Dernière modification: | 25 sept. 2024 16:45 |
| Citer en APA 7: | Dupuis, A., Dadouchi, C., Agard, B., & Pellerin, R. (novembre 2022). Forecasting future product sequences to be processed in tire production using deep learning technique [Communication écrite]. International Conference on ENTERprise Information Systems (CENTERIS 2022), Lisbon, Portugal. Publié dans Procedia Computer Science, 219. https://doi.org/10.1016/j.procs.2023.01.300 |
|---|---|
Statistiques
Dimensions
Actions réservées au personnel
|
Afficher document |
