![]() | Monter d'un niveau |
Ce graphique trace les liens entre tous les collaborateurs des publications de Jean Bigeon figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Un nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur Jean Bigeon. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Audet, C., Bigeon, J., Couderc, R., & Kokkolaras, M. (2023). Risk averse constrained blackbox optimization under mixed aleatory/epistemic uncertainties. (Rapport technique n° G-2023-46). Lien externe
Audet, C., Bigeon, J., Couderc, R., & Kokkolaras, M. (2023). Sequential stochastic blackbox optimization with zeroth-order gradient estimators. AIMS Mathematics, 8(11), 25922-25956. Disponible
Audet, C., Bigeon, J., Couderc, R., & Kokkolaras, M. (2023). Sequential stochastic blackbox optimization with zeroth order gradient estimator. (Rapport technique n° G-2023-16). Lien externe
Audet, C., Bigeon, J., Couderc, R., & Kokkolaras, M. (2022). Risk-adverse optimization by Conditional Value-at-Risk and stochastic approximation. (Rapport technique n° G-2022-04). Lien externe
Audet, C., Bigeon, J., & Couderc, R. (2021). Combining Cross-Entropy and MADS Methods for Inequality Constrained Global Optimization. Operations Research Forum, 2(3), 26 pages. Lien externe
Audet, C., Bigeon, J., Cartier, D., Le Digabel, S., & Salomon, L. (2021). Performance indicators in multiobjective optimization. European Journal of Operational Research, 292(2), 397-422. Lien externe
Audet, C., Bigeon, J., & Couderc, R. (2020). Combining Cross Entropy and MADS methods for inequality constrained optimization. (Rapport technique n° G-2020-59). Lien externe
Angla, C., Bigeon, J., & Orban, D. (2020). Modeling and solving bundle adjustment problems. (Rapport technique n° G-2020-42). Lien externe
Bigeon, J., Le Digabel, S., & Salomon, L. (2024). Handling of constraints in multiobjective blackbox optimization. Computational Optimization and Applications, 45 pages. Lien externe
Bigeon, J., Orban, D., & Raynaud, P. (2023). A framework around limited-memory partitioned quasi-Newton methods. (Rapport technique n° G-2023-17). Lien externe
Bigeon, J., Le Digabel, S., & Salomon, L. (2022). Handling of constraints in multiobjective blackbox optimization. (Rapport technique n° G-2022-10). Lien externe
Bigeon, J., Le Digabel, S., & Salomon, L. (2021). DMulti-MADS: mesh adaptive direct multisearch for bound-constrained blackbox multiobjective optimization. Computational Optimization and Applications, 79(2), 301-338. Lien externe
Bigeon, J., Le Digabel, S., & Salomon, L. (2020). DMulti-MADS: Mesh adaptive direct multisearch for blackbox multiobjective optimization. (Rapport technique n° G-2020-25). Lien externe
Raynaud, P., Orban, D., & Bigeon, J. (2023). PLSR1 : a limited-memory partioned quasi-Newton optimizer for partially-separable loss functions. (Rapport technique n° G-2023-41). Lien externe