![]() | Monter d'un niveau |
Ce graphique trace les liens entre tous les collaborateurs des publications de Patrick Diehl 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 Patrick Diehl. 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.
Nader, N., Diehl, P., D'Elia, M., Glusa, C., & Prudhomme, S. (2024). Machine learning-based identification of the interface regions for coupling local and nonlocal models. Journal of Machine Learning for Modeling and Computing, 5(3), 2024053706 (29 pages). Lien externe
Diehl, P., & Prudhomme, S. (2022). Coupling Approaches for Classical Linear Elasticity and Bond-Based Peridynamic Models. Journal of Peridynamics and Nonlocal Modeling, 4(3), 336-366. Lien externe
Diehl, P., Jha, P. K., Kaiser, H., Lipton, R., & Lévesque, M. (2020). An asynchronous and task-based implementation of peridynamics utilizing HPXthe C++ standard library for parallelism and concurrency. SN Applied Sciences, 2(12), 21 pages. Lien externe
Delorme, R., Diehl, P., Tabiai, I., Laberge Lebel, L., & Lévesque, M. (2020). Extracting constitutive mechanical parameters in linear elasticity using the virtual fields method within the ordinary state-based peridynamic framework. Journal of Peridynamics and Nonlocal Modeling, 2(2), 111-135. Lien externe
Prudhomme, S., & Diehl, P. (2020). On the treatment of boundary conditions for bond-based peridynamic models. Computer Methods in Applied Mechanics and Engineering, 372, 113391 (23 pages). Lien externe
Tabiai, I., Tkachev, G., Diehl, P., Frey, S., Ertl, T., Therriault, D., & Lévesque, M. (2019). Hybrid image processing approach for autonomous crack area detection and tracking using local digital image correlation results applied to single-fiber interfacial debonding. Engineering Fracture Mechanics, 216, 17 pages. Lien externe
Diehl, P., Prudhomme, S., & Lévesque, M. (2019). A Review of Benchmark Experiments for the Validation of Peridynamics Models. Journal of Peridynamics and Nonlocal Modeling, 1(1), 14-35. Lien externe
Diehl, P., Tabiai, I., Baumann, F. W., Therriault, D., & Lévesque, M. (2018). Long term availability of raw experimental data in experimental fracture mechanics. Engineering Fracture Mechanics, 197, 21-26. Lien externe
Bußler, M., Diehl, P., Pflüger, D., Frey, S., Sadlo, F., Ertl, T., & Schweitzer, M. A. (2017). Visualization of fracture progression in peridynamics. Computers & Graphics, 67, 45-57. Lien externe
Diehl, P., Prudhomme, S., & Seleson, P. (2020). Workshop on Experimental and Computational Fracture Mechanics 2020. (Rapport technique n° ORNL/TM-2020/1714). Lien externe
Laberge, G., Shirzad, S., Diehl, P., Kaiser, H., Prudhomme, S., & Lemoine, A. (novembre 2019). Scheduling Optimization of Parallel Linear Algebra Algorithms Using Supervised Learning [Communication écrite]. IEEE/ACM Workshop on Machine Learning in High Performance Computing Environments (MLHPC 2019), Denver, CO, USA. Lien externe
Diehl, P., Delorme, R., Tabiai, I., & Lévesque, M. (mai 2018). Extracting constitutive mechanical parameters in linear elasticity using the virtual fields method within the ordinary state-based peridynamics framework [Présentation]. Dans Optimization Days 2018, Montréal, Canada. Lien externe
Tabiai, I., Tkachev, G., Diehl, P., Frey, S., Ertl, T., Therriault, D., & Lévesque, M. (2019). Hybrid image processing approach for autonomous crack area detection and tracking using local digital image correlation results applied to single-fiber interfacial debonding [Ensemble de données]. Lien externe