Documents dont l'auteur est "Dufour, Steven"

Steven DufourDépartement de mathématiques et de génie industrielVoir sa fiche dans le Répertoire des Expertises de Polytechnique Montréal

Réseau de collaboration

Veuillez patienter

Aide

Ce graphique trace les liens entre tous les collaborateurs des publications de {} 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.

Nuage de mots

Aide

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 {}. 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.

A

Arab, H., Ghaffari, I., Chioukh, L., Tatu, S. O., & Dufour, S. (2022). A Convolutional Neural Network for Human Motion Recognition and Classification Using a Millimeter-Wave Doppler Radar. IEEE Sensors Journal, 22(5), 4494-4502. Lien externe

Arab, H., Wang, D., Wu, K., & Dufour, S. (2022). A Full-Wave Discontinuous Galerkin Time-Domain Finite Element Method for Electromagnetic Field Mode Analysis. IEEE Access, 10, 125243-125253. Lien externe

Arab, H., Ghaffari, I., Evina, R. M., Tatu, S. O., & Dufour, S. (2022). A Hybrid LSTM-ResNet Deep Neural Network for Noise Reduction and Classification of V-Band Receiver Signals. IEEE Access, 10, 14797-14806. Lien externe

Arab, H., Arabsalmanabadi, B., & Dufour, S. (2022). A novel time‐domain numerical methodology for the electromagnetic analysis of an H‐plane tee power divider. The Journal of Engineering, 2022(10), 1032-1036. Lien externe

Arab, H., Ghaffari, I., Chioukh, L., Tatu, S. O., & Dufour, S. (2021). Machine Learning Based Object Classification and Identification Scheme Using an Embedded Millimeter-Wave Radar Sensor. Sensors, 21(13), 4291 (12 pages). Disponible

Arab, H., Arabsalmanabadi, B. A., Al-Haddad, K., & Dufour, S. (octobre 2021). Analyzing Rectangular Coil Wireless Power Transfer Based on Time Domain Discontinue Galerkin Method [Communication écrite]. 47th Annual Conference of the IEEE Industrial Electronics Society (IECON 2021), Toronto, ON, Canada (4 pages). Lien externe

Arabsalmanabadi, B., Arab, H., Amador, V. H. G., Dufour, S., & Al-Haddad, K. (2021). A three-dimensional discontinuous galerkin time-domain finite element method for electromagnetic modeling of wireless power transfer coils. IEEE Open Journal of the Industrial Electronics Society, 2, 360-371. Disponible

Arabsalmanabadi, B., Porras, P., Arab, H., Dufour, S., & Al-Haddad, K. (février 2020). Analytical Design Study of Spiral Circular Coils for Efficient Magnetic Resonant Coupling Power Transmission in EV Chargers [Communication écrite]. IEEE International Conference on Industrial Technology (ICIT 2020), Buenos Aires, Argentina. Lien externe

Arab, H., Chioukh, L., Dashti Ardakani, M., Dufour, S., & Tatu, S. O. (2020). Early-Stage Detection of Melanoma Skin Cancer Using Contactless Millimeter-Wave Sensors. IEEE Sensors Journal, 20(13), 7310-7317. Lien externe

Arab, H., Dufour, S., Moldovan, E., Akyel, C., & Tatu, S. O. (2019). Accurate and Robust CW-LFM Radar Sensor: Transceiver Front-End Design and Implementation. IEEE Sensors Journal, 19(5), 1943-1950. Lien externe

Arabsalmanabadi, B., Arab, H., Dufour, S., & Al-Haddad, K. (octobre 2019). Analytical and Numerical Design Study of Torus Coils with Misalignment for Efficient Inductive Energy Transmission in EV Chargers [Communication écrite]. 45th Annual Conference of the IEEE Industrial Electronics Society (IECON 2019), Lisbon, Portugal. Lien externe

Arab, H., Dufour, S., Moldovan, E., Akyel, C., & Tatu, S. O. (2018). A 77-GHz six-port sensor for accurate near-field displacement and doppler measurements. Sensors, 18(8), 1-19. Disponible

D

Dufour, S., & Malidi, A. (2004). A Free Surface Updating Methodology for Marker Function-Based Eulerian Free Surface Capturing Techniques on Unstructured Meshes. Communications in Numerical Methods in Engineering, 20(11), 857-867. Lien externe

Dufour, S., & Pelletier, D. (2001). Computations of Multiphase Flows With Surface Tension Using an Adaptive Finite Element Method. Numerical Heat Transfer. Part A, Applications, 40(4), 335-363. Lien externe

Dufour, S., & Pelletier, D. (janvier 1999). Computations of multiphase flows with surface tension using adaptive finite element methods [Communication écrite]. 37th AIAA, Aerospace Sciences Meeting and Exhibit, Reno, NV. Lien externe

Dufour, S. (1999). Méthodes d'éléments finis adaptatives pour les écoulements multifluides [Thèse de doctorat, École Polytechnique de Montréal]. Disponible

Dufour, S., & Pelletier, D. (juin 1999). A study of drop dynamics using an adaptive finite element method [Communication écrite]. 14th AIAA Computational Fluid Dynamics Conference, Norfolk, VA, United States (12 pages). Lien externe

Dufour, S., & Pelletier, D. (juin 1998). An adaptive finite element method for incompressible flows with interfaces [Communication écrite]. 29th AIAA Fluid Dynamics Conference, Albuquerque, NM, United States (14 pages). Lien externe

K

Khademi, A., & Dufour, S. (2025). Physics-informed neural networks with trainable sinusoidal activation functions for approximating the solutions of the Navier-Stokes equations. Computer Physics Communications, 314, 109672 (15 pages). Disponible

Khademi, A., Salari, E., & Dufour, S. (2025). Simulation of 3D turbulent flows using a discretized generative model physics-informed neural networks. International Journal of Non-Linear Mechanics, 170, 104988 (18 pages). Disponible

Khademi, A., & Dufour, S. (2024). A novel discretized physics-informed neural network model applied to the Navier–Stokes equations. Physica Scripta, 99(7), 076016 (23 pages). Disponible

L

Law, Y.-M., Tageddine, D., & Dufour, S. (2019). 3-D Numerical Modeling for the Magnetization of Superconductors Using a Local Discontinuous Galerkin Finite Element Method. IEEE Transactions on Magnetics, 5(8), 1-11. Lien externe

M

Malidi, A., Dufour, S., & N'Dri, K. D. (2005). A study of time integration schemes for the numerical modelling of free surface flows. International Journal for Numerical Methods in Fluids, 48(10), 1123-1147. Lien externe

Malidi, A., & Dufour, S. (juin 2003). A Numerical Strategy for Accurate Free Surface Capturing [Communication écrite]. Computational Fluid and Solid Mechanics (2nd MIT Conference on), Cambridge, MA. Lien externe

S

Shahshahani, A., Dufour, S., & Heuzey, M.-C. (juin 2007). Numerical Modeling of the Deformation in Polymer Blends under Shear Flow [Communication écrite]. 9th International Conference on Numerical Methods in Industrial Forming Processes, Porto (Portugal). Lien externe

V

Vallet, M.-G., Manole, C.-M., Dompierre, J., Dufour, S., & Guibault, F. (2007). Numerical comparison of some hessian recovery techniques. International Journal for Numerical Methods in Engineering, 72(8), 987-1007. Lien externe