 | Monter d'un niveau |
Réseau de collaborationCe 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 motsUn 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.
Kruse, J., Ciechanowski, L., Dupuis, A., & Gloor, P. A. (2024). Leveraging the sensitivity of plants with deep learning to recognize human emotions. Sensors, 24(6), 1917 (22 pages). Disponible
Dupuis, A., Dadouchi, C., & Agard, B. (2023). Methodology for multi-temporal prediction of crop rotations using recurrent neural networks. Smart Agricultural Technology, 4, 100152 (13 pages). Disponible
Dupuis, A., Dadouchi, C., & Agard, B. (2023). Performances of a Seq2Seq-LSTM methodology to predict crop rotations in Québec. Smart Agricultural Technology, 4, 100180 (12 pages). Disponible
Dupuis, A., Dadouchi, C., & Agard, B. (2023). A decision support system for sequencing production in the manufacturing industry. Computers & Industrial Engineering, 185, 109686 (14 pages). Lien externe
Dupuis, A., Dadouchi, C., & Agard, B. (2022). Predicting crop rotations using process mining techniques and Markov principals. Computers and Electronics in Agriculture, 194, 106686 (16 pages). Lien externe
Parrenin, L., Dupuis, A., Danjou, C., & Agard, B. (novembre 2024). Machine Learning Tool for Yield Maximization in Cream Cheese Production [Communication écrite]. 5th International Conference on Innovative Intelligent Industrial Production and Logistics (IN4PL 2024), Porto, Portugal. Publié dans Communications in computer and information science. Lien externe
Puech, L., Dupuis, A., Dadouchi, C., & Pellerin, R. (juillet 2024). Applied Data Analytics Approach for Defect Root Causes Analysis in Manufacturing: The Case of Multi-Product Assembly Lines [Communication écrite]. 2024 IEEE 48th Annual Computers, Software, and Applications Conference (COMPSAC 2024), Osaka, Japan. Lien externe
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. Lien externe
Dupuis, A., Dadouchi, C., & Agard, B. (juin 2023). Technologies numériques et émotions : spectre d'analyse du comportement décisionnel des travailleurs [Communication écrite]. CIGI Qualita MOSIM 2023, Trois-Rivières, Qc, Canada (7 pages). Lien externe
Dupuis, A., Dadouchi, C., & Agard, B. (juin 2022). Tacit knowledge in production sequencing: a Seq2Seq-LSTM approach [Communication écrite]. 10th IFAC Conference on Manufacturing Modelling, Management and Control (MIM 2022), Nantes, France. Publié dans IFAC PapersOnLine, 55(10). Lien externe
Dupuis, A. (2024). Modèles d'intelligence artificielle pour la prise de décision séquentielle : l'apprentissage profond appliqué à la production manufacturière et agricole [Thèse de doctorat, Polytechnique Montréal]. Disponible
