 | 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.
Elsheikh, A., Yacout, S., Ouali, M.-S., & Shaban, Y. (2020). Failure time prediction using adaptive logical analysis of survival curves and multiple machining signals. Journal of Intelligent Manufacturing, 31(2), 403-415. Lien externe
Abdelsalam, A. M., Elsheikh, A., Chidambaram, S., David, J. P., & Langlois, J. M. P. (2020). POLYBiNN: Binary Inference Engine for Neural Networks using Decision Trees. Journal of Signal Processing Systems, 92(1), 95-107. Lien externe
Elsheikh, A., Yacout, S., & Ouali, M.-S. (2018). Bidirectional handshaking LSTM for remaining useful life prediction. Neurocomputing, 323(148-156), 148-156. Lien externe
Abdelsalam, A. M., Elsheikh, A., David, J. P., & Langlois, J. M. P. (octobre 2019). POLYCiNN: Multiclass Binary Inference Engine using Convolutional Decision Forests [Communication écrite]. 13th Conference on Design and Architectures for Signal and Image Processing (DASIP 2019), Montréal, Qc, Canada. Lien externe
Abdelsalam, A. M., Elsheikh, A., David, J. P., & Langlois, J. M. P. (octobre 2018). POLYBiNN: A Scalable and Efficient Combinatorial Inference Engine for Neural Networks on FPGA [Communication écrite]. Conference on Design and Architectures for Signal and Image Processing (DASIP 2018), Porto, Portugal. Lien externe
Elsheikh, A. (2018). Analytics of Sequential Time Data from Physical Assets [Thèse de doctorat, École Polytechnique de Montréal]. Disponible
