 | 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.
Bengio, Y., Frejinger, E., Lodi, A., Patel, R., & Sankaranarayanan, S. (septembre 2020). A Learning-Based Algorithm to Quickly Compute Good Primal Solutions for Stochastic Integer Programs [Communication écrite]. 17th International Conference on Integration of Constraint Programming, Artificial Intelligence, and Operations Research. (CPAIOR 2020), Vienna, Austria. Lien externe
de Souza, D. M., Boukelouha, R., Frejinger, E., Morency, C., Mousseau, N., & Trépanier, M. (juillet 2023). An identification of models to help in the design of national strategies and policies to reduce greenhouse gas emissions. [Communication écrite]. World Conference on Transport Research (WCTR 2023), Montréal, Québec. Publié dans Transportation Research Procedia, 82. Disponible
Frejinger, E., Trépanier, M., Amiel, M., Charbonneau, M., Bastin, F., Larsen, E., & Ryo Morin, L. (mars 2015). Analyse des accès aux terminus intermodaux de l'île de Montréal à partir de traces GPS [Communication écrite]. 50e Congrès de l'Association québécoise des transports, Montréal, Québec. Lien externe
Frejinger, E., Morin, L. R., Bastin, F., Larsen, E., Trépanier, M., & Morency, C. (2014). Analyse de données Otto View : Rapport d'étude. (Rapport technique). Non disponible
Larsen, E., Frejinger, E., Gendron, B., & Lodi, A. (2023). Fast Continuous and Integer L-Shaped Heuristics Through Supervised Learning. Informs Journal on Computing, 21 pages. Lien externe
Larsen, E., Lachapelle, S., Bengio, Y., Frejinger, E., Lacoste-Julien, S., & Lodi, A. (2021). Predicting Tactical Solutions to Operational Planning Problems Under Imperfect Information. INFORMS Journal on Computing, 34(1), 227-242. Lien externe
Larsen, E., Lachapelle, S., Bengio, Y., Frejinger, E., Lacoste-Julien, S., & Lodi, A. (2019). Predicting tactical solutions to operational planning problems under imperfect information. (Rapport technique n° DS4DM-2019-003). Lien externe
Morin, L. R., Bastin, F., Frejinger, E., & Trépanier, M. (2019). Modelling Truck Route Choices in an Urban Area Using a Recursive Logit Model and GPS Data. Dans Awasthi, A. (édit.), Sustainable City Logistics Planning: Methods and Applications . Lien externe
Mai, T., Bastin, F., & Frejinger, E. (2018). A decomposition method for estimating recursive logit based route choice models. EURO Journal on Transportation and Logistics, 7(3), 253-275. Lien externe
Mai, T., Frejinger, E., Fosgerau, M., & Bastin, F. (2017). A dynamic programming approach for quickly estimating large network-based MEV models. Transportation Research Part B: Methodological, 98, 179-197. Lien externe
Morin, L. R., Bastian, F., Frejinger, E., & Trépanier, M. (janvier 2017). A GPS-based recursive logit model for truck route choice in urban area [Communication écrite]. TRB 96th Annual Meeting Compendium of Papers, Washington DC, United States (11 pages). Lien externe
Mai, T., Bastin, F., & Frejinger, E. (2017). On the similarities between random regret minimization and mother logit: The case of recursive route choice models. Journal of Choice Modelling, 23, 21-33. Lien externe
Sadana, U., Chenreddy, A., Delage, E., Forel, A., Frejinger, E., & Vidal, T. (2024). A survey of contextual optimization methods for decision-making under uncertainty. European Journal of Operational Research, 19 pages. Lien externe
Sadana, U., Chenreddy, A., Delage, E., Forel, A. R. G., Frejinger, E., & Vidal, T. (2023). A survey of contextual optimization methods for decision making under uncertainty. (Rapport technique n° G-2023-22). Lien externe
Zimmermann, M., Mai, T., & Frejinger, E. (2017). Bike route choice modeling using GPS data without choice sets of paths. Transportation Research Part C: Emerging Technologies, 75, 183-196. Lien externe
Zimmermann, M., Mai, T., & Frejinger, E. (2016). Bike route choice modeling using GPS data without choice sets of paths. (Rapport technique n° CIRRELT-2016-49). Lien externe
