 | 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.
Henwood, S. (2024). Optimisation de réseaux de neurones profonds pour déploiement sur matériel incertain à faible consommation d'énergie [Thèse de doctorat, Polytechnique Montréal]. Disponible
Henwood, S., Torcato Mordido, G. F., Savaria, Y., Anbil Parthipan, S. C., & Leduc-Primeau, F. (octobre 2024). Sharpness-Aware Minimization Scaled by Outlier Normalization for Robust DNNs on In-Memory Computing Accelerators [Communication écrite]. 58th Asilomar Conference on Signals, Systems, and Computers, Pacific Grove, CA, USA. Lien externe
Henwood, S., Savaria, Y., & Leduc-Primeau, F. (novembre 2024). MemNAS: Super-net Neural Architecture Search for Memristor-based DNN Accelerators [Communication écrite]. IEEE Workshop on Signal Processing Systems (SiPS 2024), Cambridge, MA, USA (6 pages). Lien externe
Henwood, S., Leduc-Primeau, F., & Savaria, Y. (août 2020). Layerwise noise maximisation to train low-energy deep neural networks [Communication écrite]. 2nd IEEE International Conference on Artificial Intelligence Circuits and Systems (AICAS 2020), Genova, Italy. Lien externe
Henwood, S. (2019). Algorithme de l'alpiniste pour l'étude de cartes de contrôle en coordonnées parallèles [Mémoire de maîtrise, Polytechnique Montréal]. Disponible
Kern, J., Henwood, S., Torcato Mordido, G. F., Dupraz, E., Aissa-El-Bey, A., Savaria, Y., & Leduc-Primeau, F. (2024). Fast and Accurate Output Error Estimation for Memristor-Based Deep Neural Networks. IEEE Transactions on Signal Processing, 72, 1205-1218. Lien externe
Kern, J., Henwood, S., Torcato Mordido, G. F., Dupraz, E., Aissa-El-Bey, A., Savaria, Y., & Leduc-Primeau, F. (juin 2022). MemSE: Fast MSE Prediction for Noisy Memristor-Based DNN Accelerators [Communication écrite]. IEEE International Conference on Artificial Intelligence Circuits and Systems (AICAS) - Intelligent Technology in the Post-Pandemic Era, Incheon, South Korea. Lien externe
Tamrin, M. O., Henwood, S., Dubois, J.-F., Brault, J.-J., Chidami, S., & Bassetto, S. (juin 2019). Using deep learning approaches to overcome limited dataset issues within semiconductor domain [Communication écrite]. 17th IEEE International New Circuits and Systems Conference (NEWCAS 2019), Munich, Germany (4 pages). Lien externe
