 | 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.
Goyette, P.-A., Boulais, É., Normandeau, F., Laberge, G., Juncker, D., & Gervais, T. (2019). Microfluidic multipoles theory and applications. Nature Communications, 10(1), 1781 (10 pages). Disponible
Goyette, P.-A., Boulais, É., Normandeau, F., Laberge, G., Juncker, D., & Gervais, T. (novembre 2018). Reconfigurable multipolar open-space microfluidics [Communication écrite]. 22nd International Conference on Miniaturized Systems for Chemistry and Life Sciences (MicroTAS 2018), Kaohsiung, Taiwan. Non disponible
Langlade, L., Ferry, J., Laberge, G., & Vidal, T. (2025). Fairness and Sparsity Within Rashomon Sets: Enumeration-Free Exploration and Characterization. Proceedings of the AAAI/ACM Conference on AI Ethics and Society, 8(2), 1536-1547. Présentée à 8th AAAI/ACM Conference on AI, Ethics, and Society (AIES 2025), Madrid, Spain. Lien externe
Laberge, G. (2024). Trustworthy Additive Explanations of Machine Learning Models through Increased Alignment [Thèse de doctorat, Polytechnique Montréal]. Disponible
Laberge, G., Pequignot, Y., Marchand, M., & Khomh, F. (mai 2024). Tackling the XAI Disagreement Problem with Regional Explanations [Communication écrite]. 27th International Conference on Artificial Intelligence and Statistics (AISTATS 2024), Valencia, Spain. Lien externe
Laberge, G., Pequignot, Y., Mathieu, A., Khomh, F., & Marchand, M. (2023). Partial Order in Chaos: Consensus on Feature Attributions in the Rashomon Set. Journal of Machine Learning Research, 24(364), 50 pages. Lien externe
Laberge, G. (2020). Statistical Analysis of Spherical Harmonics Representations of Soil Particles [Mémoire de maîtrise, Polytechnique Montréal]. Disponible
Laberge, G., Shirzad, S., Diehl, P., Kaiser, H., Prudhomme, S., & Lemoine, A. (novembre 2019). Scheduling Optimization of Parallel Linear Algebra Algorithms Using Supervised Learning [Communication écrite]. IEEE/ACM Workshop on Machine Learning in High Performance Computing Environments (MLHPC 2019), Denver, CO, USA. Lien externe
Oueslati, K., Laberge, G., Lamothe, M., & Khomh, F. (2024). Mining Action Rules for Defect Reduction Planning. Proceedings of the ACM on Software Engineering, 1(FSE), 2309-2331. Disponible
Openja, M., Laberge, G., & Khomh, F. (2024). Detection and evaluation of bias-inducing features in machine learning. Empirical Software Engineering, 29(1), 71 pages. Lien externe
Roy, S., Laberge, G., Roy, B., Khomh, F., Nikanjam, A., & Mondal, S. (octobre 2022). Why Don't XAI Techniques Agree? Characterizing the Disagreements Between Post-hoc Explanations of Defect Predictions [Communication écrite]. IEEE International Conference on Software Maintenance and Evolution (ICSME 2022), Limassol, Cyprus. Lien externe
Tambon, F., Laberge, G., An, L., Nikanjam, A., Mindom, P. S. N., Pequignot, Y., Khomh, F., Antoniol, G., Merlo, E., & Laviolette, F. (2022). How to certify machine learning based safety-critical systems? A systematic literature review. Automated Software Engineering, 29(2). Lien externe
