 | 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.
Florio, A. M., Martins, P., Schiffer, M., Serra, T., & Vidal, T. (février 2023). Optimal Decision Diagrams for Classification [Communication écrite]. 37th AAAI Conference on Artificial Intelligence (AAAI 2023) and 35th Conference on Innovative Applications of Artificial Intelligence (IAAI 2023) and 13th Symposium on Educational Advances in Artificial Intelligence (EAAAI 2023), Washington, DC, USA. Lien externe
Hoppe, H., Enders, T., Cappart, Q., & Schiffer, M. (juillet 2024). Global Rewards in Multi-Agent Deep Reinforcement Learning for Autonomous Mobility on Demand Systems [Communication écrite]. 6th Annual Learning for Dynamics and Control Conference (L4DC 2024), Oxford, United kingdom. Lien externe
Jungel, K., Parmentier, A., Schiffer, M., & Vidal, T. (2025). Learning-Based Online Optimization for Autonomous Mobility-on-Demand Fleet Control. INFORMS journal on computing. Lien externe
Jungel, K., Parmentier, A., Schiffer, M., & Vidal, T. (2025). Code and Data Repository for Learning-Based Online Optimization for Autonomous Mobility-on-Demand Fleet Control. INFORMS journal on computing, 21 pages. Lien externe
Jungel, K., Parmentier, A., Schiffer, M., & Vidal, T. (juin 2022). Structured-Learning-Based Fleet Control for Autonomous Mobility-on-Demand Systems [Communication écrite]. 11th Triennial Symposium on Transportation Analysis conference (TRISTAN XI), Mauritius Island (4 pages). Lien externe
Santana, Í., Serrano, B., Schiffer, M., & Vidal, T. (2025). Support vector machines with the hard-margin loss: optimal training via combinatorial Benders' cuts. Journal of Global Optimization, 21 pages. Lien externe
Serrano, B., Minner, S., Schiffer, M., & Vidal, T. (2024). Bilevel optimization for feature selection in the data-driven newsvendor problem. European Journal of Operational Research, 315(2), 703-714. Disponible
Vidal, T., Pacheco, T., & Schiffer, M. (juillet 2020). Born-Again Tree Ensembles [Communication écrite]. 37th International Conference on Machine Learning (ICML). Non disponible
