 | 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.
Taboga, V., & Dagdougui, H. (2024). A Distributed ADMM-Based Deep Learning Approach for Thermal Control in Multi-Zone Buildings Under Demand Response Events. IEEE Transactions on Automation Science and Engineering, 3435073 (15 pages). Lien externe
Taboga, V., Gehring, C., Le Cam, M., Dagdougui, H., & Bacon, P.-L. (2024). Neural differential equations for temperature control in buildings under demand response programs. Applied Energy, 368, 123433 (14 pages). Lien externe
Taboga, V., Bellahsen, A., & Dagdougui, H. (2022). An Enhanced Adaptivity of Reinforcement Learning-Based Temperature Control in Buildings Using Generalized Training. IEEE Transactions on Emerging Topics in Computational Intelligence, 6(2), 255-266. Lien externe
Taboga, V., Bellahsen, A., & Dagdougui, H. (août 2020). Deep reinforcement learning for peak load reduction in aggregated residential houses [Communication écrite]. 2020 IEEE Power and Energy Society General Meeting (PESGM 2020), Montréal, Qc, Canada (5 pages). Lien externe
Taboga, V. (2024). On Intelligent and Adaptive Control of Thermal Loads in Buildings under Demand Response Programs [Thèse de doctorat, Polytechnique Montréal]. Disponible
