 | 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.
Boisvert, L., Verhaeghe, H., & Cappart, Q. (mai 2024). Towards a Generic Representation of Combinatorial Problems for Learning-Based Approaches [Communication écrite]. 21st International Conference on the Integration of Constraint Programming, Artificial Intelligence, and Operations Research (CPAIOR 2024), Uppsala, Sweden. Lien externe
Pesant, G., Quimper, C.-G., & Verhaeghe, H. (juin 2022). Practically uniform solution sampling in constraint programming [Communication écrite]. 19th International Conference on Integration of Constraint Programming, Artificial Intelligence and Operations Research (CPAIOR 2022), Los Angeles, CA, USA. Lien externe
Verhaeghe, H., Cappart, Q., Pesant, G., & Quimper, C.-G. (juin 2025). Apprentissage de précédences pour des problèmes de planification avec des réseaux de neurones en graphes [Communication écrite]. Plate-Forme Intelligence Artificielle (PFIA'25), Dijon, France (3 pages). Lien externe
Verhaeghe, H., Cappart, Q., Pesant, G., & Quimper, C.-G. (septembre 2024). Learning Precedences for Scheduling Problems with Graph Neural Networks [Communication écrite]. 30th International Conference on Principles and Practice of Constraint Programming (CP 2024), Girona, Spain (18 pages). Lien externe
Verhaeghe, H., Nijssen, S., Pesant, G., Quimper, C.-G., & Schaus, P. (juin 2021). Learning Optimal Decision Trees using Constraint Programming [Communication écrite]. 16th French-Speaking Conference on Constraint Programming (JFPC 2021). Non disponible
Verhaeghe, H., Nijssen, S., Pesant, G., Quimper, C.-G., & Schaus, P. (2020). Learning optimal decision trees using constraint programming. Constraints, 25(3-4), 226-250. Lien externe
Verhaeghe, H., Nijssen, S., Pesant, G., Quimper, C.-G., & Schaus, P. (janvier 2021). Learning optimal decision trees using constraint programming (extended abstract) [Communication écrite]. 29th International Joint Conference on Artificial Intelligence (IJCAI 2020), Yokohama, Japan. Lien externe
