 | 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.
Wang, C., Wu, D., Liao, Y., Zheng, W., Zeng, Z., Gao, X., Wu, H., Zhu, Z., Yang, J., Zhong, L., Cheng, W., Chen, Y.-H., & Sawan, M. (2026). NeuroCLIP: A Multimodal Contrastive Learning Method for rTMS-treated Methamphetamine Addiction Analysis. IEEE Journal of Biomedical and Health Informatics, 13 pages. Lien externe
Li, S., Wu, D., Zhao, S., Yang, J., & Sawan, M. (2025). Memory-Efficient Intrinsic Gating Adaptation for Enhanced On-Device Epilepsy Diagnosis. IEEE Journal of Biomedical and Health Informatics, PP, 14 pages. Lien externe
Zhao, S., Li, S., Wu, D., Tian, F., Yang, J., & Sawan, M. (2025). A Resource-Efficient Algorithm-Hardware Co-Design Towards Semi-Supervised Neurological Symptoms Prediction. IEEE Transactions on Instrumentation and Measurement, 74, 12 pages. Lien externe
Abac, A., Abbott, R., Abouelfettouh, I., Acernese, F., Ackley, K., Adhicary, S., Adhikari, N., Adhikari, R. X., Adkins, V. K., Agarwal, D., Agathos, M., Aghaei Abchouyeh, M., Aguiar, O. D., Aguilar, I., Aiello, L., Ain, A., Ajith, P., Akutsu, T., Albanesi, S., ... Zubieta, E. (2025). Search for Continuous Gravitational Waves from Known Pulsars in the First Part of the Fourth LIGO-Virgo-KAGRA Observing Run. The Astrophysical Journal, 983(2), 99 (34 pages). Disponible
Chen, F., Cao, L., Wu, D., Zhang, E., Wang, T., Jiang, X., Chen, J., Wu, H., Lin, S., Hou, Q., Zhu, J., Yang, J., Sawan, M., & Zhang, Y. (2025). Acoustic inspired brain-to-sentence decoder for logosyllabic language. Cyborg and Bionic Systems, 0257 (35 pages). Lien externe
Wu, D., Li, S., Yang, J., & Sawan, M. (2024). Neuro-BERT: rethinking masked autoencoding for self-supervised neurological pretraining. IEEE Journal of Biomedical and Health Informatics, 3415959 (11 pages). Lien externe
Wu, D., Zhao, S., Yang, J., & Sawan, M. (2023). Software-Hardware Co-Design for Energy-Efficient Continuous Health Monitoring via Task-Aware Compression. IEEE Transactions on Biomedical Circuits and Systems, 17(2), 180-191. Lien externe
Coatanéa, É., Nagarajan, H., Mokhtarian, H., Wu, D., Panicker, S., Morales-Forero, A., & Bassetto, S. (2023). Graph models for engineering design: Model encoding, and fidelity evaluation based on dataset and other sources of knowledge. AI EDAM, 37. Lien externe
Wu, D., Yang, J., & Sawan, M. (octobre 2023). Task-aware Compression for Wearable Sensor Data [Communication écrite]. Biomedical Circuits and Systems Conference (BioCAS 2023), Toronto, ON, Canada (5 pages). Lien externe
Zhao, S., Wu, D., Yang, J., & Sawan, M. (octobre 2022). A Resource-Efficient and Data-Restricted Training Method Towards Neurological Symptoms Prediction [Communication écrite]. Biomedical Circuits and Systems Conference (BioCAS 2022), Taipei, Taiwan. Lien externe
