Documents dont l'auteur est "Nikanjam, Amin"
Monter d'un niveau
Aide
Ce 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.
Aide
Un 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.
B
Bouchoucha, R., Haj Yahmed, A., Patil, D., Rajendran, J., Nikanjam, A., Anbil Parthipan, S. C., & Khomh, F. (octobre 2024). Toward Debugging Deep Reinforcement Learning Programs with RLExplorer [Communication écrite]. IEEE International Conference on Software Maintenance and Evolution (ICSME 2024), Flagstaff, AZ, USA. Lien externe
C
Chitsazian, Z., Sedighian Kashi, S., & Nikanjam, A. (2026). Detecting concept drift in just-in-time software defect prediction using model interpretation. International Journal of Systems Assurance Engineering and Management, 22 pages. Lien externe
I
Islam, M. R., Roy, B., Hassan, M., & Nikanjam, A. (novembre 2024). Just-in-Time and Real-Time Bug-Inducing Commit Prediction Using a Federated Learning Approach [Communication écrite]. 34th International Conference on Collaborative Advances in Software and COmputiNg (CASCON 2024), Toronto, ON, Canada. Lien externe
J
Jamshidi, S., Nafi, K. W., Khomh, F., & Nikanjam, A. (2026). Green Intrusion Detection Systems for IoT. Lien externe
Jamshidi, S., Shahabi, N., Nikanjam, A., Wazed Nafi, K., Khomh, F., & Fung, C. (2025). The role of Large Language Models in IoT security: A systematic review of advances, challenges, and opportunities [Commentaire ou lettre]. Internet of Things, 34, 101735 (31 pages). Lien externe
Jamshidi, S., Nikanjam, A., Wazed Nafi, K., & Khomh, F. (2025). Understanding the impact of IoT security patterns on CPU usage and energy consumption: a dynamic approach for selecting patterns with deep reinforcement learning. International Journal of Information Security, 24(2), 40 pages. Lien externe
Jamshidi, S., Amirnia, A., Nikanjam, A., Wazed Nafi, K., Khomh, F., & Keivanpour, S. (2025). Self-adaptive cyber defense for sustainable IoT: A DRL-based IDS optimizing security and energy efficiency. Journal of Network and Computer Applications, 104176. Lien externe
Jamshidi, S., Nikanjam, A., Wazed Nafi, K., Khomh, F., & Rasta, R. (2025). Application of deep reinforcement learning for intrusion detection in Internet of Things: A systematic review. Internet of Things, 31, 101531 (29 pages). Lien externe
M
Majidi, F., Khomh, F., Li, H., & Nikanjam, A. (2025). An efficient model maintenance approach for MLOps. Empirical Software Engineering, 31(1), 48 pages. Lien externe
Morovati, M. M., Nikanjam, A., Khomh, F., & Jiang, Z. M. (2023). Bugs in machine learning-based systems: a faultload benchmark [Ensemble de données]. Lien externe
Morovati, M. M., Nikanjam, A., Khomh, F., & Jiang, Z. M. (2023). Bugs in machine learning-based systems: a faultload benchmark. Empirical Software Engineering, 28, 62 (33 pages). Lien externe
N
Nouwou Mindom, P. S., Da Silva, L., Nikanjam, A., & Khomh, F. (2025). Continuously Learning Bug Locations. ACM Transactions on Software Engineering and Methodology. Lien externe
Nikanjam, A., & Khomh, F. (septembre 2021). Design Smells in Deep Learning Programs: An Empirical Study [Communication écrite]. IEEE International Conference on Software Maintenance and Evolution (ICSME 2021), Luxembourg, Netherlands. Lien externe
T
Tambon, F., Moradidakhel, A., Nikanjam, A., Khomh, F., Desmarais, M. C., & Antoniol, G. (2025). Bugs in large language models generated code: an empirical study. Empirical Software Engineering, 30(3), 48 pages. Lien externe