الرئيسية › دليل الباحثين › Riyadh Baghdadi
Riyadh Baghdadi
الانتماء : New York University
- 5منشورات (انتماء أمريكي)
- 89مجموع المنشورات
- 1374الاستشهادات
- 13مؤشر h
الملف البحثي
لدى Riyadh Baghdadi 5 منشور(ات) مفهرسة (2021–2023). تُنشر أعماله أساسًا في «arXiv (Cornell University)»، «International Journal of Parallel Programming» و«ACM SIGPLAN International Conference on Compiler Construction (CC)». أكثر مقالاته استشهادًا هو «A Deep Learning Based Cost Model for Automatic Code Optimization» (2021)، وقد استُشهد به 37 مرة. شارك في تأليف أعماله 3 باحثًا على الأقل، منهم باحثون من مؤسسات في المملكة المتحدة.
هل هذا أنت؟ عرّف بأبحاثك
أنشئ ملفك على DzCademia مجانًا وأضف مقالاتك: ستظهر بسهولة أكبر على Google وفي مساعدي الذكاء الاصطناعي مثل ChatGPT، فيقرؤها ويستشهد بها عدد أكبر من الناس.
إنشاء ملفي المجاني إضافة منشوراتيمجالات البحث
- Parallel Computing and Optimization Techniques
- Embedded Systems Design Techniques
- Software Engineering Research
- Logic, programming, and type systems
- Advanced Neural Network Applications
المنشورات (5)
- A Hybrid Machine Learning Model for Code Optimization
- Caviar: an e-graph based TRS for automatic code optimization
- Progress Report: A Deep Learning Guided Exploration of Affine Unimodular Loop Transformations
- A Deep Learning Based Cost Model for Automatic Code Optimization
- Deep Learning and Classical Machine Learning for code mapping in Heterogeneous Platforms
مجلات النشر
- arXiv (Cornell University) × 2
- International Journal of Parallel Programming × 1
- ACM SIGPLAN International Conference on Compiler Construction (CC) × 1
- International Conference on Networking and Advanced Systems (ICNAS) × 1
المنشورات حسب السنة
- 20231
- 20222
- 20212
التعاون العلمي
المؤسسات الشريكة : Meta (United Kingdom) · Meta (United States) · Massachusetts Institute of Technology
بلدان المؤلفين المشاركين : المملكة المتحدة
المؤلفون المشاركون
البيانات البيبليوغرافية مصدرها OpenAlex (قاعدة مفتوحة).
لماذا تختارون Dzcademia؟
ملفات أكاديمية ومقالات ومداخلات علمية: امنحوا أبحاثكم حضوراً عاماً منظماً. تساعد البيانات الوصفية المدمجة محركات البحث ومساعدات الذكاء الاصطناعي على التعرف على أعمالكم وفهم مراجعها.
علّق عبر Google
سجّل الدخول عبر Google للتعليق مباشرة على هذه الصفحة.