الرئيسية › دليل الباحثين › Hanane Azzag
Hanane Azzag
الانتماء : Centre National de la Recherche Scientifique · Université Sorbonne Paris Nord · Laboratoire d'Informatique de Paris-Nord
- 24منشورات (انتماء فرنسي)
- 216مجموع المنشورات
- 928الاستشهادات
- 16مؤشر h
الملف البحثي
لدى Hanane Azzag 24 منشور(ات) مفهرسة (2015–2026). تُنشر أعماله أساسًا في «arXiv (Cornell University)»، «HAL» و«Neural Computing and Applications». أكثر مقالاته استشهادًا هو «Transfer learning from synthetic labels for histopathological images classification» (2021)، وقد استُشهد به 27 مرة. 12 من هذه المنشورات تعود إلى آخر ثلاث سنوات من النشاط. شارك في تأليف أعماله 12 باحثًا على الأقل، منهم باحثون من مؤسسات في الجزائر، تونس.
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
- Advanced Clustering Algorithms Research
- Data Visualization and Analytics
- Neural Networks and Applications
- Data Mining and Machine Learning Applications
- Metaheuristic Optimization Algorithms Research
المنشورات (24)
- Game Theory Meets Statistical Physics: A Novel Deep Neural Networks Design
- NeuroGame Transformer: Gibbs-Inspired Attention Driven by Game Theory and Statistical Physics
- A Collective Variational Principle Unifying Bayesian Inference, Game Theory, and Thermodynamics
- Coalition Free Energy and Adaptive Precision in Multi-Agent Cooperation
- MonoASR: un modèle de reconnaissance vocale multilingue frugal et unifié
- LoRA-ASR: A Parameter-Efficient and Scalable Model for Multilingual ASR
- Redesigning deep neural networks: Bridging game theory and statistical physics
- OneEncoder: a lightweight framework for efficient multimodal training
- Distributed Collapsed Gibbs Sampler for Dirichlet Process Mixture Models in Federated Learning
- Lightweight Cross-Modal Representation Learning
- Adaptative Context Normalization: A Boost for Deep Learning in Image Processing
- Game Theory Meets Statistical Mechanics in Deep Learning Design
- Context Normalization Layer with Applications
- Regions of interest selection in histopathological images using subspace and multi-objective stream clustering
- Transfer learning from synthetic labels for histopathological images classification
- A New Subspace Multi-Objective Approach for the Clustering and Selection of Regions of Interests in Histopathological Images
- Subspace data stream clustering with global and local weighting models
- Soft Subspace Growing Neural Gas for Data Stream Clustering
- Soft Subspace Topological Clustering over Evolving Data Stream
- An ant-based new clustering model for graph proximity construction
- A Distributed Rough Set Theory Algorithm based on Locality Sensitive Hashing for an Efficient Big Data Pre-processing
- CL-AntInc Algorithm for Clustering Binary Data Streams Using the Ants Behavior
- How to use ants for data stream clustering
- Clustering of Binary Data Sets Using Artificial Ants Algorithm
مجلات النشر
- arXiv (Cornell University) × 3
- HAL × 3
- Neural Computing and Applications × 2
- IEEE Congress on Evolutionary Computation (CEC) × 2
- Lecture notes in computer science × 2
- IEEE Transactions on Cybernetics × 1
المنشورات حسب السنة
- 20266
- 20252
- 20244
- 20231
- 20221
- 20212
- 20201
- 20193
- 20181
- 20161
التعاون العلمي
المؤسسات الشريكة : Données et algorithmes pour une ville intelligente et durable · Université de Versailles Saint-Quentin-en-Yvelines · Université Paris-Saclay · Laboratoire d'Informatique, du Traitement de l'Information et des Systèmes · University of Sfax
بلدان المؤلفين المشاركين : الجزائر · تونس
المؤلفون المشاركون
- Mustapha Lebbah
- Bilal Faye
- Mohammed Oualid Attaoui
- Djamel Bouchaffra
- Nesrine Masmoudi
- Cyrille Bertelle
- Ilyes Oukid
- Mohammed Ghesmoune
- Mustapha Lebbah
- Cyrille Bertelle
- Djamel Bouchaffra
- Djamel Bouchaffra
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.