Accueil › Annuaire des chercheurs › Hakima Reddad
Hakima Reddad
Affiliation : Mohammed V University · Université Ibn-Tofail
- 17Publications (affiliation marocaine)
- 18Publications au total
- 40Citations
- 4Indice h
Profil de recherche
Hakima Reddad compte 17 publications référencées (2021–2026). Ses travaux paraissent principalement dans « International Conference on Connected Innovation and Technology (ICCITX) », « International Conference on Smart-Digital-Green Technologies and Artificial Intelligence Sciences (CSDGAIS) » et « International Conference on Control, Decision and Information Technologies (CoDIT) ». Son article le plus cité, « A comparative study of several metaheuristic algorithms for optimization problems » (2022), a été cité 18 fois. 15 de ces publications datent des trois dernières années d’activité. Ses travaux sont cosignés avec au moins 12 chercheurs, notamment dans des établissements de France.
C’est vous ? Faites connaître vos travaux
Créez gratuitement votre profil DzCademia et ajoutez vos articles : ils apparaîtront plus facilement sur Google et dans les assistants d’IA comme ChatGPT. Plus de personnes pourront vous lire et vous citer.
Créer mon profil gratuit Ajouter mes publicationsDomaines de recherche
- Metaheuristic Optimization Algorithms Research
- Electronic Packaging and Soldering Technologies
- Reliability and Maintenance Optimization
- Probabilistic and Robust Engineering Design
- Digital Transformation in Industry
Publications (17)
- Surrogate-Based Uncertainty Quantification for Coupled Structural–Acoustic Problems
- Machine Learning Application in Healthcare: A Case Study Using Ensemble Methods for Hospital Length of Stay Prediction
- A Sector-Specific Digital Maturity Model for Pharmaceutical Organizations
- PMA-SAR Framework for Reliability-Based Design Optimization: Application to Lead-Free BGA Solder Joint Reliability
- Digitalizing the Digital Transformation Accompaniment Process: 5-Step Digital Transformation Journey Framework
- An Integrated Nine-Dimensional Framework for Pharmaceutical Digital Transformation : I9D-PDT
- Improved Information Sharing Mechanism (I2SM) for Metaheuristic Efficiency: A PSO Case Study
- Reliability Assessment of Solder Ball Joints Using Finite Element Analysis and Machine Learning techniques
- Reliability-Based Design Optimization of BGA Assembly Using Hybrid FEM-ANNs Approach
- Industrial DevOps Soft: A New Framework for Enhancing Industry 4.0 Efficiency
- Enhancing the Prediction of Mechanical Properties of 3D-Printed Parts Through Machine Learning
- Improving the performance of the metaheuristic optimization algorithm SAR by leveraging the fine-tuning process
- Hybrid model of the FEM method and the SAR algorithm to perform reliability-based design optimization of the solder joints in the BGA assembly
- EMR-NG: New-Generation Solutions for Healthcare
- Data Visualization and Hybrid Metaheuristics: Enhanced Particle Swarm Optimization for Healthcare
- A comparative study of several metaheuristic algorithms for optimization problems
- Optimisation métaheuristique et en application mécatronique
Revues de publication
- International Conference on Connected Innovation and Technology (ICCITX) × 4
- International Conference on Smart-Digital-Green Technologies and Artificial Intelligence Sciences (CSDGAIS) × 3
- International Conference on Control, Decision and Information Technologies (CoDIT) × 2
- Acoustics × 1
- International Journal of Advanced Computer Science and Applications × 1
- Lecture notes in networks and systems × 1
Publications par année
- 20265
- 20252
- 20248
- 20221
- 20211
Collaborations
Établissements partenaires : Université Sultan Moulay Slimane · Université Ibn Zohr · Arts et Métiers
Pays des co-auteurs : France
Co-auteurs
- Maria Zemzami
- Nabil Hmina
- Norelislam El Hami
- Chakib Benmhamed
- Younes Koulou
- Issam El Khadiri
- Farouk Yalaoui
- Ahmed Bahlaoui
- Ismail Arroub
- Soufiane Belhouideg
- Ismail Ezzaraa
- Mohamed Abouelmajd
Données bibliographiques issues d’OpenAlex (base ouverte).
Pourquoi choisir Dzcademia ?
Pour donner à vos travaux plus de chances d’être découverts et recommandés par les IA. Profils, articles et communications : donnez à votre recherche une présence publique structurée. Les métadonnées intégrées aident les moteurs de recherche et les assistants IA à identifier vos travaux et à comprendre leurs références.
Commenter avec Google
Connecte-toi avec Google pour commenter directement sur cette page.