Accueil › Annuaire des chercheurs › Mohammed Brahimi
Mohammed Brahimi
محمد براهيمي(transcription automatique)
Affiliation : National Higher School of Statistics and Applied Economy · École Nationale d'Administration · National School of Artificial Intelligence · University of Skikda
- 15Publications (affiliation algérienne)
- 27Publications au total
- 1512Citations
- 7Indice h
Profil de recherche
Mohammed Brahimi compte 15 publications référencées (2015–2026). Ses travaux paraissent principalement dans « arXiv (Cornell University) », « Applied Thermal Engineering » et « ChemistrySelect ». Son article le plus cité, « Deep Learning for Tomato Diseases: Classification and Symptoms Visualization » (2017), a été cité 967 fois. 8 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
- Advanced Neural Network Applications
- Computational Drug Discovery Methods
- 3D Shape Modeling and Analysis
- Advanced Vision and Imaging
- Smart Agriculture and AI
Publications (15)
- Experimental and AI-based analysis of crosswind effects on solar chimney performance: case study in southern Algeria
- Evaluating Synthetic Data for Baggage Trolley Detection in Airport Logistics
- AgrI Challenge: A Data-Centric AI Competition for Cross-Team Validation in Agricultural Vision
- Natural Product‐Derived ErbB1 Inhibitors Identified Through Machine Learning‐Based QSAR, Molecular Docking, and Molecular Dynamics Simulations
- Combining GCN Structural Learning with LLM Chemical Knowledge for Enhanced Virtual Screening
- Improving plant disease classification using realistic data augmentation
- Virtual screening, XGBoost based QSAR modelling, Molecular Docking and Molecular Dynamics Simulation approach to discover a new inhibitor targeting ErbB1 Protein
- Machine Learning-Based QSAR Classifications for PIM Kinases Inhibition Prediction: Towards the Neoplastic in Silico Drug Design
- Exploring Regions of Interest: Visualizing Histological Image Classification for Breast Cancer using Deep Learning
- Deep interpretable architecture for plant diseases classification
- An improved sine cosine algorithm to select features for text categorization
- Deep Learning for Plant Diseases: Detection and Saliency Map Visualisation
- Deep Learning for Tomato Diseases: Classification and Symptoms Visualization
- 3D skeleton‐based action recognition by representing motion capture sequences as 2D‐RGB images
- Mobile robot path planning for complex dynamic environments
Revues de publication
- arXiv (Cornell University) × 3
- Applied Thermal Engineering × 1
- ChemistrySelect × 1
- Journal of Chemical Information and Modeling × 1
- Multimedia Tools and Applications × 1
- Research Square × 1
Publications par année
- 20264
- 20251
- 20243
- 20231
- 20192
- 20181
- 20172
- 20151
Collaborations
Établissements partenaires : Badji Mokhtar-Annaba University · University Ferhat Abbas of Setif · University of Sciences and Technology Houari Boumediene · University Mohamed El Bachir El Ibrahimi of Bordj Bou Arreridj · Higher National Veterinary School
Pays des co-auteurs : France
Co-auteurs
- Khairedine Kraim
- Kamel Boukhalfa
- Karima Mezghiche
- Abdelhafid Djerourou
- Fateh Bouchama
- Abdelouahab Moussaouı
- Youcef Saihi
- Omar Farouk Zouak
- Abdeldjalil Taibi
- Amina Bensalem
- Seif Eddine Bouziane
- Mohmoud Badlis
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.