Accueil › Annuaire des chercheurs › Vincent Barra
Vincent Barra
Affiliation : Centre National de la Recherche Scientifique · Université Clermont Auvergne · Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes
- 20Publications (affiliation française)
- 190Publications au total
- 2201Citations
- 24Indice h
Profil de recherche
Vincent Barra compte 20 publications référencées (2012–2026). Ses travaux paraissent principalement dans « HAL », « Information Sciences » et « Neurocomputing ». Son article le plus cité, « Forecasting vegetation indices from spatio-temporal remotely sensed data using deep learning-based approaches: A systematic literature revie » (2022), a été cité 129 fois. 4 de ces publications datent des trois dernières années d’activité. Ses travaux sont cosignés avec au moins 7 chercheurs, notamment dans des établissements de Tunisie, Maroc, Algérie.
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
- Medical Image Segmentation Techniques
- Remote-Sensing Image Classification
- Advanced Image Fusion Techniques
- Advanced Neural Network Applications
- Solar and Space Plasma Dynamics
Publications (20)
- Fourier-optimal loss for distortion and time in non-stationary time series forecasting
- A Transformer-Based Explainable Deep Learning Model for Counterfactual Causal Intervention in Multivariate Spatio-Temporal Time Series Forecasting
- SYNAPSE: A multi-agent LLM framework with parameter-free cross-attention fusion for interpretable multimodal spatio-temporal forecasting
- Trustworthy AI for Spatio-Temporal Forecasting via Counterfactual Causality
- Multi-attention Generative Adversarial Network for multi-step vegetation indices forecasting using multivariate time series
- Real-World Case Study of a Deep Learning Enhanced Elderly Person Fall Video-Detection System
- Forecasting vegetation indices from spatio-temporal remotely sensed data using deep learning-based approaches: A systematic literature review
- Top-Down System for Multi-Person 3D Absolute Pose Estimation from Monocular Videos
- Fused 3-D spectral-spatial deep neural networks and spectral clustering for hyperspectral image classification
- A non-stationary NDVI time series modelling using triplet Markov chain
- Semi-supervised superpixel classification for medical images segmentation: application to detection of glaucoma disease
- Triplet Markov Chain for Modeling a Non-Stationary NDVI Time Series
- A new feature selection approach based on ensemble methods in semi-supervised classification
- Rare events detection in NDVI time-series using Jarque-Bera test
- An adaptive multiplicative decomposition of non stationary multi-temporal satellite images: Application to urban changes detection
- A study of changes prediction by HMM with non-stationarity image data: Case of urban area
- Towards an Intelligent Predictive Model for Analyzing Spatio-Temporal Satellite Image Based on Hidden Markov Chain
- Seasonal Vegetation Prediction from Satellite image using Hidden Markov Model
- Spatio-temporal modeling based on hidden Markov model for object tracking in satellite imagery
- Monitoring intra-urban changes with Hidden Markov Models using the spatial relationships
Revues de publication
- HAL × 3
- Information Sciences × 1
- Neurocomputing × 1
- IEEE International Conference on Tools with Artificial Intelligence (ICTAI) × 1
- Engineering Applications of Artificial Intelligence × 1
- International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISIGRAPP) × 1
Publications par année
- 20263
- 20251
- 20232
- 20222
- 20201
- 20191
- 20171
- 20161
- 20152
- 20142
Collaborations
Établissements partenaires : National School of Computer Science · Manouba University · Télécom Bretagne · Institut Supérieur d’Informatique, de Modélisation et de leurs Applications · Mohammed V University
Pays des co-auteurs : Tunisie · Maroc · Algérie
Co-auteurs
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.