Accueil › Annuaire des chercheurs › Abderrahim Waga
Abderrahim Waga
Affiliation : Euro-Mediterranean University of Fes
- 18Publications (affiliation marocaine)
- 25Publications au total
- 111Citations
- 7Indice h
Profil de recherche
Abderrahim Waga compte 18 publications référencées (2021–2026). Ses travaux paraissent principalement dans « IAES International Journal of Artificial Intelligence », « Advances in computational intelligence and robotics book series » et « arXiv (Cornell University) ». Son article le plus cité, « A survey on autonomous navigation for mobile robots: From traditional techniques to deep learning and large language models » (2025), a été cité 33 fois. 13 de ces publications datent des trois dernières années d’activité. Ses travaux sont cosignés avec au moins 12 chercheurs.
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
- Reinforcement Learning in Robotics
- Robotics and Sensor-Based Localization
- Robotic Path Planning Algorithms
- Advanced Neural Network Applications
- Autonomous Vehicle Technology and Safety
Publications (18)
- Attention in depth for visual navigation of a mobile robot
- Explainable deep learning for scalable record linkage: a TabNet-based framework for structured data integration
- Deep Learning for Emerging Applications
- Fusion of an A-RRT planner and a supervised model for reactive and optimal navigation of mobile robots
- Deep Learning for Deepfake Image Detection: Comparative Model Evaluation and Gradient-Based Visual Attribution
- Enhancing Deep Learning Model Performance through Data Generation Strategies: Classification of Olive Tree Diseases
- A survey on autonomous navigation for mobile robots: From traditional techniques to deep learning and large language models
- Waypoint-guided trajectory planning for mobile robots using GPT-4.1 mini and ensemble learning-based action prediction
- An Improved RRT Algorithm for Efficient Local Path Planning in Autonomous Vehicles
- Challenges and Constraints in Trajectory Planning for Autonomous Robots
- Enhanced Autonomous Driving
- A novel approach for end-to-end navigation for real mobile robots using a deep hybrid model
- Efficient autonomous navigation for mobile robots using machine learning
- A New Method for Mobile Robots to Learn an Optimal Policy from an Expert Using Deep Imitation Learning
- A New Autonomous Navigation System of a Mobile Robot Using Supervised Learning
- Estimated Daily Reference Evapotranspiration Using Machine Learning and Deep Learning Based on Various Combinations of Meteorological Data
- A new sampling strategy to improve the performance of mobile robot path planning algorithms
- Fuzzy logic obstacle avoidance by a NAO robot in unknown environment
Revues de publication
- IAES International Journal of Artificial Intelligence × 2
- Advances in computational intelligence and robotics book series × 2
- arXiv (Cornell University) × 2
- Lecture notes in networks and systems × 2
- Results in Engineering × 1
- Scientific African × 1
Publications par année
- 20266
- 20255
- 20242
- 20233
- 20221
- 20211
Collaborations
Établissements partenaires : Université Moulay Ismail de Meknes · Université Ibn-Tofail · Chouaib Doukkali University
Co-auteurs
- Ali Bekri
- Said Benhlima
- Toufik Mzili
- Jawad Abdouni
- Fatima Zahrae Saber
- Ayoub Ba-ichou
- Ahmed Regragui
- Younes Benhouria
- Aissa Ben Yahya
- Hicham El Akhal
- Saad Korchi
- Zakaria Benlalia
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.