Accueil › Annuaire des chercheurs › Oussama Hasidi
Oussama Hasidi
Affiliation : Cadi Ayyad University · Moroccan Foundation for Advanced Science, Innovation and Research
- 18Publications (affiliation marocaine)
- 19Publications au total
- 297Citations
- 8Indice h
Profil de recherche
Oussama Hasidi compte 18 publications référencées (2022–2024). Ses travaux paraissent principalement dans « Lecture notes in networks and systems », « Communications in computer and information science » et « Energy Informatics ». Son article le plus cité, « Hybrid features extraction for the online mineral grades determination in the flotation froth using Deep Learning » (2023), a été cité 58 fois. 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
- Fault Detection and Control Systems
- Mineral Processing and Grinding
- Minerals Flotation and Separation Techniques
- Digital Transformation in Industry
- Electric Vehicles and Infrastructure
Publications (18)
- Enhancing resilience in complex energy systems through real-time anomaly detection: a systematic literature review
- Data-driven system for intelligent monitoring and optimization of froth flotation circuits using Artificial Neural Networks and Genetic Algorithms
- Digital twin of minerals processing operations for an advanced monitoring and supervision: froth flotation process case study
- Advanced Spatio-Temporal Froth Analysis Using Smart Soft Sensors in Mineral Processing
- Digital Twin-Based Approach for Electric Vehicles: E-Mule Project
- Hybrid features extraction for the online mineral grades determination in the flotation froth using Deep Learning
- Artificial intelligence for enhanced flotation monitoring in the mining industry: A ConvLSTM-based approach
- Newly Proposed Student Performance Indicators Based on Learning Analytics for Continuous Monitoring in Learning Management Systems
- Conv-LSTM for Real Time Monitoring of the Mineral Grades in the Flotation Froth
- Data-Driven and Model-Driven Approaches in Predictive Modelling for Operational Efficiency: Mining Industry Use Case
- Generic and scalable multi-layered architecture for Digital Twin implementation in industrial processes: Mineral Processing case study
- Advancing Flotation Process Optimization Through Real-Time Machine Vision Monitoring: A Convolutional Neural Network Approach
- Fourier Transform and Machine Learning for Real-Time Monitoring of Froth Flotation in Mining Industry
- Digital Twin Technology for Enhanced Health Monitoring, Maintenance, and Energy Efficiency of Electric Vehicles: E-mule Project
- Smart Soft Sensor for Froth flotation quality monitoring using pre-trained feature extractor and Vision Transformer ViT
- Artificial Neural Network with Learning Analytics for Student Performance Prediction in Online Learning Environment
- Digital Twins-Based Smart Monitoring and Optimisation of Mineral Processing Industry
- Digital Transformation of the Flotation Monitoring Towards an Online Analyzer
Revues de publication
- Lecture notes in networks and systems × 2
- Communications in computer and information science × 2
- Energy Informatics × 1
- Journal of Process Control × 1
- The International Journal of Advanced Manufacturing Technology × 1
- SN Computer Science × 1
Publications par année
- 20245
- 202311
- 20222
Collaborations
Établissements partenaires : Université Mohammed VI Polytechnique · Université Ibn Zohr · Mohammed V University · National School of Mineral Industry · Université Moulay Ismail de Meknes
Co-auteurs
- El Hassan Abdelwahed
- Ahmed Bendaouia
- Sara Qassimi
- François Bourzeix
- Aimad Qazdar
- Oumkeltoum Amar
- Karim Bäına
- Mouhamed Cherkaoui
- Salah Baïna
- Youssef Chafiqui
- Oussama Lachihab
- Fatima Zahra Zaizi
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.