Adrien BIBAL

Voir le profil Scopus

h-index

Résultat de recherche par an

Diplômes

Master en philosophie (UCL, 2015)

Master en sciences informatiques (UCL, 2013)

Bachelier en sciences informatiques (UCL, 2011)

Diplômes

Master's degree in philosophy (UCL, 2015)

Master's degree in computer science (UCL, 2013)

Bachelor's degree in computer science (UCL, 2011)

Empreinte digitale

Passez en revue plus en détail les thèmes de recherche où Adrien BIBAL est actif. Ces libellés thématiques proviennent des travaux de cette personne. Ensemble, ils forment une empreinte digitale unique.

1 Profils similaires

VeriLearn: Verifying Learning Artificial Intelligence Systems
Heymans, P. (Responsable du Projet), Frénay, B. (Co-investigateur), Schobbens, P. Y. (Co-investigateur), Temple, P. (Chercheur), Nanfack, G. (Chercheur), Amrani, M. (Chercheur) & BIBAL, A. (Chercheur)
1/01/18 → 31/12/22
Projet: Recherche

13 Article dans les actes d'une conférence/un colloque
8 Article
1 Rapport commissionné
1 Papier
Afficher plus d’informations
- 1 Préprint

Predicting User Preferences of Dimensionality Reduction Embedding Quality
Morariu, C., Bibal, A., Cutura, R., Frenay, B. & Sedlmair, M., 1 janv. 2023, Dans: IEEE Transactions on Visualization and Computer Graphics. 29, 1, p. 745-755 11 p.
Résultats de recherche: Contribution à un journal/une revue › Article › Revue par des pairs

Accès ouvert
File
36 Téléchargements (Pure)
Integrating Constraints into Dimensionality Reduction for Visualization: A Survey
Vu, V. M., Bibal, A. & Frénay, B., 1 déc. 2022, Dans: IEEE Transactions on Artificial Intelligence. 3, 6, p. 944-962 19 p.
Résultats de recherche: Contribution à un journal/une revue › Article › Revue par des pairs
Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency
Barragan-Montero, A., Bibal, A., Dastarac, M. H., Draguet, C., Valdes, G., Nguyen, D., Willems, S., Vandewinckele, L., Holmstrom, M., Lofman, F., Souris, K., Sterpin, E. & Lee, J. A., 7 juin 2022, Dans: Physics in Medicine and Biology. 67, 11, 11TR01.
Résultats de recherche: Contribution à un journal/une revue › Article › Revue par des pairs

Accès ouvert
File
288 Téléchargements (Pure)
Accelerating t-SNE using Fast Fourier Transforms and the Particle-Mesh Algorithm from Physics
Delchevalerie, V., Mayer, A., Bibal, A. & Frénay, B., 18 juil. 2021, IJCNN 2021 - International Joint Conference on Neural Networks, Proceedings. IEEE, 8 p. (Proceedings of the International Joint Conference on Neural Networks; Vol 2021-July).
Résultats de recherche: Contribution dans un livre/un catalogue/un rapport/dans les actes d'une conférence › Article dans les actes d'une conférence/un colloque

Accès ouvert
File
225 Téléchargements (Pure)
Achieving Rotational Invariance with Bessel-Convolutional Neural Networks
Delchevalerie, V., Bibal, A., Frénay, B. & Mayer, A., 2021, 35th Conference on Neural Information Processing Systems: NeurIPS 2021. Vol 34. 12 p.
Résultats de recherche: Contribution dans un livre/un catalogue/un rapport/dans les actes d'une conférence › Article dans les actes d'une conférence/un colloque

Accès ouvert
File
61 Téléchargements (Pure)

Interpretability and Explainability in Machine Learning and their Application to Nonlinear Dimensionality Reduction
Bibal, A. (Auteur), FRENAY, B. (Promoteur), VANHOOF, W. (Président), Cleve, A. (Jury), Dumas, B. (Jury), Lee, J. A. (Jury) & Galarraga, L. (Jury), 16 nov. 2020
Student thesis: Doc types › Docteur en Sciences

Fichier

Adrien BIBAL

Profil personnel

Diplômes

Diplômes

Empreinte digitale

Collaborations et principaux domaines de recherche des cinq dernières années

Voir les détails

VeriLearn: Verifying Learning Artificial Intelligence Systems

Predicting User Preferences of Dimensionality Reduction Embedding Quality

Integrating Constraints into Dimensionality Reduction for Visualization: A Survey

Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency

Accelerating t-SNE using Fast Fourier Transforms and the Particle-Mesh Algorithm from Physics

Achieving Rotational Invariance with Bessel-Convolutional Neural Networks

Interpretability and Explainability in Machine Learning and their Application to Nonlinear Dimensionality Reduction

Adrien BIBAL

Profil personnel

Diplômes

Diplômes

Empreinte digitale

Collaborations et principaux domaines de recherche des cinq dernières années

Projets

VeriLearn: Verifying Learning Artificial Intelligence Systems

Résultat de recherche

Predicting User Preferences of Dimensionality Reduction Embedding Quality

Integrating Constraints into Dimensionality Reduction for Visualization: A Survey

Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency

Accelerating t-SNE using Fast Fourier Transforms and the Particle-Mesh Algorithm from Physics

Achieving Rotational Invariance with Bessel-Convolutional Neural Networks

Thèse

Interpretability and Explainability in Machine Learning and their Application to Nonlinear Dimensionality Reduction