Rapports de recherche, comptes rendus, lettres à l'éditeur, working papers (11)
  1. 5. Bertolissi, E., Birattari, M., Bontempi, G., Duchateau, A., & Bersini, H. (2000). Lazy learning vs. fuzzy systems: Two multiple-model approaches for adaptive control.
  2. 6. Bontempi, G., Birattari, M., & Bersini, H. (1999). Local learning for iterated time series prediction.
  3. 7. Birattari, M., Bontempi, G., & Bersini, H. (1998). Lazy learning meets the recursive least squares algorithm.
  4. 8. Bontempi, G., & Bersini, H. (1997). Multi-model and multi-value architectures in data analysis: an application to a real industrial problem.
  5. 9. Bersini, H., Bontempi, G., & Birattari, M. (1997). Adaptive Memory-Based Regression Methods.
  6. 10. Bontempi, G., Birattari, M., & Bersini, H. (1997). Lazy learning for modeling and control design.
  7. 11. Bersini, H., Nowe, A., Caironi, P. V. C., & Dorigo, M. (1994). A family of reinforcement learning algorithms.
    8.   Participations à des congrès et colloques internationaux (17)
  8. 1. Grégoire, J.-M., Gilon, C., Marelli, F., Bersini, H., & Carlier, S. (2025). Autonomic nervous system activity before atrial fibrillation as assessed by heart rate variability: A tool for neuromodulation? Poster présenté à la conférence Journées Européennes de la SFC 2025.
  9. 2. Grégoire, J.-M., Gilon, C., Bersini, H., Groben, L., Nguyen, T., Godart, P., Carlier, S., et al. (2024). Heart rate variability to predict 1-day atrial fibrillation episode onset using machine learning. Poster présenté à la conférence European Society of Cardiology Congress 2024.
  10. 3. Gilon, C., Grégoire, J.-M., Groben, L., Godart, P., Carlier, S., & Bersini, H. (2024). Machine learning-based atrial fibrillation onset prediction using heart rate variability geometric analysis and heart rate fragmentation. Poster présenté à la conférence Journées Européennes de la Société Française de Cardiologie (17 au 19 janvier 2023: Paris, France).
  11. 4. Grégoire, J.-M., Gilon, C., Nathan, V., Bersini, H., & Carlier, S. (2023). QT-dynamicity for atrial fibrillation detection and short-term forecast using machine learning. Archives of Cardiovascular Diseases Supplements [ 1878-6480 ]. Vol. 15 (pp. 93-94) Abstract session presented at Journées Européennes de la Société Française de Cardiologie(Paris, France). doi:10.1016/j.acvdsp.2022.10.179
  12. 5. Gilon, C., Grégoire, J.-M., Hellinckx, J., Carlier, S., & Bersini, H. (2023). Reproducibility of machine learning models for paroxysmal atrial fibrillation onset forecast. Poster présenté à la conférence Journées Européennes de la Société Française de Cardiologie (11 au 13 janvier 2023: Paris, France). doi:10.1016/j.acvdsp.2022.10.327
    13. << Précédent 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 Suivant >>