Krajecki, Michaël, 19..-....
Krajecki, Michaël
VIAF ID: 212013870 ( Personal )
Permalink: http://viaf.org/viaf/212013870
Preferred Forms
- 200 _ | ‡a Krajecki ‡b Michaël
-
- 100 1 _ ‡a Krajecki, Michaël, ‡d 19..-....
- 100 1 _ ‡a Krajecki, Michaël
Works
Title | Sources |
---|---|
Accelerating Computations in Theoretical Chemistry : The Example of Graphic Processors. | |
Accélération des calculs en Chimie théorique : l'exemple des processeurs graphiques | |
The choice of hybrid architectures, a realistic strategy to reach the Exascale.. | |
Conception objet en Java avec BlueJ : une approche interactive | |
Contribution to communication optimization on heterogeneous systems and application to AI. | |
Contributions to re-encryption proxy and authentication delegation. | |
Coordination et ordonnancement de tâches à grains fins entre environnements d'exécution HPC | |
Deep Learning for the Industry. Application to Precision Viticulture and Covid-19 modeling. | |
Development of a well-balanced metadata distribution method for an exascale requests flow.. | |
Développement d'une méthode de distribution de métadonnée équilibrée pour un flux de requêtes exascale | |
Docking et Deep Learning : affinement de méthodologies in silico pour le développementde stratégies thérapeutiques innovantes | |
Dynamic load balancing in the framework of applications with a finite number of independant and irregular tasks. | |
Un environnement parallèle de développement haut niveau pour les accélérateurs graphiques : mise en œuvre à l'aide d'OPENMP | |
Equilibre de charge dynamique : étude et mise en œuvre dans le cadre des applications à nombre fini de tâches indépendantes et irrégulières | |
Étude sur la progression des communications MPI à base de ressources dédiées. | |
Exécution efficace de systèmes Multi-Agents sur GPU | |
Exploitation of propositional logic for parallel solving of cryptographic problems. | |
Fine-grained tasks coordination and scheduling between HPC runtimes. | |
From the algorithm to the targets, optimization flow for high performance computing on embedded GPUs | |
Hétérogénéités des fluides piétonniers : une matière active individuelle et collective | |
Heuristic resolution of the routing problem within vehicular ad hoc network (VANET). | |
A high-level parallel development framework for graphic accelerators : an implementation based on OPENMP. | |
Industrial Code Modernization of High Performance Computing simulations on modern supercomputer architectures. | |
Intelligence artificielle pour l'industrie. Application à la viticulture et à la modélisation des cas de Covid-19 | |
Interactive learning methods for short text classification. | |
A la recherche de la haute performance pour les codes de calcul et la visualisation scientifique | |
De l'algorithme à l'implémentation, flot d'optimisations pour le calcul haute performance sur GPU embarqués. | |
Métaheuristiques pour l'optimisation combinatoire sur processeurs graphiques (GPU) | |
Méthodes d'apprentissage interactif pour la classification des messages courts | |
Méthodologie et algorithmes pour la distribution large échelle de co-simulations de systèmes complexes : application aux réseaux électriques intelligents (Smart Grids) | |
Numerical methods for the accelerated resolution of large scale linear systems on massively parallel hybrid architecture. | |
Objects first with Java : a pratical introduction using BlueJ, 4th ed. | |
Optimisation de l'utilité des données lors d'un processus de k-anonymisation | |
Parallel aspects of the satisfiabilité problem. | |
Parallelism models for multi-objective metaheuristics. | |
Proceedings of the 2nd International workshop on design, test and application | |
Rendu réaliste de matériaux multicouches à l’aide de matrices de transfert. | |
Résolution à base d'heuristiques du problème de routage dans les réseaux ad hoc de vehicules | |
SAT en Parallèle | |
Searching for the highest performance for simulation codes and scientific visualization. | |
Security / energy compromise in wireless sensor network | |
Solution de gestion pilotée par les données pour les applications Deep Learning basées sur des microservices. | |
Solutions parallèles efficaces sur le modèle CGM d'une classe de problèmes issus de la programmation dynamique | |
Towards more efficient parallel SAT solving | |
Tromos : a software development kit for virtual storage systems | |
Tromos : un cadre pour la construction de systèmes de stockage distribués. | |
Valorisation d'options américaines et Value At Risk de portefeuille sur cluster de GPUs/CPUs hétérogène |