Kyriakos Efthymiadis

Artificiele Intelligentie
Academisch personeel, Informatica en Toegepaste Informatica

Pleinlaan 2
1050 Brussels
Belgium

Bron: Scopus
Berekend op basis van aantal in Pure opgeslagen publicaties en citaties van Scopus

Onderzoeksresultaten per jaar

Als u wijzigingen in Pure hebt gemaakt, zullen deze hier binnenkort zichtbaar zijn.

Vingerafdruk

Verdiep u in de onderzoeksgebieden waarop Kyriakos Efthymiadis actief is. Deze onderwerplabels komen uit het werk van deze persoon. Samen vormen ze een unieke vingerafdruk.

6 Soortgelijke profielen

Netwerk

Recente externe samenwerking op landenniveau. Duik in de details door op de stippen te klikken.

157 Citaties
5 h-Index
9 Conference paper
6 Article
1 Meeting abstract (Book)
1 Poster

Deep convolutional autoencoder for the simultaneous removal of baseline noise and baseline drift in chromatograms
Kensert, A., Collaerts, G., Efthymiadis, K., Van Broeck, P., Desmet, G. & Cabooter, D., 7 jun 2021, In : Journal of Chromatography A. 1646, 462093.
Onderzoeksoutput: Article
Deep Q-learning for the selection of optimal isocratic scouting runs in liquid chromatography
Kensert, A., Collaerts, G., Efthymiadis, K., Desmet, G. & Cabooter, D., 8 feb 2021, In : Journal of Chromatography A. 1638, 461900.
Onderzoeksoutput: Article
1 Citaat (Scopus)
LTLf-based Reward Shaping for Reinforcement Learning
Elbarbari, M., Efthymiadis, K., Vanderborght, B. & Nowe, A., 27 apr 2021, Proceedings of the Adaptive and Learning Agents Workshop 2021 (ALA2021) at AAMAS. 6 blz.
Onderzoeksoutput: Conference paper

Bestand
25 Downloads (Pure)
Application of evolutionary algorithms to optimise one- and two-dimensional gradient chromatographic separations
Huygens, B., Efthymiadis, K., Nowé, A. & Desmet, G., 27 sep 2020, In : Journal of Chromatography. A. 1628, 461435.
Onderzoeksoutput: Article
Reinforcement Learning for the Optimization of Scouting Runs and Retention Modeling in Liquid Chromatography
Kensert, A., Collaerts, G., Efthymiadis, K., Desmet, G. & Cabooter, D., jan 2020.
Onderzoeksoutput: Poster

Deep convolutional autoencoder for the simultaneous removal of baseline noise and baseline drift in chromatograms

Deep Q-learning for the selection of optimal isocratic scouting runs in liquid chromatography

LTLf-based Reward Shaping for Reinforcement Learning

Application of evolutionary algorithms to optimise one- and two-dimensional gradient chromatographic separations

Reinforcement Learning for the Optimization of Scouting Runs and Retention Modeling in Liquid Chromatography