علی مهدیلی

یادگیری فدرال مقاوم به نویز مبتنی بر لایه های عصبی راف برای طبقه بندی فعالیت های انسانی در داده های حسگر

سیگنال های حسگرهای پوشیدنی در محیط های واقعی همواره با نویزهای مخربی مانند خطاهای کالیبراسیون، لرزش های…

ارائه یک معماری یادگیری عمیق دو مسیره با تجمیع ناحیه ای کانال های الکتروانسفالوگرافی برای تشخیص پایدار اختلال شناختی خفیف

اختلال شناختی خفیف مرحله گذار به زوال عقل است و تشخیص زودهنگام آن اهمیت بالینی فراوانی دارد الکتروانسفال…

یادگیری فدرال با معماری ترکیبی دو شاخه برای طبقه بندی فعالیت های انسانی در گروه های سنی مختلف

طبقه بندی فعالیت های انسانی مجهز به حسگرهای پوشیدنی نقشی کلیدی در توسعه سامانه های پایش هوشمند سلامت ایف…

تشخیص زودهنگام اختلال شناختی خفیف با ادغام ویژگی های عمیق و مهندسی شده نوروساینس سیگنال الکتروانسفالوگرافی مبتنی بر بهینه سازی فضای ویژگی

تشخیص زودهنگام اختلال شناختی خفیف ، به عنوان مرز میان پیری طبیعی و دمانس، اهمیت بالینی حیاتی در پیشگیری…