معرفی
فارغ التحصیل دانشگاه صنعتی امیرکبیر
مقالات بین المللی حمید نصیری
"Automated detection of COVID-19 cases from chest X-ray images using deep neural network and XGBoost", Elsevier BV, (2022), Vol 28, No 3: 732-738
"COV-ADSX: An Automated Detection System using X-ray Images, Deep Learning, and XGBoost for COVID-19", Elsevier BV, (2022), Vol 11, No : 100210
"Modeling of energy consumption factors for an industrial cement vertical roller mill by SHAP-XGBoost: a "conscious lab" approach", Springer Science and Business Media LLC, (2022), Vol 12, No 1:
"Semantic schema based genetic programming for symbolic regression", Elsevier BV, (2022), Vol 122, No : 108825
"Diagnosis of COVID-19 Cases from Chest X-ray Images Using Deep Neural Network and LightGBM", IEEE, (2022), Vol , No :
"MFRFNN: Multi-Functional Recurrent Fuzzy Neural Network for Chaotic Time Series Prediction", Elsevier BV, (2022), Vol 507, No : 292-310
"Classification of COVID-19 in Chest X-ray Images Using Fusion of Deep Features and LightGBM", IEEE, (2022), Vol , No :
"Modeling of particle sizes for industrial HPGR products by a unique explainable AI tool- A “Conscious Lab” development", Elsevier BV, (2021), Vol , No :
"Interpretable modeling of metallurgical responses for an industrial coal column flotation circuit by XGBoost and SHAP-A “conscious-lab” development", Elsevier BV, (2021), Vol , No :
"A novel framework based on deep learning and ANOVA feature selection method for diagnosis of COVID-19 cases from chest X-ray Images", Cold Spring Harbor Laboratory, (2021), Vol , No :
"Prediction of uniaxial compressive strength and modulus of elasticity for Travertine samples using an explainable artificial intelligence", Elsevier BV, (2021), Vol 8, No : 100034
"A Novel Correlation-Based CUR Matrix Decomposition Method", IEEE, (2020), Vol , No :
مقالات حمید نصیری در کنفرانس های داخلی
A Novel Adaptive K Nearest Neighbor Algorithm
سال 1395
ارائه شده در اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر
ارائه یک چارچوب جدید مبتنی بر یادگیری عمیق و دسته بندی کننده XGBoost به منظور تشخیص بیماری کرونا
سال 1400
ارائه شده در دهمین کنفرانس مهندسی برق مجلسی
مقایسه عملکرد شبکه های عصبی عمیق به عنوان استخراج کننده ویژگی در تشخیص بیماری کرونا
سال 1400
ارائه شده در هشتمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران
یک رویکرد جدید مبتنی بر یادگیری عمیق و الگوریتم XGBoost به منظور تشخیص سرطان سینه خوش خیم و بدخیم
سال 1400
ارائه شده در هشتمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران
یک رویکرد جدید مبتنی بر یادگیری عمیق، الگوریتم XGBoost و روش انتخاب ویژگی ANOVA به منظور تشخیص بیماری کرونا
سال 1400
ارائه شده در دومین کنفرانس ملی توسعه پایدار در مهندسی برق و کامپیوتر
تشخیص بیماری کرونا از روی تصاویر اشعه ایکس با استفاده از تنظیم دقیق شبکه عصبی کانولوشنی عمیق و رویکرد یادگیری انتقالی
سال 1400
ارائه شده در چهارمین کنفرانس بین المللی محاسبات نرم
ارائه یک روش جدید مبتنی بر شبکه عصبی عمیق و الگوریتم XGBoost به منظور تشخیص بیماری کرونا از روی تصاویر اشعه ایکس
سال 1400
ارائه شده در دوازدهمین کنفرانس ملی و دومین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران
ارائه یک روش جدید مبتنی بر شبکه عصبی عمیق و دسته بندی کننده LightGBM به منظور تشخیص سرطان سینه از روی تصاویر هیستوپاتولوژی
سال 1400
ارائه شده در پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
ارائه یک روش جدید مبتنی بر ترکیب ویژگی های استخراج شده از شبکه های عصبی عمیق DenseNet۱۶۹ و MobileNet و دسته بندی کننده LightGBM به منظور تشخیص بیماری کرونا از روی تصاویر اشعه ایکس
سال 1400
ارائه شده در نهمین کنگره مشترک سیستم های فازی و هوشمند ایران
ارائه یک روش تشخیص بیماری کرونا براساس علائم بیماری با بهره گیری از یک مدل هوش مصنوعی قابل توصیف
سال 1401
ارائه شده در اولین کنفرانس ملی پژوهش های نوآورانه در مهندسی برق و کامپیوتر
یک رویکرد جدید مبتنی بر الگوریتم XGBoost و هوش مصنوعی تفسیرپذیر به منظور پیش بینی بیماری قلبی
سال 1401
ارائه شده در اولین کنفرانس هوش مصنوعی و پردازش هوشمند
ائه یک روش تشخیص بیماری مزمن کلیوی با بهره گیری از الگوریتم های SHAP و XGBoost
سال 1401
ارائه شده در اولین کنفرانس هوش مصنوعی و پردازش هوشمند
مقایسه عملکرد الگوریتم های یادگیری ماشین در تشخیص نفوذ به شبکه های کامپیوتری
سال 1402
ارائه شده در اولین کنفرانس بین المللی تجزیه و تحلیل داده های آماری