گلنوش آسایی خیبری
زمینه تحقیقاتی : —
بازه فعالیت در آزمایشگاه : 1395 تا 1396
gxa131@case.edu
1
2
Citations: 16
h-index: 2
i10-index: 1
No. of Papers: 7
تحصیلات
کارشناسی : برق – دانشگاه شهید بهشتی
کارشناسی ارشد : دانشگاه کیس وسترن رزرو
دکتری : —
گلنوش آسایی خیبری تحصیلات خود را در دوره کارشناسی رشته مهندسی برق از دانشگاه شهیدبهشتی در سال ۱۳۹۵ به اتمام رسانیده است. عنوان پروژه کارشناسی وی طراحی و مدلسازی یک ربات بالارونده از سطوح صاف میباشد. پس از آن وی به عنوان دانشجوی کارشناسی محقق به آزمایشگاه تعامل انسان و ربات دانشگاه تهران پیوست و با ورود به آزمایشگاه تعامل انسان و ربات تارلب فعالیت‌های پژوهشی خود را زیر نظر دکتر طالع ماسوله و دکتر کلهر در زمینه رباتهای موازی آغاز کرد. تمرکز او در طول این دوره تحقیقاتی بر روی اعمال روش های تحلیلی مبتنی بر بهینه سازی محدب برای پیدا کردن بزرگترین فضای محدب عاری از تکینگی در فضای کاری ربات بود . وی همچنین بر روی سنتز ابعادی مکانیزم چهارمیله ای توسط الگوریتم pso و شبکه عصبی تحقیق نمود. در سال ۲۰۱۷ گلنوش آسایی به عنوان محقق دکترا و پژوهشگر در رشته مهندسی کامپیوتر در دانشگاه کیس وسترن ریزرو در ایلات متحده امریکا پذیرفته شد. کارهای تحقیقاتی وی در زمینه یادگیری ماشین و استفاده از هوش مصنوعی برای ارتقای سلامت است . وی تاکنون با استفاده از روش های کنترل بیماران و اگاهی بخشی به بیماران از راه دور توسط mobile health مقالاتی را به چاپ رسانده است . پس از یک‌دوره تحقیقاتی گلنوش آسایی به مرکز تصویر برداری Center for Computational Imaging and Personalized Diagnostics (CCIPD) که یکی از پیشروترین مراکز پردازش تصاویر پزشکی با استفاده از هوش مصنوعی است پیوسته و موضوع دکترای خود را به طور متمرکز برروی پردازش تصاویر پرشکی با استفاده از روشهای یادگیری ماشین و بینایی کامپیوتر برای بهبود بیماری های قلبی تعیین نموده است.
فضای کار بدون برخورد رباتهای موازی بر اساس بهینه سازی محدب / سنتز ابعادی یک مکانیزم چهار میله ای
امروزه رباتهای موازی نقش بسیار مهمی در صنعت دارند. بررسی سینماتیک، فضای کاری و تکینگی این رباتها از پیچیدگی خاصی برخوردار است. نواوری اصلی این تحقیق استفاده از روش های تحلیلی مبتنی بر بهینه سازی محدب برای مقابله با مشکلاتی است که به دلیل تکینگی ایجاد میشود. برای رسیدن به این هدف ، در این تحقیق بزرگترین بیضی محدب در فضای کاری عاری از تکینگی این رباتها توسط الگوریتم های بهینه سازی محدب در فضای نرم افزار متلب استخراج شد . این الگوریتم بهینه سازی محدب قرار بود برای رباتهای سه درجه و چهاردرجه ازادی دلتا اعمال شود. ریاضیات جبر خطی و بررسی و تحلیل ماتریسی، بهینه سازی محدب و هندسه جبری شالوده اصلی این تحقیق به منظور دستیابی به هدف شرح داده شده بوده است.
در پروژه دوم تمرکز بر سنتز ابعادی یک مکانیزم چهارمیله ای بوده است. مسیله سنتز ابعادی یکی از مسایل چالش برانگیز در رباتیک است که باعث ایجاد برخی چالش های ریاضیاتی نیز شده است. در این تحقیق یک الگوریتم جدید بر مبنای الگوریتم بهینه سازی ازدحام ذرات و شبکه عصبی تعاملی برای حل مسیله سنتز ابعادی ابداع شد که منجر به یک مسیله بهینه سازی شد . شبکه جدید ایجاد شده با نام مختصر PS-CNN دارای ذرات حافظه دار است که با یکدیگر بر اساس الگوریتم ازدحام ذرات در یک شبکه عصبی تعامل میکنند که در نهایت به حل مسیله سنتز ابعادی منجر میشود . در شبکه به هم پیوسته هر نورون یک راه حل ارایه میدهد . بنابراین تمام راه حل ها بر اساس حافظه نورون ها و تعامل انها با یکدیگر و بهترین جواب جمعی به روز میشود تا جواب مناسب برای مسیله بهینه سازی یافت شود. هدف این مسیله بهینه سازی، مینیمم کردن فاصله اند افکتور ربات از پنج نقطه از پیش تعیین شده هنگام عبور از انها است. نتایج شبیه سازی این مدل نتایج مطلوبی را با قابلیت استفاده در رباتهای با پیچیدگی بیشتر نشان داد.
منبع پایان نامه
کلمات کلیدی:
- Are you smoking? automatic alert system helping people keep away from cigarettes
- Dimensional synthesis of a four-bar linkage mechanism via a pso-based cooperative neural network approach
- Medical image learning from a few/few training samples: Melanoma segmentation study
- A context-adaptive smoking cessation system using videos
- Precision HIV Health App, Positive Peers, Powered by Data Harnessing, AI, and Learning
- Ubiquitous Fall Hazard Identification with Smart Insole
- WORKPLACE ENVIRONMENTAL AND BEHAVIORAL RISK FACTOR IDENTIFICATION AND MONITORING SYSTEM USING WEARABLE SENSOR TECHNOLOGY