Muhammad Kashif

Dottorando

muhammad.kashif@students.uniroma2.eu

Biografia

Muhammad Kashif è uno studente di dottorato presso l’Università Tor Vergata. Ha conseguito un master in ingegneria biomedica presso l’Università di Airlangga, in Indonesia. La sua tesi di master, intitolata “Scalogram Driven Hypertension Classification Using PPG Signals with Deep Learning Technique” (Classificazione dell’ipertensione guidata dallo scalogramma mediante segnali PPG con tecniche di apprendimento profondo), ha messo in luce la sua esperienza nell’utilizzo di tecniche avanzate di apprendimento profondo per l’elaborazione dei segnali medici.

Prima di conseguire il master, Kashif si è laureato in Ingegneria dei sistemi informatici presso la prestigiosa IUB (Islamia University of Bahawalpur), in Pakistan, dove ha gettato le basi della sua passione per la tecnologia e la ricerca basata sui dati.

Gli interessi di ricerca di Muhammad Kashif ruotano attorno all’intersezione tra intelligenza artificiale (AI) e neuroscienze. È particolarmente interessato all’applicazione di tecniche di intelligenza artificiale per la comprensione e il miglioramento dei processi cerebrali. Il suo lavoro in questo campo mira a sfruttare la potenza dell’IA per sbloccare nuove conoscenze sul cervello umano e sviluppare soluzioni innovative per varie sfide neurologiche.

Profili

LinkedIn

Google Scholar

Ultimi articoli

  1. Gas sensor array to classify the chicken meat with E. coli contaminant by using random forest and support vector machine
  2. Odor clustering using a gas sensor array system of chicken meat based on temperature variations and storage time
  3. Gas Array Sensors based on Electronic Nose for Detection of Tuna (Euthynnus Affinis) Contaminated by Pseudomonas Aeruginosa
  4. Development of a multi-epitope spike glycoprotein vaccine to combat SARS-CoV-2 using the bioinformatics approach
  5. Multilevel feedback queue: Efficient scheduling and implementation by using dynamic quantum
  6. An improved Kalman Filter in Photoplethysmography DC Component Denoising for cardiorespiratory analysis
Sito creato da An:Ca © 2023 Università di Roma Tor Vergata P.I. 02133971008 – C.F. 80213750583