(由印度政府电子和信息技术部 (MeitY) 赞助)序言:“电子与信息通信技术学院”在印度政府电子和信息技术部 (MeitY) 的资助下,于瓦朗加尔国立理工学院 (NIT Warangal) 成立。该学院的管辖范围包括特伦甘纳邦、安得拉邦、卡纳塔克邦、果阿邦、本地治里以及安达曼和尼科巴群岛。该学院的职责是提供标准化课程和新兴电子、信息通信技术领域的教师发展计划,为行业提供培训和咨询服务,为行业提供课程开发,为在职专业人员提供持续教育计划 (CEP),并为技术孵化和创业活动提供建议和支持。关于 FDP:该 FDP 旨在提供强大的理论背景以及计算机视觉和医学成像应用领域的实践经验,以及如何借助基于计算机视觉和医学图像分析的算法高效地实现图像的可视化和分析。在“数字印度”计划蓬勃发展的时代,计算机视觉在机器视觉和医学成像领域变得至关重要,因为图像的多种应用决定并有助于提高整个地区和国家的社会经济地位。著名的 CV 和医学成像专家将提供基于计算机视觉和医学成像的方法。该 FDP 旨在传授知识并培训人工智能工程方面的基础知识以及使用人工智能在最近的计算机视觉医学图像分析应用中的见解。FDP 将有助于在计算机视觉和医学图像分析应用的 AI/ML 领域工作的教师和研究人员。主要课程内容: 计算机视觉和医学图像分析应用简介。 机器学习基础,数据预处理和数据可视化。 监督和无监督学习方法、SVM 分类、神经网络和应用。 深度学习方法简介,以及基于 DL 的其他架构及其应用。 用于 CV 和医学成像实现的 CNN 架构。 视频分析、目标检测/追踪、分割、Yolo 模型、RCN、Unet 和 FRCNN。 生物特征检测、人体活动和人脸识别、情绪识别。 医学图像数据处理与分析。 用于生物医学成像的 AI/ML、基于 CT 扫描/MRI 的图像分析、眼底成像和医学图像分类。 Tensor Flow/Keras/PyTorch/Jupyter 和 Colab 的基础知识。 使用 python/MATLAB 进行数据预处理和数据可视化。 使用 Python/MATLAB 进行实践课程。 在 Jetson Nano、TX2 等硬件平台上实现 CV 和 AI 算法。负责此课程的教师:该项目将由瓦朗加尔国立理工学院 (NIT Warangal) 的教职员工授课;印度理工学院 (IIT)、印度理工学院 (NIT) 和印度理工学院 (IIIT) 相关领域的学者也将受邀授课。此外,预计来自各行各业的演讲嘉宾也将参与课程。
与电子和通信工程系Srinivasa Ramanujan技术学院(自动驾驶),Ananthapuramu,AP,AP(由电子和信息技术部赞助(MEITY),GOI)PREAMBLEBLEBLE:“ Electronics&ICT Academy”在Nit Warangal提供了Meity,Goi goi,Goi,Goi,Electronics&ICT Academy”。该学院的管辖区是Telangana,Andhra Pradesh,Karnataka,Goa,Puducherry和Andaman&Nicobar群岛。该学院的作用是在电子,信息通信技术,工业培训和咨询服务,行业课程开发,工作专业人员的CEP开发,工作专业人员的建议,对技术孵化和企业家活动的支持和支持。关于FDP:此FDP旨在提供强大的理论背景以及在计算机视觉和医学成像应用领域的实践经验,以及如何在计算机视觉和基于医学图像分析的算法的帮助下有效地进行图像的可视化和分析。在“数字印度”倡议的发展和新兴时代,计算机视觉的使用在机器视觉和医学成像区域中变得相关,因为这些图像的几种应用决定并有助于整个地区和整个国家的社会经济地位。简历和医学成像专家的知名资源人员将提供计算机视觉和基于医学成像的方法。主要课程内容:计算机视觉和医学图像分析应用程序简介。使用Python/Matlab的动手会话。该FDP旨在传授知识并培训AI的工程方面的基础知识和在最近的计算机视觉医学图像分析应用AI.FDP的应用中,对在AI/ML领域工作的学院和研究人员将有助于计算机视觉和医疗图像分析的领域。机器学习基础知识,使用数据预处理和数据可视化。监督和无监督的学习方法,SVM分类,神经网络和应用程序。深度学习方法的简介以及基于DL的其他架构及其应用。CNN架构用于简历和医学成像实施。视频分析,对象检测/跟踪,分割,Yolo模型,RCN,UNET和FRCNN。生物识别技术检测,人类活动和面部识别,情感识别。BIO医疗信号处理,例如ECG,EEG,EMG等。医疗图像数据处理和分析。用于生物医学成像,基于CT扫描/MRI的图像分析,眼底成像和医学图像分类的AI/ML。张量流/keras/pytorch/jupyter和colab的基础知识。使用Python/Matlab使用数据预处理和数据可视化。CV和AI算法在硬件平台上的实现,例如Jetson Nano,TX2等。主持此计划的教师:Nit Warangal的教职员工将进行该计划;邀请来自IIT/NIT/IIIT的有关领域的院士在该计划中发表讲座。也有望作为课程的一部分提供行业的演讲者。
SUSANNA AVAGYAN +16505469317 • savagyan@stanford.edu 摘要我是斯坦福大学的生物医学数据科学研究生和研究助理,专攻精准医疗的 AI/ML 方法。我精通 R 和 Python,处理批量、单细胞、空间基因组和临床数据。之前,我是亚美尼亚生物信息学研究所与莱比锡大学合作的 Binder 实验室的初级组长。我的行业经验包括在伦敦的 Vivan Therapeutics 担任数据科学家。我曾为《自然精神分裂症》和《转化癌症研究》上的出版物做出贡献,目前正在《细胞》上修订工作。我通过管理学术计划、专业研讨会和研究指导计划展示了领导能力。经验 斯坦福医学院,纽曼实验室 斯坦福,加利福尼亚州 研究助理,研发 2023 年至今 • 开发了 CytoTRACE 2 工具的 R 和 Python 包 - CytoTRACE 2 是一种根据单细胞 RNA 测序数据预测绝对发育潜力的计算方法。 • 带头对该工具进行针对其他算法(ML、Monocle3、scVelo 等)的基准测试 • 为该工具构建了一个基于 R Shiny 的交互式 Web 应用程序,允许运行预测并可视化/探索内置和用户提供的数据集的结果。 VIVAN THERAPEUTICS 英国伦敦(远程) 数据科学家,研发 2022-2023 • 开发了一个概念验证 ML 模型,根据肿瘤基因变异创建结直肠癌患者亚型,并在动物模型中进行设计并用于优化治疗药物组合。 • 为实验室实验建立了一个统计评估框架,以估计测试药物组合对特定基因型的治疗效果。 • 负责数据科学团队的战略规划、目标设定、任务管理和招聘。 教育 斯坦福医学院,斯坦福,加利福尼亚州 硕士,生物医学数据科学 2023 年至今 预计毕业时间:2025 年 6 月 亚美尼亚美国大学,亚美尼亚埃里温 学士,数据科学(生物信息学轨道) 2018-2022 • 顶点:结直肠癌的分子亚型:个性化诊断的前沿 出版物 • 使用可解释的深度学习绘制健康和疾病中的单细胞发育潜力(2024 年)。正在为 Cell 修订,发表在 biorxiv 上。 • 健康、精神分裂症、躁郁症和重度抑郁症中基因表达的时间变化(2024 年)。发表在《自然精神分裂症》上。 • 用于发现微观组织切片中基因表达景观的空间转录组学浏览器 (2024)。发表于 CIMB。• 使用基于多组学和临床结果数据的 ML/DL 方法对癌症进行亚型分类 (2023)。发表于转化癌症研究技能和语言编程语言:Python | R | SQL | Bash 脚本软件:GitHub | RStudio | Jupyter | BioRender | Jira | Trello | Microsoft Office 软件包:机器学习 | 深度学习 | 统计分析 | 生物信息学分析 | Web 应用生物信息学命令行工具:sra-tools | STAR | kallisto | velocyto | 等云和集群计算:Google Cloud | AWS | sherlock 软技能:领导力 | 项目管理 | 公开演讲语言:英语 | 亚美尼亚语 | 俄语
(由印度政府电子和信息技术部 (MeitY) 赞助)序言:“电子和信息通信技术学院”在印度政府电子和信息技术部 (MeitY) 的财政援助下,在瓦朗加尔国家理工学院 (NIT Warangal) 成立。该学院的管辖范围包括特伦甘纳邦、安得拉邦、卡纳塔克邦、果阿邦、本地治里和安达曼和尼科巴群岛。该学院的作用是提供标准化课程和新兴电子、信息通信技术领域的教师发展计划、行业培训和咨询服务、行业课程开发、在职专业人员的 CEP、技术孵化和创业活动的建议和支持。关于 FDP:该 FDP 旨在提供强大的理论背景以及计算机视觉和医学成像应用领域的实践经验,以及如何借助基于计算机视觉和医学图像分析的算法有效地完成图像的可视化和分析。在“数字印度”计划不断发展和新兴的时代,计算机视觉在机器视觉和医学成像领域变得至关重要,因为图像的多种应用决定并有助于整个地区和国家的社会经济地位。 CV 和医学成像专家的杰出资源人员将提供基于计算机视觉和医学成像的方法。 该 FDP 旨在传授知识和培训有关 AI 工程方面的基础知识以及使用 AI 的最新计算机视觉医学图像分析应用的见解。FDP 将对在计算机视觉和医学图像分析应用的 AI/ML 领域工作的教师和研究人员有所帮助。 主要课程内容: 生物医学和医学图像分析应用简介。 机器学习基础,数据预处理和数据可视化。 监督和无监督学习方法、SVM 分类、神经网络和应用。 深度学习方法简介,以及基于 DL 的其他架构及其应用。 用于生物医学信号和医学成像实现的 CNN 架构。 生物医学信号处理技术、生物医学信号分类、基于脑机接口 (BCI) 的系统、现代 ECG/EEG 信号处理。 使用 MATLAB 分析 ECG、EEG 和 PPG 信号 医学图像数据处理和分析。 用于生物医学成像的 AI/ML、基于 CT 扫描/MRI 的图像分析、眼底和医学图像分类。 Tensor Flow/Keras/PyTorch/Jupyter 和 Colab 的基础知识。 使用 python/MATLAB 进行数据预处理和数据可视化。 使用 Python/MATLAB 进行动手实践。 在 Jetson Nano、TX2 等硬件平台上实现 CV 和 AI 算法。 开展该课程的教师:该项目将由瓦朗加尔国立理工学院的教职人员主持;来自印度理工学院/印度理工学院/印度理工学院相关领域的学者将受邀为该项目授课。来自各行各业的演讲者也有望在课程中发表演讲。
摘要:高科技制造业中使用的逆变器、交流接触器等设备对电压暂降十分敏感,电压暂降可能造成设备故障、生产中断、数据丢失、敏感设备损坏、能源供应不稳定等。一次短路故障可能触发多个电能质量监测装置记录电压暂降波形,电压暂降数据冗余问题严重影响数据应用。因此识别电压暂降源对于科学合理评估区域电网电压暂降严重程度具有重要意义。因此本文提出了一种基于DBSCAN算法的电压暂降源识别算法。通过采用合适的特征工程,选取三维聚类特征,再通过迭代方法选取合适的聚类算法参数进行聚类,最后通过6个聚类评价指标评估算法效果。利用某省电力公司提供的数据在jupyter notebook编程平台上进行实验,最终结果证明了所提算法的有效性。关键词:电压暂降 聚类 DBSCAN 电压暂降同源性检测 1.引言 电压暂降造成微电子、智能控制等精密加工行业的生产中断,给用户带来巨大的经济损失,成为投诉最多的电能质量问题[1],[2]。一次短路故障可能触发多个电能质量监测装置记录电压暂降波形。电压暂降数据的冗余严重影响数据应用[3],[4],并可能导致对区域电网电压暂降严重程度的高估[5]。同时,对同一电压暂降源引起的多条数据进行重复分析会增加计算强度和复杂度。将多次电压暂降事件识别为同一电压暂降源是电能质量监测领域亟待解决的问题。识别出同一电压暂降源可以减少电网电能质量监测系统的数据冗余,避免对区域电能质量水平做出高估。它是明确区域电网电能质量水平的必要前提,对于科学合理评估区域电网电压暂降严重程度具有重要意义。电压暂降源识别就是对短时间内监测到的多个电压暂降数据进行分类,将同一电压暂降源引发的电压暂降监测数据归为一类。近年来,国内外对电压暂降源进行了大量研究,现有的研究主要包括特征提取与选择[6]、数据挖掘与机器学习算法[7],[8], [9], 算法融合与集成 [10]。综上所述, 本文提出了一种基于 DBSCAN 算法的同源性识别方法, 并使用某省电力公司提供的 10049 条临时掉电数据进行了聚类实验。最后对聚类结果进行了 6 个聚类评价指标的评估, 证明了该方法的准确性和有效性