14 de ogo。de 2024 - 分子生物学和基因工程。基于纸张理论...遗传学和分子生物学。学期IV。纸 - 。4B。实用的...
•多孔模板: - 纳米多孔氧化铝及其模板•能量收获材料:-1d半导体纳米材料;聚合物纳米复合材料基于太阳能封装(生物饰面 /软光刻)•环境纳米技术:使用绿色纳米颗粒物胶片化作物感染细菌对农药和抗菌配方的光学 /比色检测。• Composite Materials : - Organic semiconductor nanomaterials and composites CORE COMPETENCIES • Material Synthesis : - Electrochemical and Sol-Gel technique for nanoporous materials and nanowires, wet chemical method for growth of hierarchical nanostructured Si • Material Characterization : - Spectroscopy (UV-Vis, Photoluminescence), Microscopy (Optical) and Electron (SEM), Surface粗糙度分析(AFM),色谱法(HPLC)•图形设计和软件:MS-Office,Labview,OriginPro,Solid Works(基础),3D建筑商等教育
Kadkhodaei教授的研究兴趣主要集中在形状记忆合金(SMA),添加剂制造,生物力学和金属形成上。自2005年以来,他一直致力于热磁和铁磁SMA的建模,生产,表征和应用。他在3D/4D打印方面的作品与由聚合物或SMA制成的添加零件以及聚合物和金属形状记忆材料的4D打印的建模和有限元模拟有关,以产生具有预定义行为的智能零件。他曾在金属滚动行业的研发咨询委员会工作,并在多个工业项目中合作,以解决各种设备的故障排除,分析和创新。他发明了许多辅助设备,以提高老年人的生活质量,受伤和残疾人,并减少他们对医疗保健提供者辅助的依赖。
Amirthalakshmi Thirumalai Maadapoosi 博士目前担任印度钦奈拉马普拉姆 SRM 科学技术学院电子与通信工程系助理教授。她在安娜大学附属帕拉万工程学院获得电子与通信工程学士学位。她在钦奈 Sathyabama 科学技术学院获得 VLSI 设计硕士学位。她于 2019 年获得钦奈 Sathyabama 科学技术学院博士学位。她在各种知名国际期刊上发表了 29 篇论文,还发表了 5 项专利。
教师简介 Dr.K. Sunilkumar,ME,Ph.D 助理教授(SG) 电子与通信工程系 印度斯坦理工学院 sunilk@hindustanuniv.ac.in 学历 博士:印度科学研究所(IISc),班加罗尔 硕士:安娜大学,钦奈 AMIE:工程师学会(I),加尔各答 经验:2010 年 - 至今:助理教授 印度斯坦理工学院,钦奈
*1 技术部技术生产首席专家 *2 研发机构首席研究员,博士 *3 研发机构首席研究员,博士 *4 ICT 工程部总工程师,博士
5。Neelakantam,H。K.,Makala,B。P.,Kommoju,P.,Ogirala,D.S.R.,Suneel,P.N。和Manoj Kumar。(2023年,四月)。lte和Wlan公平的无牌带共存。在2023年第二次国际电气,电子,信息和通信技术会议(ICEEICT)(pp。1-5)。IEEE。IEEE。
在远程环境中基于交通识别和事故检测。in:YC。,Tiwari,S.,Trivedi,M.C.,Mishra,K.K。(EDS)环境通信和计算机系统。网络和系统中的讲义,第356卷。施普林格,新加坡。https://doi.org/10.1007/978-981-16-7952-0_47(Scopus索引)11。Revathy,S.,Sathya Priya,s。,Rafi,S.,Pranideep,P.,Rajesh,D。(2022)。检测
教育目标教育活动的重点是完成博士生的课程,他们在导师的监督下定义了三年的学习计划。在头两年(在第一个期间更强烈),学生必须参加在第一届工程学院,信息科学学院以及其他课程的课程,该课程具有更专业的性质,该课程由本科生,第三级或研究生课程提供。参与学校和研讨会,包括与从事的专业类型不严格相关的一些,教师强烈建议促进博士生的文化视野扩大。科学目标在网站http://www.dauin.polito.it/en/la/la_ricerca中详细介绍了该博士学位的科学目标和特定方法。
量化人体运动行为首先要尽可能准确地测量和估计运动学和动力学变量。监测人体运动在功能康复、骨科、运动、辅助机器人或工业人体工程学方面有着广泛的应用。当今的运动捕捉系统通常是指立体摄影测量系统和实验室级测力板,它们准确但价格昂贵,需要专业技能,并且不便携。最近,使用价格实惠的传感器进行人体运动估计,例如惯性测量单元或 RGB 深度相机,已成为众多研究的主题。尽管这些系统在实验室外具有巨大的应用潜力,但它们的准确性仍然有限,主要是由于固有的 IMU 漂移和视觉遮挡,并且关节运动学和动力学估计仍然难以估计。这些缺点可能解释了为什么这种系统很少用于常见的临床应用或家庭康复计划。在此背景下,本论文涉及开发一种新的经济实惠的运动捕捉系统,该系统能够准确估计人体 3D 关节状态。与以前基于视觉或惯性传感器的研究不同,所提出的方法包括结合新设计的视觉惯性传感器的数据。该系统还利用了新的实用校准方法,这些方法不需要任何外部设备,同时仍然非常实惠。所有传感器数据都融合到一个受约束的扩展卡尔曼滤波器中,该滤波器利用人体的生物力学和所研究的任务来显着改善关节状态估计。这是通过结合不同类型的约束(例如关节限制、刚体和软关节约束)以及对关节轨迹的时间演变和/或传感器随机偏差进行建模来实现的。该系统估计精确 3D 关节运动学的能力已通过对上臂和跑步机步态的日常生活活动的各种案例研究得到验证。已经研究了两种具有不同传感器数量和配置的不同原型。与黄金标准运动捕捉系统相比,对几名健康受试者进行的实验显示出非常令人满意的结果。总体而言,两个系统之间的平均 RMS 差异低于 4 度。当使用较少数量的传感器进行步态分析时也是如此。该系统还用于