top of page

ಜರ್ನಲ್‌ಗಳು ಮತ್ತು ಪೇಟೆಂಟ್‌ಗಳು

ಯೋಜನೆ 01
ನಡಿಗೆ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು 3D ಕನ್ವಲ್ಯೂಷನಲ್ ನೆಟ್‌ವರ್ಕ್  ಬಳಸಿಕೊಂಡು ಮಾನವ ಗುರುತಿಸುವಿಕೆಮೇಲ್ವಿಚಾರಣೆಯಲ್ಲಿಡಾ.ಪಿ.ಸುಪ್ರಜಾ.
 
ಈ ಯೋಜನೆಯು ಮಾನವ recognition ಅನ್ನು ಅವರ ನಡಿಗೆ i.e. ಅವರ ನಡಿಗೆ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ವಾಕಿಂಗ್ ಶೈಲಿ. ಇದು ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್, ಸಿಲೂಯೆಟ್ ಹೊರತೆಗೆಯುವಿಕೆ, ಅಸ್ಥಿಪಂಜರೀಕರಣ, 3D CNN, ಗುರುತಿಸುವಿಕೆ ಒಳಗೊಂಡಿದೆ.
11 ವಿವಿಧ ಕೋನಗಳಿಂದ 181 ವಸ್ತುಗಳ 18000 ವೀಡಿಯೊಗಳನ್ನು ಪೂರ್ವ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಒಂದು ದಿನ ತೆಗೆದುಕೊಂಡಿತು ಮತ್ತು ಅವನ/her gait_cc781905-1481905-5c81905-5c81905-5c81905-5c81905-5c81905-5c81905-5c5bdbaature
ಸಂಶೋಧನಾ ಲೇಖನ:ಅನ್ವಯಿಸಲಾಗಿದೆ.
ಪೇಟೆಂಟ್: ನಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಗಿದೆIPindia  01/2020,1, ಪುಟ- 208
ಯೋಜನೆ 02
ವೀಡಿಯೊ ಶೀರ್ಷಿಕೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಎನ್‌ಕೋಡರ್ ಮತ್ತು ಡಿಕೋಡರ್ ಮಾಡ್ಯೂಲ್ ಮೇಲ್ವಿಚಾರಣೆಯಲ್ಲಿ ಡಾ.ಪಿ.ಸುಪ್ರಜಾ

Iಈ ಯೋಜನೆಯಲ್ಲಿ, ಫ್ರೇಮ್‌ಗಳಲ್ಲಿರುವ ವೈಶಿಷ್ಟ್ಯಗಳ ಆಧಾರದ  ನಲ್ಲಿ ಶೀರ್ಷಿಕೆಯನ್ನು ರಚಿಸಲು ನರ ನೆಟ್‌ವರ್ಕ್‌ಗೆ ತರಬೇತಿ ನೀಡಲು LSTM ನೊಂದಿಗೆ 3D CNN ಅನ್ನು ನಾವು ಬಳಸಿದ್ದೇವೆ. ನಾವು ನಮ್ಮ ನರ ನೆಟ್‌ವರ್ಕ್‌ಗೆ ತರಬೇತಿ ನೀಡಿದ ಶೀರ್ಷಿಕೆಗಳ ನೈರ್ಮಲ್ಯೀಕರಣಕ್ಕಾಗಿ ಪದ ಎಂಬೆಡಿಂಗ್ ಮತ್ತು ವೆಕ್ಟರೈಸೇಶನ್.

ಐದು ನಿರಂತರ ದಿನಗಳ ತರಬೇತಿಯ ನಂತರ ನಾವು ವೀಡಿಯೊದ ಫ್ರೇಮ್‌ಗಳಿಗೆ 92% ಸಂಬಂಧಿಸಿದ ಶೀರ್ಷಿಕೆಗಳನ್ನು ಪಡೆದುಕೊಂಡಿದ್ದೇವೆ.

ಪೇಟೆಂಟ್: ನಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಗಿದೆIPindia  51/2019,1, ಪುಟ- 61314

ಯೋಜನೆ 03
ವರ್ಧಿತ ಮಾನವ ನಡಿಗೆ ಮುನ್ಸೂಚನೆ ಅವರ ಮೇಲ್ವಿಚಾರಣೆಯಲ್ಲಿಡಾ.ಪಿ.ಸುಪ್ರಜಾ

Iಇದರಲ್ಲಿ ನಾವು 2D CNN ಅನ್ನು ಬಳಸಿದ್ದೇವೆ, ಅವರ ನಡಿಗೆಯ ಮಾದರಿಯನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಅವರ ನಡಿಗೆ ವೈಶಿಷ್ಟ್ಯಗಳಿಂದ ಮಾನವನನ್ನು ಗುರುತಿಸಲು.

 

ಸಂಶೋಧನಾ ಲೇಖನ: ಜರ್ನಲ್ ಆಫ್ ಫಿಸಿಕ್ಸ್ ಮತ್ತು ನ್ಯಾನೊಟೆಕ್ನಾಲಜಿಯಲ್ಲಿ ಸ್ವೀಕರಿಸಲಾಗಿದೆ.

ಯೋಜನೆ 04
ಮಾದರಿ ಮೌಲ್ಯಮಾಪನ(ಅಧ್ಯಾಯ) ರಲ್ಲಿಸ್ಕ್ರಿವೆನರ್ ಪಬ್ಲಿಷಿಂಗ್

ಇದು ಫಂಡಮೆಂಟಲ್ಸ್ ಮತ್ತು ಮೆಥಡ್ಸ್ ಆಫ್ ಮೆಷಿನ್ ಅಂಡ್ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಪುಸ್ತಕದಲ್ಲಿ ಪ್ರಕಟವಾದ ಅಧ್ಯಾಯ: ಅಲ್ಗಾರಿದಮ್ಸ್, ಟೂಲ್ಸ್ ಮತ್ತು ಅಪ್ಲಿಕೇಷನ್ಸ್. ಈ ಅಧ್ಯಾಯದಲ್ಲಿ, ಕಂಪ್ಯೂಟರ್ ವಿಷನ್, ಎನ್‌ಎಲ್‌ಪಿ, ರಿಗ್ರೆಷನ್, ವರ್ಗೀಕರಣದಂತಹ ವಿವಿಧ ಮಾದರಿಗಳನ್ನು ನಾವು ಹೇಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬಹುದು ಎಂಬುದನ್ನು ನಾನು ವಿವರಿಸಿದ್ದೇನೆ. ಮತ್ತು ವಿವಿಧ ರೀತಿಯ ಮಾದರಿಗಳು. ಈ ಅಧ್ಯಾಯವು ತರಬೇತಿ ಪಡೆದ ಮಾದರಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಸೈದ್ಧಾಂತಿಕ ಮತ್ತು ಗಣಿತದ ಹಂತಗಳನ್ನು ಚರ್ಚಿಸುತ್ತದೆ.

 

ಅಧ್ಯಾಯ ಲಿಂಕ್:ಲಿಂಕ್

ನಾನ(ಪುಸ್ತಕ) : 10.1002/9781119821908

ನಾನ(ಅಧ್ಯಾಯ): 10.1002/9781119821908.ch3

ಯೋಜನೆ 05
2D ಚಾನೆಲ್-ಆಧಾರಿತ ಕನ್ವಲ್ಯೂಷನಲ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ಬಳಸಿ ಚಾನೆಲ್-ಆಧಾರಿತ ಹೋಲಿಕೆ ಕಲಿಕೆ

ಸಂಶೋಧನಾ ಪ್ರಬಂಧವನ್ನು  ಎಂದು ಹೆಸರಿಸಲಾಗಿದೆಸ್ಪ್ರಿಂಗರ್‌ನಲ್ಲಿ ಪ್ರಕಟವಾದ 2D ಚಾನೆಲ್-ಆಧಾರಿತ ಕಾನ್ವಲ್ಯೂಷನಲ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಚಾನೆಲ್-ಆಧಾರಿತ ಹೋಲಿಕೆಯ ಕಲಿಕೆ - ವೈದ್ಯಕೀಯ ಡೇಟಾದಲ್ಲಿ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್, ಲೆಕ್ಚರ್ ನೋಟ್ಸ್ ಇನ್ ಕಂಪ್ಯೂಟೇಶನಲ್ ವಿಷನ್ ಮತ್ತು ಬಯೋಮೆಕಾನಿಕ್ಸ್ book ಸರಣಿ (LNCVB, ಸಂಪುಟ 37)

ಸಂಶೋಧನಾ ಲೇಖನ :ಲಿಂಕ್

ಯೋಜನೆ 05
Conceptualizing a Channel-based overlapping CNN tower architechture for COVID-19 identification from CT-scan Images 

A Research Paper named Conceptualizing a Channel-based Overlapping CNN tower architecture for COVID-19 Identification from CT-scan Images  published in Scientific Reports.

Research Paper: Link

DOI: 10.1038/s41598-022-21700-8

ಯೋಜನೆ 05
Futuristic Trends in Artificial Intelligence

Edited Book named Futuristic Trends in Artificial Intelligence  published in  Iterative International Publishers (IIP), Selfypage Developers Pvt Ltd with  ISBN: 978-93-95632-81-2

Book  : Link

ಯೋಜನೆ 05
Explainable  AI (EXAI) for Sustainable Development: Trends and Applications

Edited Book named as Explainable  AI (EXAI) for Sustainable Development: Trends and Applications will be published  in  CRC Press Taylor & Francis Group.

Book: Link

ISBN: 9781032598864

ಯೋಜನೆ 05
Futuristic Trends in IOT

Edited Book named as Futuristic Trends in IOT published in  Iterative International Publishers (IIP), Selfypage Developers Pvt Ltd 

Reviewer ID: IIPER1655553093

ಯೋಜನೆ 05
Privacy Preservation and Secured Data Storage in Cloud Computing

Edited Book named Privacy Preservation and Secured Data Storage in Cloud Computing published in IGI Global Publisher

Book: Link

ISBN:  9798369305935

DOI: 10.4018/979-8-3693-0593-5

ಯೋಜನೆ 05
3D convolution neural network-based person identification using gait cycles

Human identification plays a prominent role in terms of security. In modern times security is becoming the key term for an individual or a country, especially for countries that are facing internal or external threats. Gait analysis is interpreted as the systematic study of the locomotive in humans.The steps involve object detection, background subtraction, silhouette extraction, skeletonization, and training 3D Convolution Neural Network (3D-CNN) on these gait features.

Research Paper : Link

DOI: 10.1007/s12530-021-09397-y

ಯೋಜನೆ 05
Comparative Study on Forecasting of Schedule Generation in Delhi Region for the Resilient Power Grid Using Machine Learning

In this proposed work, the focus is on Short-Term Load Forecasting (STLF) in the Delhi metropolis for the upcoming twelve months of 2020. The transformation of the conventional electrical grid into a more adaptable and interactive system due to the increasing use of Renewable Energy Resources (RES) has made accurate load prediction crucial for smart grid operation, including planning, scheduling, management, and electricity trading.

Research Paper: Link

DOI: 10.1109/TIA.2023.3316646

ಯೋಜನೆ 05
Libraries for Explainable Artificial Intelligence (EXAI): Python (Chapter) in Explainable AI (XAI) for Sustainable DevelopmentTrends and Applications

This is a chapter published in the book Explainable AI (XAI) for Sustainable Development Trends and Applications. In this chapter, I have explained how we can use different libraries to explain the output of the Artificial Intelligence model to the end user to increase the trustworthiness of the AI model.  by implementing Explainable Artificial Intelligence (XAI). This chapter discusses theoretical as well as mathematical steps to evaluate the trained model.

Book Link : Link

Book ISBN : 9781032598864

ಯೋಜನೆ 05
Cloud-Based Quad Deep Ensemble Framework for the Detection of COVID-19 Omicron and Delta Variants

We have developed a unique ensemble model for detecting COVID-19 Omicron and Delta variants from lung CT-scan images. The ensemble model combines the Capsule Network (CapsNet) with pre-trained architectures including VGG-16, DenseNet-121, and Inception-v3. This approach aims to enhance reliability and robustness in diagnosing the variants.

Research Paper: Link

DOI: 10.3390/diagnostics13223419

ಯೋಜನೆ 05
Hate Speech Detection Using LSTM (Chapter) in Computational Intelligence Methods for Sentiment Analysis in Natural Language Processing

This is a chapter published in the book Computational Intelligence Methods for Sentiment Analysis in Natural Language Processing. In this chapter, I have explained how we can use LSTM to detect hate speech and explain the model output to the user by implementing Explainable Artificial Intelligence (XAI). This chapter discusses theoretical as well as mathematical steps to evaluate the trained model.

Book Link : Link

bottom of page