Mohammad Shahin
个人简介
暂无内容
教育背景
暂无内容
工作经历
暂无内容
荣誉奖项
暂无内容
道路检测4.0:基于深度学习的自动驾驶高分辨率坑洼检测短视频基准
超越物料流动的认知废料理论:通过认知效率不足的定量模型对精益生产中的第九种废料进行形式化
机器学习与深度学习模型在物联网恶意软件检测中的系统评估:针对勒索软件、Rootkit、间谍软件、特洛伊木马、僵尸网络、蠕虫、病毒和键盘记录器的跨类别研究
通过博弈论方法评估不确定性下的合成网络欺骗策略:连接网络欺骗中的信息泄露与博弈结果
Maghanaki, M.; Keramati, S.; Chen, F.F.; Shahin, M. 调查物联网制造系统中的网络安全人工智能方法以及用于恶意软件检测的深度混合学习框架。J. Manuf. Sci. Eng. 2026, 148, 1–32. [Google Scholar] [CrossRef]
精益分析与工业6.0的集成:一种新颖的元理论框架,用于抗脆弱、生成式AI编排的、循环-再生和超连接的制造生态系统
共生工厂:一种将精益制造扩展到人机协作的综合性框架
Shahin, M.; Chen, F.F.; Maghanaki, M.; Mehrzadi, H.; Hosseinzadeh, A. 制造业战略决策中的高级预测技术:分析金融市场预测模型。载于《柔性自动化与智能制造:自动化与制造的未来:智能、敏捷与可持续性》,FAIM 2025会议录,美国纽约市,2025年6月21—24日;Srihari, K., Khasawneh, M.T., Yoon, S., Won, D. 主编;Springer Nature: 瑞士楚格,2026年;第59—66页。 [Google Scholar] [CrossRef]
基于集成学习方法的自动化缺陷检测:集成计算机视觉和机器学习技术
通过深度混合学习模型提升工业物联网的网络安全:机器学习与深度学习方法比较研究
数据驱动的精益六西格玛:提升模具维护过程的敏捷性和生产力
为网络安全生成一个多类物联网恶意软件数据集
生成式人工智能在制造业中的应用:应用、案例研究和下一代智能生产系统的未来方向
通过新颖的模糊混合堆叠集成方法(结合视觉Transformer和CNNs)检测金属表面缺陷以实现废料最小化
使用优化的神经网络模型校准方程预测FRP约束柱的抗压强度

