Research Publications

Proposes a novel Gravitational Least Squares Twin Support Vector Machine (GLSTSVM) based on optimal angle for class imbalance learning — Binary-class data separation inspired by Newton's gravitational force for unbalanced data classification.

ارائه یک سبک تدریس نوین با تلفیق رویکردهای ساخت گرایی، تصمیم‌سازی و طرحواره‌های ذهنی در آموزش ریاضی و ارائه چارچوب نظری جدید برای بهبود کیفیت تدریس و یادگیری ریاضی در سطوح مختلف تحصیلی.

توسعه روشی مبتنی بر ماشین بردار پشتیبان دوقلو (Twin SVM) برای پردازش داده‌های نامتوازن با استفاده از مدل سازی گرانشی و بهینه‌سازی زاویه برای بهبود عملکرد در طبقه‌بندی داده‌های نامتوازن.

بررسی تابع وزن گرانشی بر اساس ماشین بردار پشتیبان دوقلو برای پیش‌بینی بیماری‌های مزمن با استفاده از داده‌های نامتوازن و بهبود عملکرد طبقه‌بندی در شرایط نامتوازن.