Arbeids- og kompetanseområde
Dr. Mehak Khan mottok Ph.D. grad i informatikk og teknologi fra Harbin Institute of Technology i 2021. Under Ph.D. arbeidet hun for å foreslå effektive ende-til-ende dyplæringsteknikker for tidsserieklassifisering. Resultatene av hennes forskning ble publisert i anerkjente vitenskapelige tidsskrifter. Deretter jobbet hun som seniorforsker ved Oslo Metropolitan University, hvor forskningen hennes fokuserte på Graph Neural Networks og deres anvendelse i Citation Networks. Målet var å utvikle et AI-verktøy for systematisk litteraturgjennomgang som en del av det europeisk-finansierte prosjektet "REFSA". For tiden jobber hun som postdoktor ved Høgskolen på Vestlandet, hvor hun jobber med "GridEyeS"-prosjektet i Ci2lab og hennes forskning fokuserer på å utnytte AI for jordobservasjon.
Publikasjonar
-
Modeling and forecasting carbon dioxide emission in Pakistan using a hybrid combination of regression and time series models
-
HITS-based Propagation Paradigm for Graph Neural Networks
-
Advancements in super-resolution methods for smart meter data
-
HITS-GNN: A Simplified Propagation Scheme for Graph Neural Networks
-
Analytical framework for end-to-end channel capacity in molecular communication system
-
Adoption of human metabolic processes as Data Quality Based Models
-
Bidirectional LSTM-RNN-based hybrid deep learning frameworks for univariate time series classification
-
Attention-Based Deep Gated Fully Convolutional End-to-End Architectures for Time Series Classification
-
SBAG: a hybrid deep learning model for large scale traffic speed prediction
-
The evaluation video quality in social clouds
-
Biocyber interface-based privacy for internet of bio-nano things
-
End-to-end multivariate time series classification via hybrid deep learning architectures