Тепер ви підписані на
Помилка підписки на користувача.
Цей користувач не дозволяє слідувати за ним.
Ви вже слідуєте за цим користувачем.
Ваш членський план дозволяє мати не більше 0 підписок. Покращити рівень членства можна тут.
Успішно відписалися від
Помилка під час скасування підписки на користувача.
Ви успішно рекомендували
Помилка рекомендування користувача.
Щось пішло не так. Будь ласка, оновіть сторінку та повторіть спробу.
Електронну адресу успішно верифіковано.
islamabad,
pakistan
Зараз тут 5:17 пп
На сайті з січня 4, 2016
2
Рекомендацій(-ії)
Imran A.
@imranahmadquresh
4,2
4,2
94%
94%
islamabad,
pakistan
95%
Завершених робіт
98%
В межах бюджету
100%
Вчасно
17%
Рейтинг повторного найняття
Image Processing and Machine Learning Expert
Зв'яжіться з Imran A. щодо вашої роботи
Авторизуйтесь, щоб обговорити деталі в чаті.
Портфоліо
Портфоліо
![An electromyography (EMG) is used to evaluate the physical health of muscles. Each muscle in a human body transmits signals which are produced when a muscle makes different movements. The EMG sensor receives signal containing 235 samples from forearm muscle of person in time span of 30 seconds. RMS (Root Mean Square) value of recorded samples is calculated. Experiments show that RMS value increases with increase in BMI (Body Mass Index), hence threshold level of fatigue also increases as BMI tells the muscle strength, as more the strength, lesser will be the fatigue. The system is trained with ranges of (0.25, 0.35], (0.35, 0.45], 0.45+ and (0.37, 0.48], (0.48, 0.65], 0.65+ for low, medium and high
fatigue using corresponding positions of fingers of hand for class1 (underweight or normal weight person) and class2 (overweight person) respectively. After training, BMI class is entered using keypad by entering either 1 for class1 or 2 for class2 and LCD shows fatigue level of a person.](https://cdn3.f-cdn.com/files/download/202040439/Fatigue%20Level%20Measurement%20Result.jpg?fit=crop&height=285&image-optimizer=force&format=webply&width=760)
Fatigue Level Measurement Using Arduino
Attendance Management System through Image Recognition
OMR Scanner for Counting Marks with Tick Cross in Matlab
Clustering fingerprint Images using K-means in Python
Brain Tumor Segmentation using morphological ops in Matlab
Blind Source Separation of fMRI Images using DL in Matlab
Fatigue Level Measurement Using Arduino
Attendance Management System through Image Recognition
OMR Scanner for Counting Marks with Tick Cross in Matlab
Clustering fingerprint Images using K-means in Python
Brain Tumor Segmentation using morphological ops in Matlab
Blind Source Separation of fMRI Images using DL in Matlab
Відгуки
Зміни збережені
Показано з 1 по 5 із 21 відгуків
$85,00 USD
Statistics
R Programming Language
Statistical Analysis
•
$20,00 USD
A
•
$75,00 USD
Python
Matlab and Mathematica
Electrical Engineering
Machine Learning (ML)
+ ще 1
•
$60,00 USD
C Programming
Python
Software Architecture
C++ Programming
Programming
•
$65,00 USD
Data Entry
Data Science
Data Visualization
T
•
Досвід роботи
Manager R&D
січ. 2014 - Цей час
End Technologies is a high technology multi-field engineering concern company, specialized in Research & Development, designing and manufacturing of a top class Science & Engineering equipment. The main purpose of the Company is to give economical solutions with Innovation and commercialization of new ideas. End Technologies currently engaged in fields relating to robotics, image processing, embedded system designing, FPGA`s and other security applications.
Освіта
MS Electrical Engineering
(3 years)
Публікації
Arduino Based Fatigue Level Measurement in Muscular Activity using RMS Technique
2020 International Conference on e-Health and Bioengineering (EHB)
Human fatigue reduces ability to work for some time as a result of abnormal or prolonged workloads. For this problem, an electromyography (EMG) is used to evaluate the physical health of muscles. Each muscle in a human body transmits signals which are produced when a muscle makes different movements. In this paper, forearm muscle is investigated using MyoWare EMG sensor (AT-04-001), an Arduino Uno, keypad and LCD.
Non negative matrix factorization, sparse coding & dictionary learning techniques on fMRI images
Recent Advances in Electrical Engineering (RAEE), 2017 International Symposium on IEEE.
Recent developments in Matrix factorization techniques have led to sparse representation of signals using learned dictionaries. In this research we have applied Alternating Least Square Non-Negative Matrix Factorization (ALSNMF) and Dictionary Learning (DL) technique for sparse representation to simulated and real Functional Magnetic Resonance Images (fMRI) to extract corresponding sources and time courses.
Зв'яжіться з Imran A. щодо вашої роботи
Авторизуйтесь, щоб обговорити деталі в чаті.
Верифікації
Топ-навички
Пошук схожих фрілансерів
Переглянути схожі презентації
Запрошення успішно надіслане!
Дякуємо! Ми надіслали на вашу електронну пошту посилання для отримання безкоштовного кредиту.
Під час надсилання електронного листа сталася помилка. Будь ласка, спробуйте ще раз.
Не вдалося скопіювати в буфер обміну. Будь ласка, налаштуйте дозволи та повторіть спробу.
Скопійовано в буфер обміну.
Завантажуємо для перегляду
Дозвіл на визначення геолокації надано.
Ваш сеанс входу закінчився, і сеанс було закрито. Будь ласка, увійдіть знову.