الاسم : لقاء محمد شوحي. الدرجة العلمية: مدرس مساعد. التخصص: علوم حاسبات. مكان العمل : جامعة بغداد/ كلية التربية البدنية وعلوم الرياضة للبنات. تاريخ التولد: 5/5/1987 رقم الهاتف: 07710503123 البريد الالكتروني:[email protected]
ماجستير علوم حاسبات في سنة 2020 عنوان رسالة الماجستير:
Deep Learning Approach for Handling Imbalanced Data Sets.
مسؤولة** قاعدةالبيانات في قسم شؤون الطلبة / رئاسة جامعة بغداد 2012**** ولغاية 2017** مسؤولة وحدة الخريجين **** في قسم شؤون الطلبة / رئاسة**** جامعة بغداد 2020 , 2021 ** مسؤولة مختبر الحاسوب للدراسات الاولية في كلية التربية البدنية وعلوم الرياضة للبنات سنة 2024****
-
Computer Science
-
Artificial Intelligence
-
Deep Learning
- مادة الحاسوب للدراسات الاولية /جامعة بغداد / كلية الادارة والاقتصاد 2021.
- مادة الحاسوب لطلبة الدراسات الاولية / جامعة بغداد / كلية التربية البدنية وعلوم الرياضة للبنات 2024.
- الاشراف على بحث بكولوريوس لطالبة المرحلة الرابعة في كلية
التربية البدنية وعلوم الرياضة للبنات للعام 2025
- الاشراف التربوي في التطبيق الميداني لطالبة المرحلة الرابعة للعام الدراسي 2025
Classification of imbalanced data is an important issue. Many algorithms have been developed for classification, such as Back Propagation (BP) neural networks, decision tree, Bayesian networks etc., and have been used repeatedly in many fields. These algorithms speak of the problem of imbalanced data, where there are situations that belong to more classes than others. Imbalanced data result in poor performance and bias to a class without other classes. In this paper, we proposed three techniques based on the Over-Sampling (O.S.) technique for processing imbalanced dataset and redistributing it and converting it into balanced dataset. These techniques are (Improved Synthetic Minority Over-Sampling Technique (Improved SMOTE), Border
... Show More
Vol. 6, Issue 1 (2025)
General Background: Deep image matting is a fundamental task in computer vision, enabling precise foreground extraction from complex backgrounds, with applications in augmented reality, computer graphics, and video processing. Specific Background: Despite advancements in deep learning-based methods, preserving fine details such as hair and transparency remains a challenge. Knowledge Gap: Existing approaches struggle with accuracy and efficiency, necessitating novel techniques to enhance matting precision. Aims: This study integrates deep learning with fusion techniques to improve alpha matte estimation, proposing a lightweight U-Net model incorporating color-space fusion and preprocessing. Results: Experiments using the AdobeComposition-1k
... Show More