به گزارش روابط عمومی دانشگاه سمنان ؛ دکتر محمدحسین احسانی معاون پژوهش و فناوری دانشگاه با اعلام این خبر گفت :  « پژوهش انجام‌شده توسط دکتر خوش‌سیمای برگرد از نمونه‌های بارز فعالیت‌های علمی هدفمند و کاربردی در حوزه ریاضیات کاربردی است که می‌تواند زمینه‌ساز پیشرفت‌های علمی در حوزه تحلیل داده، یادگیری ماشین و بهینه‌سازی شود.

دکتر محمدحسین احسانی افزود :  توسعه پژوهش‌های پسادکتری در دانشگاه، یکی از محورهای اصلی سیاست‌های پژوهشی است و حضور پژوهشگرانی چون دکتر خوش‌سیمای برگرد، نشان از جایگاه بالای علمی و ظرفیت بالای دانشگاه در جذب و تربیت نیروهای پژوهشی دارد.

رئیس کمیته پسادکتری دانشگاه گفت: در جریان این دوره، نتایج علمی حاصل از پژوهش‌های انجام‌شده در قالب مقالات پژوهشی در نشریات بین‌المللی منتشر شده‌اند که گواهی بر کیفیت و اصالت فعالیت‌های تحقیقاتی صورت‌گرفته است.

دکتر احسانی ادامه داد :  این دستاوردها، ضمن ارتقای جایگاه علمی دانشگاه، در جامعه علمی بین‌المللی نیز بازتاب مثبتی داشته‌اند.

گفتنی است ؛ تجزیه نامنفی ماتریسی (NMF) یکی از روش‌های پرکاربرد در تحلیل داده‌های پیچیده به‌شمار می‌رود که کاربردهای متعددی در حوزه‌های علوم داده، پردازش تصویر، متن‌کاوی و بیوانفورماتیک دارد. پژوهش انجام‌شده در این دوره، با بهره‌گیری از رویکردهای کم‌حافظه و الگوریتم‌های نوین، گامی مؤثر در جهت بهبود عملکرد و کاربردی‌سازی این تکنیک‌ها در مسائل بزرگ‌مقیاس بوده است.

دستاوردهای منتشر شده و در حال انتشار دوره پسادکتری

1- چاپ مقاله تحت عنوان  A projected hybridization of the Hestenes–Stiefel and Dai–Yuan conjugate gradient methods with application to nonnegative matrix factorization در مجله Journal of Applied Mathematics and Computing  با نمایه JCR-Q1

2- چاپ مقاله تحت عنوان  A family of descent spectral three-term  conjugate gradient methods based on the quasi–Newton aspecpt with applications to nonnegative matrix factorization and image restoration conjugate در مجله Numerical Algorithms با نمایه JCR-Q1.

3- پذیرش مقاله تحت عنوان A family of descent spectral three-term conjugate gradient methods based on the quasi-Newton aspects with application to nonnegative matrix factorization در مجله International Journal of Computer Mathematics با نمایه JCR-Q2.

4- سابمیت مقاله تحت داوری با عنوان A descent family of hybrid conjugate gradient methods for solving unconstrained optimization with application to nonnegative matrix factorization در مجله Optimization Methods and Software  با نمایه JCR-Q1.