د. رضوانحسين

قسم هندسة البرمجيات كلية تقنية المعلومات

الاسم الكامل

د. رضوان علي بلقاسم حسين

المؤهل العلمي

دكتوراة

الدرجة العلمية

أستاذ مشارك

ملخص

د. رضوان حسين أستاذاً مشاركاً وكيل الشؤون العلمية لكلية تقنية المعلومات بجامعة طرابلس. د. رضوان له العديد من المنشورات العلمية في مجال تخصصه ومجالات أخرى. كان الدكتور رئيساً لقسم هندسة البرمجيات لمدة أربع أعوام جامعية من خريف 2013 إلى نهاية ربيع 2017, وكان أيضاً رئيس فريق تطوير منهج القسم ضمن لجنة تطوير مناهج كلية تقنية المعلومات. هو عضو مؤسس في الجمعية الليبية للاستشعار عن بعد ونظم المعلومات الجغرافية, وهو عضو بجمعية أمل الغد لأطفال التوحد, و عضو مؤسس في جمعية السلامة لأعمال مخلفات الحروب. يهتم د. رضوان بنمذجة الأنظمة المركبة (المعقدة) والذكاء الاصطناعي, معالجة الصور والوسائط المتعددة, وتطوير نظم المعلومات الجغرافية.

معلومات الاتصال

روابط التواصل

الاستشهادات

الكل منذ 2017
الإقتباسات
h-index
i10-index

المنشورات

Simulation of Leishmaniasis Epidemiology in Libya Using Agent Based Modelling

Epidemics control is a continues struggle. In this paper is an attempt to model and then simulate an epidemiological disease known as Cutaneous Leishmaniasis (CL), which is currently affecting large communities in Libya. The model is developed to facilitate the Agent Based Models (ABM) as one of the many tools applied for epidemiological management. Validation of the model is considered by comparing the model's behavior with a trend of field data used by Libyan authorities. The methodology used for describing and designing CL model is derived from nature of the disease mechanisms. The ABM model involves three types of agents: Human, Rodent and Sand-fly. Each agent has its own properties. Additionally, global model parameters are used for following the human infection processes. Several experiments are given for illustrating the model performance, and monitor the number of people infected. Simulation results show that active human agents are more vulnerable to sand-fly bites, and infection rate is increasing or decreasing dependent on number of sand-fly vectors, number of host rodents, and human population awareness level. arabic 9 English 68
Rudwan A. Husain, Hala Shaari, Marwa Solla, Hassan A. H. Ebrahem(3-2019)
Publisher's website


Agent Based Computing Technique for Epidemiological Disease Modelling

Agent-Based Models (ABM) have become popular as tools for epidemiological simulations due to their ability to model real life phenomena at individual entity levels. ABM is a relatively new area for modelling as compared to the classical modelling methods. Many different fields use agentbased models including ecology, demography, geography, political science and epidemiology. Recently, an abundance of literature has presented applications of agent-based modeling in the biological systems. In this paper, the authors present an agent-based model attempts to simulate an epidemiological disease known as Cutaneous Leishmaniasis (CL). The model is developed to investigate the ability of ABM in modelling a disease that keeps speeding in Libya. The methodology used for describing and designing CL model is derived from nature of the disease mechanism. The ABM model involves three types of agents: Human, Rodent and Sand-fly. Each agent has its own properties, in addition to other global parameters which affect the human infection processes. The main parameter used for monitoring the model's performance is the number of people infected. The model experiments are designed to investigate ABM’s performance in modeling CL disease. Simulation results show that human infection rate is increasing or decreasing dependent on number of sand-fly vectors, number of host rodents, and human population awareness level arabic 7 English 62
Rudwan A. Husain, Hala Shaar, Marwa Solla, Hassan A. H. Ebrahem(3-2019)
Publisher's website


Applying Multiple Deep Learning Models for Antipersonal Landmines Recognition

Antipersonnel landmines represent a very serious hazard endangering the lives of many people living in armed conflict counties. The huge number of human lives lost due to this phenomenon has been a strong motivation for this research. Deep Learning (DL) is considered a very useful tool in object detection, image classification, face recognition and other computer vision activities. This paper focuses on DL for the problem of landmines recognition in order to identify its type based on shape features. This research work consists of several stages: gathering a new dataset of Anti-Personnel Mines (APMs) images for training and testing purposes, employing several augmentation strategies to boost the diversity of training data, applying four different Convolutional Neural Network (CNN) models namely VGG, ResNet, MiniGoogleNet and MobileNet, and evaluating their performances on APMs recognition. In conclusion, results indicate that MiniGoogleNet exceed all of other three models in recognizing APMs with the highest accuracy rate of 97%. arabic 9 English 69
Hassan Ali Hassan Ebrahem, Abdelhamid Elwaer, Marwa Solla, Fatima Ben Lashihar, Hala Shaari, Rudwan A. Husain(7-2021)
Publisher's website


خوارزمية ذكية للتعـرف على معالم أندلسية باستخدام نموذج التعـلم العـميق

تـقنيات الذكاء الاصطناعي تُـسخر الآن لخدمة كافة مجالات الحياة، اقتصادية كانت أو طبية، أو تعليمية، أو عسكرية أو سياحية، وهي تقنيات تتميز باستمرارية تطورها وتستوحي بناء نماذج خوارزميات ذكائها من خلال الطبيعة التي نحيا فيها، في أسلوب التعامل مع المعضلات وحلها، وهي متعددة المنهجيات في الذكاء الاصطناعي، وأشهرها في هذه الحقبة، منهجية تعلم الآلة (Machine Learning) التي يتفرع منها أسلوب حديث يعرف بالتعليم العميق (Deep Learning)، وهو الذي بناؤه مستوحى من مفهوم شبكة الخلايا العصبية الدماغية (Artificial Neural Networks). إن هذا المجال المتطور يبشر بحل مشاكل كانت ضربا من الخيال يوماً ما، وانتشرت تطبيقاته المبتكرة الجديدة بشكل كبير جداً مؤخراً، وفي هذه الورقة سيتم بناء نموذج تعلم عميق يعمل على التعرف على بعض المَعالم الأندلسية الشهيرة، والنموذج سيكون بمثابة العقل المفكر في تطبيق الهاتف المحمول الذي يلتقط صورة المَعلم الأندلسي، فيحلل جزئيات الصورة محاولاً التعرف عليها وذكر اسم ذلك المَعلم، والنظام المتطور لهذا التطبيق الذكي سيستخدم تقنية خدمات الويب(Web Services) للتواصل مع قاعدة بيانات النظام، والرد بالمعلومات التي يحتاجها المستخدم، كما يعتبر هذا المجال من بصريات الحاسوب(Computer Vision) التي تعنى بقدرة الحواسيب على تمييز الصور والأشكال.
رضوان علي بلقاسم حسين, عبدالحميد الفلاح ميلود الواعر, عائشة محمود فياض(12-2021)


Applying Multiple Deep Learning Models for Antipersonal Landmines Recognition

Antipersonnel landmines represent a very serious hazard endangering the lives of many people living in armed conflict counties. The huge number of human lives lost due to this phenomenon has been a strong motivation for this research. Deep Learning (DL) is considered a very useful tool in object detection, image classification, face recognition and other computer vision activities. This paper focuses on DL for the problem of landmines recognition in order to identify its type based on shape features. This research work consists of several stages: gathering a new dataset of Anti-Personnel Mines (APMs) images for training and testing purposes, employing several augmentation strategies to boost the diversity of training data, applying four different Convolutional Neural Network (CNN) models namely VGG, ResNet, MiniGoogleNet and MobileNet, and evaluating their performances on APMs recognition. In conclusion, results indicate that MiniGoogleNet exceed all of other three models in recognizing APMs with the highest accuracy rate of 97%.
Hassan Ali Hassan Ebrahem, Abdelhamid Elwaer, Marwa Solla, Fatima Ben Lashihar, Hala Shaari, Rudwan A. Husain(7-2021)
Publisher's website