Mudassir米. 拉希德

教育

Ph.D. 加拿大麦克马斯特大学化学工程学士，汉密尔顿，2016
B.英格. McMaster University, Hamilton, Canada, 2011

研究兴趣

Mudassir 拉希德’s research focuses on the following areas: 1) data-driven modeling and 控制 algorithms for biological and chemical systems; 2) mathematical modelling and 控制 in diabetes technology; and 3) process analytical technology methods for on-line modeling, 监控, 控制, 以及药品生产工艺的优化.

数据驱动的建模和控制算法

• 非线性时变系统的递归辨识与自适应建模
• 变时滞非线性系统的自适应控制

糖尿病技术中的数学建模与控制

• 建模和模拟代谢和生理过程和途径
• 最佳给药技术和自动化闭环胰岛素给药控制系统

药品生产工艺

• 药品生产过程的建模和仿真
• 过程分析技术方法用于多变量质量属性的预测和监测以及预测控制

出版物

1. Hajizadeh,我.拉希德，M.M.萨马迪，S.，塞维尔，M.霍布斯，n.n.勃兰特，R. 和加利福尼亚州的西纳尔. (2019). 基于血浆胰岛素估计的自适应个性化多变量人工胰腺. J. 过程来讲., 80, 26-40.
2. Hajizadeh,我.萨马迪，S.，塞维尔，M.拉希德，M.M. 和加利福尼亚州的西纳尔. (2019). 多变量人工胰腺自动胰岛素输送自适应MPC的性能评估和改进. 印第安纳州. 英格. 化学. Res.，接受，出版.
3. Hajizadeh,我.拉希德，M.M. 和加利福尼亚州的西纳尔. (2019). 人工胰腺系统血浆-胰岛素认知自适应模型预测控制. J. 过程来讲., 77, 97-113.
4. 霍布斯,N.，哈吉扎德，我.拉希德，M.M.克鲁克索伊(Turksoy.布列塔尼，M. 和加利福尼亚州的西纳尔. (2018). 提高运动青少年1型糖尿病患者血糖预测的准确性. J. 糖尿病的科学. 抛光工艺.，接受，出版.
5. 冯,我.，哈吉扎德，我.， Yu, X.拉希德，M.M.萨马迪，S.，塞维尔，M.霍布斯，n.n.勃兰特，R.拉扎罗，C.马洛尼，Z.小约翰，E.奎因，L。. 和加利福尼亚州的西纳尔. (2018). 多模型传感器故障检测与数据协调:糖尿病血糖浓度传感器的案例研究. AIChE J., 65, 629-639.
6. 拉希德,M.M.纽约州帕特尔市.Mhaskar, P. 斯沃茨，C.L.E. (2018). 批量过程经济模型预测控制中传感器故障处理. AIChE J., 65, 617-628.
7. Hajizadeh,我.拉希德，M.M.克鲁克索伊(Turksoy.萨马迪，S.冯杰.，塞维尔，M.霍布斯，n.n.拉扎罗，C.马洛尼，Z.小约翰，E. 和加利福尼亚州的西纳尔. (2018). 在多变量人工胰腺系统个性化模型的自适应学习中纳入未通知的膳食和运动. J. 糖尿病的科学. 抛光工艺., 12, 953-966.
8. Yu, X.拉希德，M.M.冯杰.霍布斯，n.n.，哈吉扎德，我.萨马迪，S.，塞维尔，M.拉扎罗，C.马洛尼，Z.奎因，L。.小约翰，E. 和加利福尼亚州的西纳尔. (2018). 在1型糖尿病中使用计算效率高的稀疏核滤波算法进行在线血糖预测. IEEE反式. 控制系统. 抛光工艺.，接受，出版.
9. Hajizadeh,我.拉希德，M.M.萨马迪，S.冯杰.，塞维尔，M.霍布斯，n.n.拉扎罗，C.马洛尼，Z.勃兰特，R.， Yu, X.克鲁克索伊(Turksoy.小约翰，E.詹吉兹，E. 和加利福尼亚州的西纳尔. (2018). 人工胰腺系统的自适应和个性化血浆胰岛素浓度估计. J. 糖尿病的科学. 抛光工艺., 12, 639-649.
10. Samadi,年代.拉希德，M.M.克鲁克索伊(Turksoy.冯杰.，哈吉扎德，我.霍布斯，n.n.拉扎罗，C.，塞维尔，M.小约翰，E. 和加利福尼亚州的西纳尔. (2018). 多变量人工胰腺系统中未通知餐的自动检测与估计. 糖尿病的抛光工艺. 其他., 20, 235-246.
11. 冯,我.，哈吉扎德，我.， Yu, X.拉希德，M.M.克鲁克索伊(Turksoy.萨马迪，S.，塞维尔，M.霍布斯，n.n.勃兰特，R.拉扎罗，C.马洛尼，Z.小约翰，E.菲利普森，L.H. 和加利福尼亚州的西纳尔. (2018). 人工胰腺控制系统的多级监控与修改. 第一版. 化学. 英格., 112, 57-69.
12. Yu, X.克鲁克索伊(Turksoy.拉希德，M.M.冯杰.霍布斯，n.n.，哈吉扎德，我.萨马迪，S.，塞维尔，M.拉扎罗，C.马洛尼，Z.小约翰，E.奎因，L。. 和加利福尼亚州的西纳尔. (2018). 1型糖尿病患者基于模型融合的在线葡萄糖浓度预测. 控制英格. Pract. 71, 129-141.
13. Hajizadeh,我.拉希德，M.M.克鲁克索伊(Turksoy.萨马迪，S.冯杰.弗朗茨，n.n.，塞维尔，M.詹吉兹，E. 和加利福尼亚州的西纳尔. (2017). 1型糖尿病患者血浆胰岛素的测定. 印第安纳州. 英格. 化学. Res. 56, 9846-9857.
14. 拉希德,M.M.Mhaskar, P. 斯沃茨，C.L.E. (2017). 批处理过程变周期经济模型预测控制中的多速率和缺失数据处理. AIChE J. 63, 2705-2718.
15. 拉希德,M.M.Mhaskar, P. 斯沃茨，C.L.E. (2016). 电弧炉多速率建模及经济模型预测控制. J. 过程控制. 40, 50-61.
16. Yu J.陈凯.莫里，J. 和拉希德，M.M. (2013). 基于高斯混合copula模型的局域高斯过程回归长期风速预测方法. 能源. 61, 673-686.
17. 陈,我.， Yu J.莫里，J.拉希德，M.M.胡，G.， Yu, H.弗洛雷斯-塞里略，J. 梅根，L。. (2013). 基于非高斯模式匹配的低温空分过程动态监测方法及其应用. 计算机化学. 英格. 58, 40-53.
18. Yu J.陈凯. 和拉希德，M.M. (2013). 基于贝叶斯模型平均的多核高斯过程回归框架用于具有瞬态动力学和不确定性的多相批过程的非线性状态估计和质量预测. 化学. 英格. Sci. 93, 96-109.
19. Yu J.陈杰. 和拉希德，M.M. (2013). 多路独立分量分析混合模型及基于互信息的多相批处理故障检测与诊断方法. AIChE J. 59(8), 2761-2779.
20. Yu J. 和拉希德，M.M. (2013). 一种新的基于动态贝叶斯网络的网络化过程故障检测方法, 传播识别, 根本原因诊断. AIChE J. 59(7), 2348- 2365.
21. 拉希德,M.M. Yu J. (2012). 基于多路核独立分量分析和多维互信息的非线性非高斯动态批处理监控方法. 印第安纳州. 英格. 化学. Res. 51(33), 10910-10920.
22. 拉希德,M.M. Yu J. (2012). 一种结合多维互信息和独立分量分析的非高斯动态过程监测新方法. 化学计量学智能. 实验室. 系统. 115, 44-58.
23. 拉希德,M.M. Yu J. (2012). 基于隐马尔可夫模型的化工过程监测自适应独立分量分析. 印第安纳州. 英格. 化学. Res. 51, 5506-5514.