مسعود اسدپور

مسعود اسدپور

مرتبه علمی : استادیار
دانشکدگان فنی / دانشکده مهندسی برق و کامپیوتر
هوش ماشین و رباتیک | فناوری اطلاعات | نرم افزار
شماره تماس : ۸۲۰۸۴۹۵۱
اتاق : ۲-۷۲۰
Scopus
  • ۱۸۶۶ ارجاعات
  • ۲۱ h-Index
تا تاریخ : ۱۴۰۴/۰۲/۱۲
Google Scholar
  • ۲۸۶۰ ارجاعات
  • ۲۶ h-Index
تا تاریخ : ۱۴۰۴/۰۲/۲۲

پایان نامه ها و رساله ها

  • ۱۳۵ پایان نامه ها

تحلیل بازار مالی با استفاده از مدل یادگیری عمیق

محمدامیر جلالی فر (دانشجو مقطع: کارشناسی ارشد. تاریخ دفاع: ۱۴۰۳/۷/۲۱) ، مسعود اسدپور
یادگیری عمیق
یادگیری ماشین
machine learning
deep learning

پیش بینی لینک بر پایه شبکه های عصبی گرافی و استخراج دانش از متن

سپهر کریمی ارپناهی (دانشجو مقطع: کارشناسی ارشد. تاریخ دفاع: ۱۴۰۳/۶/۲۸) ، مسعود اسدپور
link prediction

تشخیص دستکاری بازار برای بازار بورس تهران بر اساس تحلیل شبکه های اجتماعی

محمد ناصری (دانشجو مقطع: کارشناسی ارشد. تاریخ دفاع: ۱۴۰۳/۶/۲۶) ، مسعود اسدپور
تحلیل شبکه های اجتماعی
یادگیری ماشین
machine learning

معامله گری الگوریتمی با استفاده از شبکه عصبی

سیاوش رزمی (دانشجو مقطع: کارشناسی ارشد. تاریخ دفاع: ۱۴۰۳/۴/۷) ، مسعود اسدپور

تشخیص محتوای توهین امیز حاوی تبعیض جنسیتی در توییتهای فارسی

شیدا اسحاقی (دانشجو مقطع: کارشناسی ارشد. تاریخ دفاع: ۱۴۰۲/۹/۲۹) ، بهنام بهرک، مسعود اسدپور
شبکه های اجتماعی
پردازش زبان طبیعی
یادگیری ماشین
social media
parsbert

تحلیل انتشار شبه باستان شناسی (باستان شناسی دروغین) در فضای مجازی

آرین بختیار (دانشجو مقطع: کارشناسی ارشد. تاریخ دفاع: ۱۴۰۲/۶/۲۹) ، مریم صباغیان، مسعود اسدپور
social media
شبکه های اجتماعی
social networks
پردازش زبان طبیعی
natural language processing
یادگیری ماشین
تحلیل احساسات
sentiment analysis
مجموعه داده
machine learning
dataset
multi
سوگیری شناختی
توجه چندوجهی
تعمیم دامنه
تشخیص اخبار جعلی
اخبار جعلی چنددامنه ای
head attention
domain fake news detection
fake news detection
domain generalization
cognitive bias

مدلسازی دینامیکی و تحلیل شبکه سهامداری مشترک بازار بورس تهران

علیرضا نیل گران (دانشجو مقطع: کارشناسی ارشد. تاریخ دفاع: ۱۴۰۲/۶/۲۶) ، مسعود اسدپور
co
معاملات داخلی
شبکه سهامداری مشترک
سود غیرعادی
سهامداران عمده
large shareholders
insider trades
shareholder network
abnormal return