Griffith Selorm Klogo
Kwame Nkrumah University of Science and Technology
- Lecturer/Dr, Kwame Nkrumah University of Science and Technology, منذ 2016بحسب ORCID
ينشر منذ 2013، وآخر منشور في 2026
Lecturer, Kwame Nkrumah University of Science and Technology, Kumasi, Ghana. Research Interests in Smart Metering, Metering Infrastructure, Cyber Physical Systems and IoTs. Teaching and mentoring the next generation of African Innovators. Passion for Tech-Agriculture. Applying technology to develop agriculture to attain the sustainable development goal of ZERO HUNGER. من ORCID
- Computer Networks and Communications
- Artificial Intelligence
- Electrical and Electronic Engineering
- Information Systems
- Signal Processing
- Control and Systems Engineering
بكلماته
- Research Interests in Smart Metering
- Metering Infrastructure
- Cyber Physical Systems and IoTs
- klogo
- المنشورات
- 352013–2026
- الاستشهادات
- 579لتلك الأبحاث
- مؤشر h
- 11مؤشر i10: 12
- التأثير المرجّح بالمجال
- 3.151.00 هو المتوسط العالمي
- أعلى 10% عالميًا
- 28%9 من 32 من الأبحاث المقيَّمة
- وصول مفتوح
- 78%25 من أصل 32 سُجّل نوع الوصول إليها
أعمال أخرى مدرجة لكنها لا تُحتسب — مسودات أولية ومجموعات بيانات وما شابه: 5.
يعرض Google Scholar: الاستشهادات 562، ومؤشر h 13، ومؤشر i10 14 (منذ 2021: الاستشهادات 540، ومؤشر h 12)، حتى 10 أكتوبر 2026. ويحتسب أيضًا الرسائل الجامعية والكتب وصفحات الويب، لذا تأتي أرقامه أعلى.
حسب السنة
الأبحاث والاستشهادات بها
المنشورات، المحور الأيسرالاستشهادات بأبحاث تلك السنة، المحور الأيمنسنة 2026 لم تكتمل بعد
المسيرة المهنية
المناصب
- Lecturer/Dr, Computer EngineeringKwame Nkrumah University of Science and Technologyمنذ 2016
التعليم
- Lecturer/Dr, Computer EngineeringKwame Nkrumah University of Science and Technologyمنذ 2016
في الأبحاث
كل مؤسسة ذُكرت في بحث من أبحاثه.
المنشورات
35 إجمالًا
- Federated Learning Framework for Efficient and Secure Anomaly Detection in Industrial Control Systems
2026Journal of Computer Networks and Communicationsمجلةوصول مفتوح0 استشهاد10.1155/jcnc/7289868
- Transfer learning framework for rural electrification: A GRU-based approach with custom loss for demand prediction
2026