Mecânica estatística aplicada à compressed sensing

• Processo: 14/00792-7
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de julho de 2014
• Data de Término da vigência: 31 de julho de 2016
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física Geral
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Renato Vicente
• Beneficiário: Paulo Victor Camargo Rossi
• Instituição Sede: Instituto de Física (IF). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Bolsa(s) vinculada(s): 14/22258-2 - Mecânica estatística de Compressed Sensing em 1-bit, BE.EP.DR
• Assunto(s): Inferência Mecânica estatística
• Palavra(s)-Chave do Pesquisador: Compressed Sensing | Inferência | Mecânica Estatística | Mecânica Estatística

Resumo

Estimativas recentes apontam para o crescimento bem mais rápido da produção de dados em relação a sua capacidade de armazenamento e ainda mais rápido em comparação a sua capacidade de processamento. Compressed Sensing (CS) é uma técnica que parte da premissa de que aquisição de sinal e compressão de dados podem ocorrer simultaneamente, extraindo a redundância dos dados diretamente em sua aquisição. Métodos de física estatística têm sido amplamente utilizados em CS - algoritmos de passagem de mensagens foram propostos para a reconstrução do sinal e o método de réplicas tem sido útil na análise de diversos algoritmos propostos. Neste projeto propomos a continuidade do uso de técnicas de Mecânica Estatística para abordar alguns problemas relacionados a CS - entre eles, a introdução de ruído em 1-bit CS, o efeito do uso de matrizes estruturadas em 1-bit CS, o efeito da utilização de informação sobre a fonte na aprendizagem de dicionários e aplicações de CS em sistemas biológicos e dinâmicas evolucionárias sobre as matrizes de sensoriamento. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ROSSI, PAULO V.; VICENTE, RENATO. L1-Minimization Algorithm for Bayesian Online Compressed Sensing. Entropy, v. 19, n. 12, DEC 2017. (14/00792-7)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

ROSSI, Paulo Victor Camargo. Física estatística de compressed sensing online. 2018. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Física (IF/SBI) São Paulo.