Busca avançada
Ano de início
Entree

Rodrigo Fernandes de Mello

CV Lattes GoogleMyCitations ResearcherID ORCID


Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC)  (Instituição-sede da última proposta de pesquisa)
País de origem: Brasil

Rodrigo Fernandes de Mello é professor Associado do Instituto de Ciências Matemáticas e de Computação, Departamento de Ciências de Computação, Universidade de São Paulo, São Carlos, SP. Autor do livro Machine Learning: A Practical Approach to the Statistical Learning Theory, tem se dedicado ao desenvolvimento teórico e suas conexões práticas da área de Aprendizado de Máquina, investigando limites de aprendizado para algoritmos supervisionados e não-supervisionados. Conta com experiência no mercado antes de assumir sua atual posição no meio acadêmico, o que lhe traz a atenção tão necessária à prática, implementação de algoritmos e soluções. Obteve seu título de doutor em novembro de 2003 pela Escola de Engenharia da Universidade de São Paulo, São Carlos, SP, Brasil e é mestre em Ciências da Computação pela Universidade Federal de São Carlos, Brasil. Seus interesses em pesquisa incluem aspectos teóricos e de generalização para o Aprendizado de Máquina Supervisionado e Não-Supervisionado, Análise de Séries Temporais com ferramental Estatístico e de Sistemas Dinâmicos, além da modelagem de sistemas de Aprendizado Online e Data streams. (Fonte: Currículo Lattes)

Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a):
II Escola Avançada em Big Data Analysis 
Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a)
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)
Auxílios à pesquisa
Bolsas no país
Bolsas no Exterior
Apoio FAPESP em números * Quantidades atualizadas em 23/10/2021
Colaboradores mais frequentes em auxílios e bolsas FAPESP
Contate o Pesquisador

Este canal da BV/FAPESP deve ser utilizado tão somente para mensagens, referentes aos projetos científicos financiados pela FAPESP.


 

 

 

 

Palavras-chave utilizadas pelo pesquisador
Publicações resultantes de Auxílios e Bolsas sob responsabilidade do(a) pesquisador(a) (25)

(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)

Publicações25
Citações122
Cit./Artigo4,9
Dados do Web of Science

PAGLIOSA, LUCAS DE CARVALHO; TELEA, ALEXANDRU C.. RadViz++: Improvements on Radial-Based Visualizations. INFORMATICS-BASEL, v. 6, n. 2, . Citações Web of Science: 2. (18/10652-9)

DA COSTA, F. G.; RIOS, R. A.; DE MELLO, R. F.. Using dynamical systems tools to detect concept drift in data streams. EXPERT SYSTEMS WITH APPLICATIONS, v. 60, p. 39-50, . Citações Web of Science: 6. (14/13323-5)

PEREIRA, CASSIO M. M.; DE MELLO, RODRIGO F.. PTS: Projected Topological Stream clustering algorithm. Neurocomputing, v. 180, n. SI, p. 16-26, . Citações Web of Science: 1. (13/04453-0, 14/13323-5)

PEREIRA, CASSIO M. M.; DE MELLO, RODRIGO F.. Persistent homology for time series and spatial data clustering. EXPERT SYSTEMS WITH APPLICATIONS, v. 42, n. 15-16, p. 6026-6038, . Citações Web of Science: 11. (13/04453-0, 14/13323-5)

PAGLIOSA, LUCAS DE CARVALHO; DE MELLO, RODRIGO FERNANDES. Applying a kernel function on time-dependent data to provide supervised-learning guarantees. EXPERT SYSTEMS WITH APPLICATIONS, v. 71, p. 216-229, . Citações Web of Science: 7. (15/22406-4, 14/13323-5)

RIOS, RICARDO ARAUJO; DE MELLO, RODRIGO FERNANDES. Applying Empirical Mode Decomposition and mutual information to separate stochastic and deterministic influences embedded in signals. Signal Processing, v. 118, p. 159-176, . Citações Web of Science: 12. (09/18293-9, 14/13323-5)

RIBEIRO GABRIEL, PAULO HENRIQUE; DE MELLO, RODRIGO FERNANDES. Modelling distributed computing workloads to support the study of scheduling decisions. International Journal of Computational Science and Engineering, v. 11, n. 2, p. 155-166, . Citações Web of Science: 2. (09/15338-1, 11/02655-9)

RIOS, RICARDO ARAUJO; SMALL, MICHAEL; DE MELLO, RODRIGO FERNANDES. Testing for Linear and Nonlinear Gaussian Processes in Nonstationary Time Series. INTERNATIONAL JOURNAL OF BIFURCATION AND CHAOS, v. 25, n. 1, . Citações Web of Science: 4. (09/18293-9, 11/02655-9)

RIOS, RICARDO ARAUJO; DE MELLO, RODRIGO FERNANDES. Improving time series modeling by decomposing and analyzing stochastic and deterministic influences. Signal Processing, v. 93, n. 11, p. 3001-3013, . Citações Web of Science: 12. (09/18293-9, 11/02655-9)

PAGLIOSA, LUCAS DE CARVALHO; DE MELLO, RODRIGO FERNANDES. Semi-supervised time series classification on positive and unlabeled problems using cross-recurrence quantification analysis. PATTERN RECOGNITION, v. 80, p. 53-63, . Citações Web of Science: 1. (15/22406-4, 14/13323-5)

DA COSTA, FAUSTO G.; DUARTE, FELIPE S. L. G.; VALLIM, ROSANE M. M.; DE MELLO, RODRIGO F.. Multidimensional surrogate stability to detect data stream concept drift. EXPERT SYSTEMS WITH APPLICATIONS, v. 87, p. 15-29, . Citações Web of Science: 6. (14/13323-5, 14/21636-3)

RIOS, RICARDO ARAUJO; DE MELLO, RODRIGO FERNANDES. Applying Empirical Mode Decomposition and mutual information to separate stochastic and deterministic influences embedded in signals. Signal Processing, v. 118, p. 159-176, . Citações Web of Science: 12. (14/13323-5, 09/18293-9)

VALLIM, ROSANE M. M.; DE MELLO, RODRIGO F.. Proposal of a new stability concept to detect changes in unsupervised data streams. EXPERT SYSTEMS WITH APPLICATIONS, v. 41, n. 16, p. 7350-7360, . Citações Web of Science: 6. (13/16480-1)

ALBERTINI, MARCELO KEESE; DE MELLO, RODRIGO FERNANDES. Energy-based function to evaluate data stream clustering. Advances in Data Analysis and Classification, v. 7, n. 4, p. 435-464, . Citações Web of Science: 5. (11/19459-8)

PEREIRA, CASSIO M. M.; DE MELLO, RODRIGO F.. LEARNING PROCESS BEHAVIOR FOR FAULT DETECTION. International Journal on Artificial Intelligence Tools, v. 20, n. 5, p. 969-980, . Citações Web of Science: 2. (09/04645-0)

ISHII, RENATO PORFIRIO; DE MELLO, RODRIGO FERNANDES. An Online Data Access Prediction and Optimization Approach for Distributed Systems. IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS, v. 23, n. 6, p. 1017-1029, . Citações Web of Science: 13. (11/02655-9)

FERREIRA, MARTHA DAIS; CORREA, DEBORA CRISTINA; NONATO, LUIS GUSTAVO; DE MELLO, RODRIGO FERNANDES. Designing architectures of convolutional neural networks to solve practical problems. EXPERT SYSTEMS WITH APPLICATIONS, v. 94, p. 205-217, . Citações Web of Science: 12. (11/22749-8, 12/17961-0, 14/13323-5)

DE MELLO, RODRIGO F.; VAZ, YULE; GROSSI, CARLOS H.; BIFET, ALBERT. On learning guarantees to unsupervised concept drift detection on data streams. EXPERT SYSTEMS WITH APPLICATIONS, v. 117, p. 90-102, . Citações Web of Science: 4. (17/16548-6)

DE MELLO, RODRIGO F.; RIOS, RICARDO A.; PAGLIOSA, PAULO A.; LOPES, CAIO S.. Concept drift detection on social network data using cross-recurrence quantification analysis. Chaos, v. 28, n. 8, . Citações Web of Science: 0. (17/16548-6, 13/07375-0)

VALLIM, ROSANE M. M.; DE MELLO, RODRIGO F.. Unsupervised change detection in data streams: an application in music analysis. PROGRESS IN ARTIFICIAL INTELLIGENCE, v. 4, n. 1-2, p. 1-10, . Citações Web of Science: 1. (13/16480-1, 14/13323-5)

FERREIRA, MARTHA DAIS; CORREA, DEBORA CRISTINA; GRIVET, MARCOS ANTONIO; DOS SANTOS, GEOVAN TAVARES; DE MELLO, RODRIGO FERNANDES; NONATO, LUIS GUSTAVO. On Accuracy and Time Processing Evaluation of Cover Song Identification Systems. JOURNAL OF NEW MUSIC RESEARCH, v. 45, n. 4, p. 333-342, . Citações Web of Science: 1. (11/22749-8, 12/17961-0, 14/13323-5)

DE MELLO, RODRIGO E.; MANAPRAGADA, CHAITANYA; BIFET, ALBERT. Measuring the Shattering coefficient of Decision Tree models. EXPERT SYSTEMS WITH APPLICATIONS, v. 137, p. 443-452, . Citações Web of Science: 0. (17/16548-6)

RIOS, RICARDO ARAUJO; PARROTT, LAEL; LANGE, HOLGER; DE MELLO, RODRIGO FERNANDES. Estimating determinism rates to detect patterns in geospatial datasets. REMOTE SENSING OF ENVIRONMENT, v. 156, p. 11-20, . Citações Web of Science: 5. (09/18293-9, 11/02655-9)

DUARTE, FELIPE S. L. G.; RIOS, RICARDO A.; HRUSCHKA, EDUARDO R.; DE MELLO, RODRIGO F.. Decomposing time series into deterministic and stochastic influences: A survey. DIGITAL SIGNAL PROCESSING, v. 95, . Citações Web of Science: 0. (17/16548-6, 13/07375-0, 14/21636-3)

PEREIRA, CASSIO M. M.; DE MELLO, RODRIGO F.. TS-stream: clustering time series on data streams. JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, v. 42, n. 3, p. 531-566, . Citações Web of Science: 9. (10/05062-6)

Publicações acadêmicas

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

SANTOS, Matheus Lorenzo dos. Classificação e detecção de variações de comportamento: uma abordagem aplicada à identificação de perfis de usuários. Dissertação (Mestrado) -  Instituto de Ciências Matemáticas e de Computação.  Universidade de São Paulo (USP).  São Carlos.  (06/02113-3

PEREIRA, Cássio Martini Martins. Detecção de faltas: uma abordagem baseada no comportamento de processos. Dissertação (Mestrado) -  Instituto de Ciências Matemáticas e de Computação.  Universidade de São Paulo (USP).  São Carlos.  (09/04645-0

PEREIRA, Cássio Martini Martins. Agrupamento de séries temporais em fluxos contínuos de dados. Tese (Doutorado) -  Instituto de Ciências Matemáticas e de Computação.  Universidade de São Paulo (USP).  São Carlos.  (10/05062-6

RIOS, Ricardo Araújo. Modelagem de séries temporais por meio da decomposição e análise de influências estocásticas e determinísticas. Tese (Doutorado) -  Instituto de Ciências Matemáticas e de Computação.  Universidade de São Paulo (USP).  São Carlos.  (09/18293-9

ALBERTINI, Marcelo Keese. Adaptação de viés indutivo de algoritmos de agrupamento de fluxos de dados. Tese (Doutorado) -  Instituto de Ciências Matemáticas e de Computação.  Universidade de São Paulo (USP).  São Carlos.  (06/05939-0

GABRIEL, Paulo Henrique Ribeiro. Uma abordagem orientada a sistemas para otimização de escalonamento de processos em grades computacionais. Tese (Doutorado) -  Instituto de Ciências Matemáticas e de Computação.  Universidade de São Paulo (USP).  São Carlos.  (09/15338-1

Por favor, reporte erros na informação da página do pesquisador escrevendo para: cdi@fapesp.br.
X

Reporte um problema na página


Detalhes do problema: