CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica (IMECC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Marcos Eduardo é atualmente professor associado da Universidade Estadual de Campinas (Unicamp). Possui graduação em Matemática Aplicada e Computacional pela Universidade Estadual de Campinas (2001), e mestrado e doutorado em Matemática Aplicada pela Universidade Estadual de Campinas (2005 e 2007, respectivamente). Tem experiência na área de Matemática, com ênfase em Matemática Aplicada, atuando principalmente nos seguintes temas: aprendizado de máquina, redes neurais de valor hipercomplexo, aprendizado profundo, processamento de imagens com valor vetorial, morfologia matemática, computação reticulados e modelos de memória associativa. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Técnicas de aprendizado profundo alcançaram excelente desempenho em várias tarefas de processamento e análise de imagens. Redes profundas para imagens de valor vetorial representam um tópico de pesquisa ativo e incluem, por exemplo, redes neurais de valor hipercomplexo. A não linearidade desempenhada por algumas camadas e funções de ativação nas redes neurais profundas modernas está intim…
Redes neurais artificiais (RNAs), incluindo as redes neurais convolucionais, têm demonstrado excelentes resultados em diversas áreas de aplicação, incluindo detecção e classificação de imagens. Concomitantemente, redes neurais de valor hipercomplexo mostraram desempenho competitivo ou superior, mas com menos parâmetros que suas redes neurais equivalentes definidas sobre os números reais. …
A morfologia matemática é uma teoria não-linear com aplicações em processamento e análise de imagens. Uma rede neural cujos neurônios efetuam operações elementares da morfologia matemática é chamada rede neural morfológica. Tal como as redes neurais tradicionais, redes neurais morfológicas podem ser usadas para classificação e regressão. Nesse projeto de pesquisa, visamos contribuir desen…
O Congresso Brasileiro de Sistemas Fuzzy (CSBF) é o maior evento científico da América do Sul dedicado exclusivamente aos sistemas fuzzy e suas aplicações em áreas como matemática, física, engenharia, economia, saúde e ciências sociais. O IV CBSF, que será realizado em Campinas entre os dias 16 e 18 de novembro de 2016, tem como objetivo congregar pesquisadores, engenheiros, profissionais…
O uso de álgebras hipercomplexas tem atraído a atenção da comunidade científica nos últimos anos, por resultarem em modelos com propriedades algébricas e geométricas interessantes. De fato, os números complexos são fundamentais para o tratamento adequado da fase e das informações nela contidas. Já os quatérnios são amplamente utilizados em computação gráfica devido à sua eficiência na des…
Memórias associativas (AMs, associative memories) são modelos matemáticos inspirados na capacidade do cérebro humano de armazenar e recuperar informação por associação. Tal como o cérebro, AMs são também capazes de recuperar uma certa informação armazenada mesmo quando a entrada corresponde à uma versão incompleta ou corrompida de um item memorizado. A classe das memórias associativas rec…
Memórias associativas neurais são modelos projetados para armazenar pares de entrada e saída e capazes de recordar uma saída desejada mesmo após a apresentação de uma versão incompleta ou distorcida de um padrão de entrada. Nesse projeto propomos desenvolver uma nova classe de memórias associativas morfológicas nebulosas (FMAMs). Os modelos dessa classe são ditos morfológicos porque reali…
Memórias associativas (neurais) continuam como uma área de pesquisa muito ativa devido ao espectro amplo de suas aplicações e devido as suas capacidades de correção de erro. As memórias associativas (AM's) originaram-se nos estudos de Kohonen e Steinbuch sobre memória estática por matriz de correlação (correlation matrix memory) mas foi o modelo dinâmico da rede Hopfield que estabeleceu A…