CV Lattes
ResearcherID
Google Scholar Citations
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação (FEEC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Possui graduação em Engenharia Elétrica pela Universidade Estadual Paulista Júlio de Mesquita Filho, UNESP, (2006), mestrado em Engenharia Elétrica pela Universidade Estadual de Campinas, UNICAMP, (2009), e duplo diploma em Engenharia Elétrica pela UNICAMP e pela 'Université de Nice Sophia-Antipolis', França (2014) sob orientação do Prof. Dr. João Marcos Travassos Romano e Dr. Gérard Favier. Recentemente, realizou projeto de pós-doutorado no instituto de pesquisa 'RIKEN Brain Science Institute' em Wako/Japão (2018) sob supervisão do Prof. Dr. Andrzej Cichocki. Atualmente realiza pós-doutorado na UNICAMP. Seus temas de interesse são: decomposições tensoriais e aplicações; processamento de sinais; processamento/análise de grande volume de dados; técnicas de aprendizado de máquina; separação de fontes; equalização cega e semicega; codificação espaço-tempo-frequencial; abordagem tensorial para processamento de sinais sísmicos. (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) |
Diversas áreas de pesquisa relacionadas ao processamento da informação vêm sendo recentemente caracterizadas pela crescente quantidade de dados. Em consequência do aumento na dimensionalidade dos dados, o processamento destes dados tende a demandar métodos mais sofisticados do que aqueles classicamente utilizados em abordagens matriciais. Desta forma, a abordagem tensorial está se tornand…
Redes neurais de aprendizagem profunda têm atraído a atenção da comunidade de aprendizagem de máquina por causa de sua estrutura de dados orientada e de seu desempenho em uma série de tarefas de reconhecimento de padrões. É bem conhecido que modernas redes neurais profundas (DNNs) são altamente redundantes e contêm centenas de milhões de parâmetros, usando toda a memória disponível de com…
| 1 | Bolsas no país concluídas |
| 1 | Bolsas no exterior concluídas |
| 2 | Todas as Bolsas |
| Processos vinculados | |