Possui graduação (2011), mestrado (2013) e doutorado (2017) em Engenharia Elétrica pela Universidade Estadual de Campinas, tendo realizado um doutorado sanduíche (2016) no laboratório GIPSA-lab, França. Atualmente, é Professor Doutor II (MS 3.2) da Faculdade de Engenharia Elétrica e de Computação desta mesma universidade. Suas principais áreas de pesquisa são: aprendizado de máquina, inteligência computacional, aprendizado baseado na teoria da informação, aprendizado não supervisionado, separação cega de fontes e interfaces cérebro-computador. (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) |
Dados eletroencefalográficos (EEG) são registros da atividade elétrica cerebral, com potencial de aplicação em uma ampla gama de contextos, que vão desde diagnóstico médico, tecnologias assistivas e reabilitação até dispositivos para entretenimento. Nesse âmbito, com a consolidação de técnicas de processamento de sinais e de aprendizado de máquina, destaca-se o sistema de transmissão de i…
As interfaces cérebro-computador (BCI, do inglês Brain-Computer Interfaces) têm sido foco de grande atenção devido às suas potenciais aplicações em uma ampla gama de contextos, que vão desde tecnologias assistivas e reabilitação até dispositivos para entretenimento. Significativos avanços, como a coleta de dados a partir de métodos não invasivos por eletroencefalogramas (EEG), motivam o e…
As modalidades de imageamento multiespectral e hiperspectral (MSI/HSI, do inglês MultiSpectral/HyperSpectral Imaging) têm avançado consistentemente em décadas recentes. Por permitirem aquisição mais robusta da informação espectral, seus escopos foram expandidos para além do imageamento remoto, contando com aplicações nas áreas de saúde, alimentos e até preservação cultural.Em geral, câmer…
Dados eletroencefalográficos (EEG) são registros da atividade elétrica cerebral, com potencial de aplicação em uma ampla gama de contextos, que vão desde diagnóstico médico, tecnologias assistivas e reabilitação até dispositivos para entretenimento. Nesse âmbito, com a consolidação de técnicas de processamento de sinais e de aprendizado de máquina, destaca-se o sistema de transmissão de i…
Sistemas de Interface Cérebro-Computador têm ganho relevância devido à suas aplicações nos campos medicinais e de entretenimento. Frequentemente, em tais tarefas, é feita a classificação dos sinais capturados da atividade cerebral para permitir o controle de aplicações sem as interações por vias usuais. Entretanto, sinais cerebrais capturados por eletroencefalografia (EEG), por exemplo, s…
As Redes Neurais Artificiais (AAN, do inglês Artificial Neural Network) vêm alcançando notável desempenho em diversas aplicações. No contexto do aprendizado supervisionado, tradicionalmente, o treinamento dessas redes é realizado através do algoritmo de retropropagação. No entanto, esse algoritmo possui algumas limitações, dentre as quais ressalta-se sua alta taxa de convergência para sol…
As interfaces cérebro-computador (BCI, do inglês Brain-Computer Interfaces) têm sido foco de grande atenção devido às suas potenciais aplicações em uma ampla gama de contextos, que vão desde tecnologias assistivas e reabilitação até dispositivos para entretenimento. Significativos avanços, como a coleta de dados a partir de métodos não invasivos por eletroencefalogramas (EEG), motivam o e…
A presença de erros em dados digitais é um problema frequente em sistemas computacionais que lidam com transmissão e armazenamento de informação. Em alguns contextos, como o de computação aproximada, admite-se uma taxa ainda maior de erros para alcançar uma redução no consumo de energia. Nesses casos, torna-se imprescindível o controle de erros. Isto pode ser feito através do uso de códig…
O problema de Separação Cega de Fontes é um modelo que pode ser aplicado para a resolução de diversos problema do mundo real que são modelados como uma mistura de componentes independentes. Ao contrário do caso linear, um estrutura geral para a solução do problema de Separação Cega de Fontes Não Linear (NLBSS, do inglês Nonlinear Blind Source Separation) ainda não foi encontrada. Algumas …
O problema de separação cega de fontes com misturas não lineares é um tópico de pesquisa bastante desafiador e, diferentemente do caso linear, ainda carece de uma estrutura genérica para separação. Dentre os modelos não lineares encontrados na literatura, destacamos duas instâncias que são cruciais para o presente projeto: (i) as misturas do tipo post-nonlinear (PNL) e (ii) o contexto de …
CV Lattes
ORCID