CV Lattes
ResearcherID
ORCID
Universidade Estadual Paulista (UNESP). Campus de Bauru. Faculdade de Ciências (FC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Atualmente, é Professor Titular no Departamento de Computação da Universidade Estadual Paulista Júlio de Mesquita Filho, Unesp-Bauru. Possui graduação em Bacharelado em Sistemas de Informação pela Universidade Estadual Paulista Júlio de Mesquita Filho (2002), mestrado em Ciência da Computação pela Universidade Federal de São Carlos (2005), doutorado em Ciência da Computação pela Universidade Estadual de Campinas (2008) e pós-doutorado em Ciência da Computação pela Universidade Estadual de Campinas (2009) e Universidade de Harvard (2015). É editor sênior do periódico IEEE Signal Processing Letters, bem como é membro do corpo editorial das revistas Computer Methods in Biomechanics and Biomedical Engineering, Journal of Next Generation Information Technology e International Journal of Bio-Inspired Computation. É co-editor de um livro na área de otimização por meta-heurísticas, bem como possui colaborações com diversas instituições internacionais. Já foi professor convidado da Ostbayerische Technische Hochschule (Alemanha), Coordenador do Programa de Pós-Graduação em Ciência da Computação da Unesp, bem como é Fellow da Fundação Alexander von Humboldt, representante brasileiro na International Association for Pattern Recognition (ICPR) e membro IEEE sênior. Foi membro titular da Comissão Especial de Computação Gráfica e Processamento de Imagens (CEGRAPI) no período 2015-2018. Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Computação, atuando principalmente nos seguintes temas: processamento de imagens, aprendizado de máquina e reconhecimento de padrões. Participa, também, de projetos na área de Engenharia de Petróleo junto ao Centro de Geociências Aplicadas ao Petróleo (UNESPETRO) - Unesp/Rio Claro, e Recogna - Unesp/Bauru. Atualmente é chair da IEEE Task Force on Business Intelligence and Knowledge Management. (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) |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias (0 total): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Tribologia diz respeito à uma área de pesquisa que estuda o processo de fricção entre componentes mecânicos. Dado que a fricção demanda mais energia, explorar o comportamento dos elementos durante o seu processo de interação é crucial para minimizar perdas. Muito embora tenham sido utilizadas nas mais diversas áreas, técnicas de aprendizado de máquina também têm sido consideradas para lid…
O Centro de Ciência de Dados para a Indústria Inteligente atua como um hub de análise de dados avançados para a indústria, visando melhorar a eficiência operacional, a qualidade dos produtos, a inovação e a sustentabilidade, através da aplicação de técnicas de ciência de dados e análise de dados em processos industriais. O contacto com as indústrias será mediado pelo SENAI e operacionaliz…
Diversos estudos têm demonstrado que o desenvolvimento de doenças neurodegenerativas, tais como Alzheimer, Mal de Parkinson e Esclerose Lateral Amiotrófica, pode iniciar em torno de 10-20 anos antes de sua manifestação clínica. O declínio das funções cognitivas e físicas é considerado um dos seus principais efeitos colaterais, impactando a qualidade de vida. A comunidade científica tem fe…
Esôfago de Barrett's (BE) diz respeito a uma doença bastante severa e em crescimento nas últimas décadas. Caso esta não seja identificada apropriadamente em seu estágio inicial, pode evoluir para uma versão mais agressiva, inclusive câncer. Entretanto, o diagnóstico antecipado de tecidos displásticos em pacientes diagnosticados com BE resulta em altas taxas de remissão da doença após o tr…
Retinopatia diabética (RD) não diagnosticada pode levar à problemas na visão e cegueira, e a sua detecção precoce pode reduzir problemas severos na visão em torno de 50%. A presença de exudatos em imagens de retina é um dos primeiros sinais da doença, mas sua detecção manual é dependente da experiência do profissional e demanda bastante tempo. Nesta proposta, objetivamos lidar com o probl…
Várias técnicas de aprendizagem de máquina baseiam-se em grandes conjuntos de dados rotulados para construir modelos preditivos em tarefas de aprendizado supervisionado. O uso de técnicas de aprendizado profundo pode ser destacado, já que tem sido amplamente utilizado com sucesso em vários domínios. Por outro lado, em muitas circunstâncias, os conjuntos rotulados não estão disponíveis ou …
A Esclerose Lateral Amiotrófica (ELA) é uma doença neurodegenerativa incurável e progressiva que afeta os neurônios motores, resultando em disfunções bulbares em mais de 80% dos casos. A taxa de sobrevida desde o diagnóstico varia de 20 a 48 meses e apenas 5 a 10% dos pacientes sobrevivem por mais de 10 anos, o que torna a detecção precoce da doença crucial. No entanto, a falta de marcado…
Essa pesquisa explora a convergência entre as redes neurais convolucionais (do inglês, Convolutional Neural Networks - CNNs) e a computação quântica (QC) como uma abordagem inovadora na detecção de câncer de mama, marcando avanços notáveis na aplicação da inteligência artificial na medicina. A fusão dessas tecnologias promissoras resulta nas redes neurais convolucionais quânticas (do ingl…
Esta proposta visa validar e discutir problemas de segurança pessoal com relação à disseminação de conjuntos de dados de radiografias de tórax e à violação do anonimato pelos processos de re-identificação e verificação do paciente. Neste projeto serão utilizadas técnicas como aprendizado profundo e adversarial para, respectivamente, demonstrar o problema apresentado e tentar resolvê-lo se…
Este projeto tem o objetivo de desenvolver uma ferramenta de gestão de árvores urbanas mediante a integração com modelos de aprendizado de máquina previamente desenvolvidos para a detecção e segmentação dos elementos da árvore a partir de imagens capturadas da perspectiva do solo. Além disso, o projeto proposto tem o objetivo de contribuir com a melhoria dos algoritmos previamente desenvo…
O diagnóstico precoce da Esclerose Lateral Amiotrófica (ELA) é fundamental para a determinação do início dos tratamentos, auxiliando tanto no aumento da expectativa de vida quanto na melhora da qualidade de seus pacientes. A análise de movimentos faciais fornece informações importantes para o reconhecimento dos sintomas iniciais da ELA; entretanto, detectar esses sinais não é uma tarefa f…
O presente projeto de mestrado integra-se no "Plano de Desenvolvimento Institucional em Pesquisa (PDIP) na Área de Transformação Digital: Manufatura Avançada e Cidades Inteligentes", promovido pelo Instituto de Pesquisas Tecnológicas de São Paulo (IPT) (Processo FAPESP 17/50343-2), por meio da linha de pesquisa intitulada "Modelos de aprendizado de máquina para a avaliação de aspectos da …
O Brasil é o maior produtor de cana-de-açúcar e exportador de seus derivados, uma importante atividade econômica. O controle de plantas daninhas precisa ser adequado, dado que herbicidas são muito propensos a danificar toda a cultura. O problema é ainda pior no caso de plantas perenes, como é o caso da cana-de-açúcar, dado que não realizar a limpeza do solo após a colheita é uma prática b…
Ao longo dos anos, a classificação supervisionada de imagens fez avanços significativos. Os modelos de classificação, por sua vez, desenvolveram uma necessidade mais forte por bases de dados maiores. No entanto, em muitas situações, as imagens são escassas. Nesse contexto, o aprendizado de poucos tiros se destaca, pois permite que os modelos aprendam a partir de algumas amostras rotuladas…
O câncer no esôfago é uma doença de difícil detecção nos estágios iniciais, especialmente na presença do esôfago de Barrett. O desenvolvimento de sistemas automáticos de avaliação de tal doença podem ser muito úteis, auxiliando os especialistas na detecção da região cancerígena. Com o forte crescimento das técnicas de aprendizado de máquina e, visando melhorar a eficácia do diagnóstico mé…
Técnicas de aprendizagem profunda têm sido amplamente utilizadas ao longo dos últimos anos devido aos seus resultados promissores em uma ampla gama de aplicações, como a análise de imagens médicas. Uma abordagem tradicional usada para resolver este problema é o conhecido modelo Máquina de Boltzmann Restrita (Restricted Boltzmann Machine - RBM), capaz de extrair recursos e aprender boas re…