Conference Papers | Jorge Kamassury — Academic CV

Análise de funções de perda para segmentação de lesões cutâneas usando redes neurais convolucionais e transformações polares

Wed, 26 Oct 2022 00:00:00 +0000

Estudo conduzido em coautoria investigando o efeito de diferentes funções de perda e transformações polares como pré-processamento no desempenho de redes neurais convolucionais para segmentação de lesões cutâneas em imagens dermatoscópicas — tarefa relevante para sistemas de diagnóstico assistido de câncer de pele. O trabalho faz parte de uma linha de aplicações de aprendizado profundo em imagens médicas, em colaboração com pesquisadores da UFSC.

Cálculo dos Operadores de Criação e Aniquilação de uma Partícula Livre no Formalismo das Coordenadas do Cone de Luz

Fri, 03 Sep 2021 00:00:00 +0000

Neste trabalho, apresentamos a construção detalhada dos operadores quânticos de criação e aniquilação no formalismo das coordenadas do cone de luz, um sistema especialmente útil em teoria quântica de campos relativística. A derivação parte da equação de Klein-Gordon-Fock previamente obtida em (Atena Editora, 2020), estabelecendo o operador de evolução temporal e os operadores do tipo integral de movimento. Trabalho premiado com Honra ao Mérito no II Congresso Brasileiro Interdisciplinar em Ciência e Tecnologia (II CoBICET).

Obtenção da Equação de Klein-Gordon-Fock em Coordenadas do Cone de Luz

Sun, 01 Mar 2020 00:00:00 +0000

Derivação detalhada da equação de Klein-Gordon-Fock (KGF) no formalismo das coordenadas do cone de luz, estabelecendo sistematicamente as transformações entre o espaço-tempo de Minkowski e o sistema curvilíneo do cone de luz. A formulação é estendida ao caso de partícula quântica carregada sob influência de campo eletromagnético clássico, obtendo uma estrutura análoga à equação de Schrödinger. Este trabalho fornece a base matemática para a construção posterior dos operadores de criação e aniquilação detalhada em (JCEC, 2021).

Rápido Reconhecimento de Modulações Analógicas e Digitais via Redes Residuais Profundas

Sun, 01 Mar 2020 00:00:00 +0000

Estudo que aplica redes residuais profundas (ResNet) para reconhecimento automático de modulações (AMR) em sinais de comunicação analógicos e digitais. O trabalho foca no trade-off entre desempenho de reconhecimento e tempo de treinamento, problema crítico para aplicações em tempo real. Duas arquiteturas ResNet foram projetadas, obtendo desempenhos equivalentes às mais recentes arquiteturas da literatura com tempos de treinamento significativamente menores. Este capítulo complementa a linha de classificação automática de modulações iniciada em (SBrT, 2019).

🏆 Honra ao Mérito — Melhor Trabalho Completo no XIV Simpósio Brasileiro de Engenharia Física (2019).

Classificação Automática de Modulações usando Redes Convolucionais 1D

Sun, 29 Sep 2019 00:00:00 +0000

Estudo comparativo de arquiteturas convolucionais 1D (CNN, ResNet e rede híbrida ResNet+DenseNet) para classificação automática de modulações. O trabalho demonstra que, em comparação com redes neurais convolucionais 2D tradicionais, as abordagens propostas atingem acurácias próximas ou superiores com tempos de treinamento consistentemente menores.