Journal Articles | Jorge Kamassury — Academic CV

CCT: A Cyclic Co-Teaching Approach to Train Deep Neural Networks With Noisy Labels

Thu, 15 May 2025 00:00:00 +0000

Propomos Cyclic Co-Teaching (CCT), um método de treinamento robusto para redes neurais profundas em bases com rótulos ruidosos. O método combina modulações cíclicas da taxa de aprendizado e retenção de amostras, criando uma dinâmica alternada entre fases de especialização (aprendizado intensivo) e consolidação (estabilização). Experimentos em bases sintéticas (CIFAR-10/100, Tiny-ImageNet) e reais (Animal-10N, Food-101N, Clothing1M) mostram ganhos consistentes sobre o estado da arte, especialmente em cenários de alta taxa de ruído.

Otimização de um decodificador neural para códigos BCH curtos sob regime de comunicação crítica

Wed, 02 Nov 2022 00:00:00 +0000

Extensão aplicada do método para códigos BCH curtos em regime de comunicação crítica, empregando uma rede neural profunda de complexidade reduzida treinada sobre módulos e síndromes dos vetores recebidos. A abordagem iterativa de decimação supera o desempenho do decodificador neural puro em canais AWGN.

Calculation of the Creation and Annihilation Operators of a Free Particle in the Light Cone Coordinate Formalism

Tue, 19 Oct 2021 00:00:00 +0000

Este artigo apresenta de forma didática a construção dos operadores de criação e aniquilação para uma partícula quântica livre no formalismo das coordenadas do cone de luz. A partir da reescrita da equação de Klein-Gordon-Fock nesse sistema, obtêm-se o operador de evolução temporal e os operadores quânticos de criação e aniquilação do tipo integral de movimento, com aplicações em teoria quântica de campos e estados coerentes.

🏆 Honra ao Mérito — II Congresso Brasileiro Interdisciplinar em Ciência e Tecnologia (2021), categoria Melhores Trabalhos em Ciências Exatas e da Terra. A versão do congresso deste trabalho está disponível na .

Iterative Error Decimation for Syndrome-Based Neural Network Decoders

Fri, 27 Aug 2021 00:00:00 +0000

Propomos o Iterative Error Decimation (IED), um método iterativo de decodificação neural baseado em síndrome, onde uma rede neural profunda estima o padrão de erro a partir da confiabilidade e da síndrome do vetor recebido. A cada iteração, a posição mais confiável é selecionada como bit de erro e o vetor recebido é atualizado. O método supera decodificadores neurais existentes em códigos BCH curtos (63,45) e (63,36) e pode ser aplicado sobre qualquer decodificador DNN baseado em síndrome sem necessidade de retreinamento.

Potência irradiada por uma carga elétrica acelerada no espaço-tempo de Minkowski

Mon, 23 Apr 2018 00:00:00 +0000

Derivação didática da potência irradiada por uma carga elétrica acelerada no espaço-tempo de Minkowski usando Teoria de Campos Clássicos. O trabalho apresenta sistematicamente a formulação lagrangeana do campo eletromagnético, o uso do formalismo das funções de Green para obtenção do propagador de Feynman, e a derivação dos potenciais de Liénard-Wiechert e da fórmula de Larmor covariante. O estudo serve como base para aplicações avançadas em eletrodinâmica relativística e teoria de radiação.

Uma discussão sobre o coeficiente de restituição

Mon, 15 May 2017 00:00:00 +0000

Este artigo apresenta uma discussão matemática detalhada sobre o coeficiente de restituição em processos de colisão, fornecendo demonstrações completas para os casos de colisões elásticas, inelásticas e super-elásticas. O trabalho preenche uma lacuna didática na literatura ao apresentar exemplos de colisões endoérgicas (com absorção de energia) e exoérgicas (com liberação de energia), estabelecendo uma base sólida tanto para o ensino quanto para aplicações em estudos de colisões em escala atômica e macroscópica.