Deep Learning | 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.

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.