PPG-engenharia-da-informacao

Marcio Eisencraft

possui graduação em Engenharia Elétrica pela Escola Politécnica da Universidade de São Paulo (EPUSP) (1998), mestrado em Engenharia Elétrica pela EPUSP (2001) e doutorado em Engenharia Elétrica pela EPUSP (2006). Atualmente é professor associado da EPUSP, no Departamento de Engenharia de Telecomunicações e Controle. Atua principalmente nos seguintes temas: Processamento de Sinais, Processos Aleatórios, Sistemas Dinâmicos e Redes Complexas. Entre as aplicações estudadas, destacam-se sistemas e redes de comunicação, Astronomia e Astrofísica, modelos neuronais e aprendizado de máquina. (Texto informado pelo autor)

  • http://lattes.cnpq.br/1230223107318137 (09/11/2024)
  • Rótulo/Grupo: COLABORADOR
  • Bolsa CNPq:
  • Período de análise:
  • Endereço: Universidade de São Paulo, Escola Politécnica, Departamento de Engenharia de Telecomunicações e Controle. Avenida Professor Luciano Gualberto, trav.3, no.158 Butantã 05508010 - São Paulo, SP - Brasil Telefone: (11) 30919971 URL da Homepage: http://www.lcs.poli.usp.br/~marcio/
  • Grande área: Engenharias
  • Área: Engenharia Elétrica
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações


Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (2)
    1. 2023-Atual. Aplicação de Aprendizado de Máquina em Sistemas Dinâmicos e Complexos
      Descrição: Projeto Universal CNPq Processo 404081/2023-1 Chamada CNPq/MCTI No 10/2023 - Faixa A - Grupos EmergentesAprendizado de máquina (AM) tem chamado atenção da comunidade científica por possibilitar resolver inúmeros problemas práticos. Neste projeto, pretende-se utilizar AM em várias frentes: (a) classificação de arritmias cardíacas; (b) filtragem, equalização e mitigação de ruído em sinais caóticos; (c) processamento de sinais de voz e de áudio; (d) reconhecimento de padrões e processamento de imagens; (e) modelos gerativos para produção musical e (f) redes de difusão adaptativas. Na frente (a), pretende-se classificar arritmias cardíacas, levando-se em conta o treinamento distribuído ou centralizado. O treinamento distribuído garante a privacidade do paciente e possibilita trabalhar com grandes conjuntos de dados. Para balancear o banco de dados, pretende-se considerar data augmentation utilizando modelos gerativos como a rede gerativa adversária (generative adversarial network - GAN). Na frente (b), pretende-se usar AM para equalizar canais de comunicação em sistemas de comunicação baseados em caos, considerados como uma alternativa inovadora em problemas de comunicação ainda sem solução bem definida. Pretende-se ainda utilizar reservoir computers para melhorar a relação sinal-ruído na entrada do receptor desses sistemas e analisar a influência da filtragem linear na sua dinâmica. Na frente (c), AM será usado para explorar análise de voz, codificação de voz e de áudio, reconhecimento da fala e de outras características para obter representações adequadas desses sinais. Na frente (d), pretende-se usar AM em aplicações que exigem reconhecimento de padrões ou processamento de imagens, como é o caso de super resolução de imagens. Na frente (e), pretende-se usar modelos gerativos como a GAN para gerar música. Por fim, na frente (f), pretende-se abordar a censura e amostragem em redes de difusão adaptativas. O projeto conta com cinco pesquisadores e diversos alunos de pós-graduação da Escola Politécnica da USP.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (8) / Mestrado profissional: (0) / Doutorado: (3) . Integrantes: Marcio Eisencraft - Integrante / Miguel Arjona Ramírez - Coordenador / Magno Teófilo Madeira da Silva - Integrante / Renato Candido - Integrante / Wesley Beccaro - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Marcio Eisencraft.
    2. 2020-Atual. Sistemas Dinâmicos Não Lineares e Grafos: Aplicações em Comunicações e Análise de Sinais
      Descrição: Projeto de pesquisa associado à bolsa de produtividade em pesquisa nível 1-D no período de março de 2020 a fevereiro de 2024.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . Integrantes: Marcio Eisencraft - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.
      Membro: Marcio Eisencraft.

Prêmios e títulos

  • Total de prêmios e títulos (0)

    Participação em eventos

    • Total de participação em eventos (0)

      Organização de eventos

      • Total de organização de eventos (1)
        1. Eisencraft, M.. Minisimpósio "Chaos-based communication and signal processing?. 2016. (Congresso).. . 0.

      Lista de colaborações

      • Colaborações endôgenas (0)



        Data de processamento: 16/11/2024 16:25:58