PPG-engenharia-da-informacao

Ricardo Suyama

Possui graduação em Engenharia Elétrica pela Universidade Estadual de Campinas (2001), mestrado em Engenharia Elétrica pela Universidade Estadual de Campinas (2003) e doutorado em Engenharia Elétrica pela Universidade Estadual de Campinas (2007). Atualmente é professor associado nível II na Universidade Federal do ABC (UFABC). Tem experiência na área de Processamento Digital de Sinais, atuando principalmente nas áreas de Separação de Fontes, Melhoramento de Sinais, Filtragem Adaptativa e Inteligência Artificial aplicada no processamento de sinais. (Texto informado pelo autor)

http://lattes.cnpq.br/6146944142372232 (22/08/2024)

Rótulo/Grupo: PERMANENTE

Bolsa CNPq: Nível 2

Período de análise:

Endereço: Universidade Federal do ABC, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas. Secretaria CECS Av. dos Estados, 5001 Bloco B, 9o andar Bangu 09210170 - Santo André, SP - Brasil Telefone: (11) 49968276 Ramal: 8276 Fax: (11) 114496008 URL da Homepage: http://www.ufabc.edu.br

Grande área: Engenharias

Área: Engenharia Elétrica

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (11)
1. BERALDO, ROBERTO G. ; FERREIRA, LEONARDO A. ; Moura, Fernando S. ; Takahata, André K. ; Suyama, Ricardo. Post-processing electrical impedance tomography reconstructions with incomplete data using convolutional neural networks. Applied Mathematics for Modern Challenges. v. 2, p. 140-164, issn: 2994-7669, 2024.
2. CAMPELLO, BETANIA SILVA CARNEIRO ; Pelegrina, Guilherme Dean ; Pelissari, Renata ; Suyama, Ricardo ; Duarte, Leonardo Tomazeli. Mitigating subjectivity and bias in AI development indices: A robust approach to redefining country rankings. EXPERT SYSTEMS WITH APPLICATIONS. v. 255, p. 124803, issn: 0957-4174, 2024.
3. FERREIRA, LEONARDO A. ; BERALDO, ROBERTO G. ; TAKAHATA, ANDRÉ K. ; SUYAMA, RICARDO. Restoring severely out-of-focus blurred text images with Deep Image Prior. Inverse Problems and Imaging. v. 17, p. 969-992, issn: 1930-8337, 2023.
4. YAHATA, ERIKA ; WINNIKOW, ERIK PAUL ; Suyama, Ricardo ; SIMÕES, PRISCYLA WALESKA. Explicabilidade em Modelos Preditivos de Machine Learning no Câncer de Mama. journal of health informatics. v. 15, p. 1-14, issn: 2175-4411, 2023.
5. FERREIRA, LEONARDO A. ; BERALDO, ROBERTO G. ; Suyama, Ricardo ; Takahata, André K. ; SIMS, JOHN A.. Deep image prior with sparsity constraint for limited-angle computed tomography reconstruction. Applied Mathematics for Modern Challenges. v. 1, p. 105-125, issn: 2994-7669, 2023.
6. MAHÉ, GAËL ; SUZUMURA, GIULIO G.R. ; MOISAN, LIONEL ; Suyama, Ricardo. A non intrusive audio clarity index (NIAC) and its application to blind source separation. SIGNAL PROCESSING. v. 194, p. 108448, issn: 0165-1684, 2022.
7. GOIS, LUCAS ; Suyama, Ricardo ; Fantinato, Denis ; NEVES, ALINE. Relationship Between Criteria Based on Correntropy and Second Order Statistics for Equalization of Communication Channels. IEEE SIGNAL PROCESSING LETTERS. v. 29, p. 1317-1321, issn: 1070-9908, 2022.
8. PINHEIRO, Talita Santos ; YAHATA, Erika ; SANTOS, Pablo Deoclecia dos ; OLIVEIRA, Fellipe Soares de ; TAKAHATA, Andre Kazuo ; SUYAMA, Ricardo ; TANAKA, Harki ; OLIVEIRA, TIAGO RIBEIRO ; ROMANI, Ana Paula ; SIMÕES, Priscyla Waleska. Machine Learning e Análise Multivariada aplicados à Sobrevida do Câncer Mama. journal of health informatics. v. 14, p. 53-58, issn: 2175-4411, 2022.
9. MARCOCHI DE MELO, DIEGO ; LOPES, ELAINE COELHO ; MOTTA, JULIANA GUTIERREZ ; ASANO, ROBERTO ; VALVERDE, MARÍA ; Suyama, Ricardo ; BENEDITO, RICARDO DA SILVA ; LEITE, PATRICIA TEIXEIRA ; CARDOSO DE LIMA, GRACIELI SARTÓRIO. Integrated intelligent geoprocessing tool for screening candidate locations suitable for Distributed Generation Deployment. RENEWABLE ENERGY. v. 177, p. 797-806, issn: 0960-1481, 2021.
10. DA CRUZ, PEDRO IVO ; SUYAMA, Ricardo ; LOIOLA, MURILO BELLEZONI. Increasing key randomness in physical layer key generation based on RSSI in LoRaWAN devices. Physical Communication. v. 49, p. 101480, issn: 1874-4907, 2021.
11. BULHÕES DA SILVA COSTA, THIAGO ; FERNANDA SUAREZ URIBE, LUISA ; NEGREIROS DE CARVALHO, SARAH ; COUTINHO SORIANO, DIOGO ; Castellano, Gabriela ; Suyama, Ricardo ; Attux, Romis ; PANAZIO, CRISTIANO. Channel capacity in brain-computer interfaces. Journal of Neural Engineering. v. 17, p. 016060, issn: 1741-2552, 2020.
Livros publicados/organizados ou edições (0)
Capítulos de livros publicados (6)
1. FERREIRA, LEONARDO A. ; BERALDO, ROBERTO G. ; Suyama, Ricardo ; Moura, Fernando S. ; Takahata, André K.. 2D Electrical Impedance Tomography Brain Image Reconstruction Using Deep Image Prior. IFMBE Proceedings. 1ed. Em: . : Springer Nature Switzerland. 2024.p. 272-282.
2. BERALDO, ROBERTO G. ; FERREIRA, LEONARDO A. ; Moura, Fernando S. ; Takahata, André K. ; Suyama, Ricardo. 2D Time-Difference Electrical Impedance Tomography Image Reconstruction in a Head Model with Regularization by Denoising. IFMBE Proceedings. 1ed. Em: . : Springer Nature Switzerland. 2024.p. 425-436.
3. BERALDO, ROBERTO G. ; FERREIRA, LEONARDO A. ; Moura, Fernando S. ; Takahata, André K. ; Suyama, Ricardo. Reconstructing Electrical Impedance Tomography 3D Brain Images with Anatomical Atlas and Total Variation Priors. IFMBE Proceedings. 1ed. Em: . : Springer Nature Switzerland. 2024.p. 103-114.
4. Pelissari, Renata ; Campello, Betania ; Pelegrina, Guilherme Dean ; Suyama, Ricardo ; Duarte, Leonardo Tomazeli. Critical Analysis of AI Indicators in Terms of Weighting and Aggregation Approaches. Lecture Notes in Computer Science. 1ed. Em: . : Springer Nature Switzerland. 2023.p. 385-399.
5. Rodrigues, Paula G. ; Filho, Carlos A. Stefano ; Takahata, André K. ; Suyama, Ricardo ; Attux, Romis ; Castellano, Gabriela ; Sato, João R. ; Nasuto, Slawomir J. ; Soriano, Diogo C.. Can Dynamic Functional Connectivity Be Used to Distinguish Between Resting-State and Motor Imagery in EEG-BCIs?. Studies in Computational Intelligence. 1ed. Em: Benito, R.M.; Cherifi, C.; Cherifi, H.; Moro, E.; Rocha, L.M.; Sales-Pardo, M.. (Org.). Complex Networks & Their Applications X. COMPLEX NETWORKS 2021. Studies in Computational Intelligence. 1ed. : Springer International Publishing. 2022.v. 1016, p. 688-699.
6. TAKAHATA, Andre Kazuo ; Simões, Priscyla Waleska ; SUYAMA, Ricardo. Aplicação de Inferência Bayesiana. Em: Antonio Valerio Netto, Lilian Berton, André Kazuo Takahata. (Org.). Ciência de Dados e Inteligência Artificial para Saúde Digital. 1ed.São Paulo / SP. : Editora dos Editores. 2021.v. 1, p. 41-63.
Textos em jornais de notícias/revistas (5)
1. BERALDO, R. G. ; Suyama, Ricardo. Resolvendo problemas científicos através de desafios globais. Blog UFABC Divulga Ciência, p. 5, 02 maio 2023.
2. BERALDO, R. G. ; FERREIRA, L. A. ; Suyama, R.. Nonograma, um jogo para aprender o princípio da tomografia. Blog UFABC Divulga Ciência, p. 6, 19 jan. 2023.
3. BERALDO, R. G. ; Suyama, R.. Modelando sistemas físicos com matrizes e vetores. Blog UFABC Divulga Ciência, p. 4, 13 out. 2022.
4. BERALDO, R. G. ; Suyama, R.. Em um problema sem solução exata, como ainda assim obter informações relevantes?. Blog UFABC Divulga Ciência, p. 4, 13 set. 2022.
5. BERALDO, R. G. ; Suyama, R.. Em um problema com infinitas soluções, como escolher a solução certa?. Blog UFABC Divulga Ciência, p. 3, 10 maio 2022.
Trabalhos completos publicados em anais de congressos (21)
1. PELISSARI, R. ; SUYAMA, Ricardo ; DUARTE, L. T. ; EARP, H. N. S. ; BARROS, I. Q. D. ; PEREIRA, C. N.. Comparação de Indicadores Adotados em Estratégias Nacionais de Inteligência Artificial. Em: II Conferência Internacional de Políticas Públicas e Ciência de Dados, 2024.
2. PELISSARI, R. ; CAMPELLO, B. S. C. ; PELEGRINA, G. D. ; Suyama, Ricardo ; DUARTE, L. T.. Critical analysis of AI indicators in terms of weighting and aggregation approaches. Em: 12th Brazilian Conference on Intelligent Systems (BRACIS), 2023.
3. ROMERO, M. L. ; Suyama, Ricardo. Data Quality in IoT Applications: A Scoping Review. Em: 15th IEEE International Conference on Industry Applications (INDUSCON), 2023.
4. SILVA, A. M. ; LIMA, CAIO ; Fazanaro, Filipe I. ; Suyama, Ricardo. Software para Captura de Categorias de Posições de Ângulos de Flexão e Extensão do Cotovelo Conjuntamente com os Sinais sEMG. Em: IX Congresso Latinoamericano de Engenharia Biomédica & XXVIII Congresso Brasileiro de Engenharia Biomédica, 2022.
5. BERALDO, R. G. ; FERREIRA, L. A. ; MOURA, F. S. ; TAKAHATA, A. K. ; Suyama, R.. 2D Time-Difference Electrical Impedance Tomography Image Reconstruction in a Head Model with Regularization by Denoising. Em: X Congresso Latino-Americano de Engenharia Biomédica (CLAIB 2022) & XXVIII Congresso Brasileiro de Engenharia de Engenharia Biomédica (CBEB 2022), 2022.
6. FERREIRA, L. A. ; BERALDO, R. G. ; MOURA, F. S. ; TAKAHATA, A. K. ; Suyama, R.. 2D Electrical Impedance Tomography Brain Image Reconstruction using Deep Image Prior. Em: X Congresso Latino-Americano de Engenharia Biomédica (CLAIB 2022) & XXVIII Congresso Brasileiro de Engenharia de Engenharia Biomédica (CBEB 2022), 2022.
7. BERALDO, R. G. ; FERREIRA, L. A. ; MOURA, F. S. ; TAKAHATA, A. K. ; Suyama, R.. Reconstructing Electrical Impedance Tomography 3D brain images with anatomical atlas and total variation priors. Em: X Congresso Latino-Americano de Engenharia Biomédica (CLAIB 2022) & XXVIII Congresso Brasileiro de Engenharia de Engenharia Biomédica (CBEB 2022), 2022.
8. GIULIANI, HENRIQUE LUIZ VONI ; PAULA, PATRICK DE ; RODRIGUES, PAULA G ; SORIANO, DIOGO ; Suyama, Ricardo ; FANTINATO, DENIS. Influência da Janela de Estimação no Desempenho de Classificação em Sistemas BCI-SSVEP. Em: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, v. 1, 2021.
9. CRUZ, P. I. ; LUCENA, A. M. ; SUYAMA, Ricardo ; LOIOLA, M. B.. Improving Physical Layer Secret Key Generation in Fast Fading Environments Using Prediction. Em: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT 2021), 2021.
10. MOURA, MATEUS DOS SANTOS ; LUCENA, ALEXANDRE MICCHELETI ; FILHO, KENJI NOSE ; Suyama, Ricardo. Source Extraction based on Binary Masking and Machine Learning. Em: 2021 Workshop on Communication Networks and Power Systems (WCNPS), p. 1, 2021.
11. GIULIANI, HENRIQUE L. V. ; PAULA, PATRICK O. DE ; Soriano, Diogo C. ; Suyama, Ricardo ; FANTINATO, DENIS G.. Ensemble Learning in BCI-SSVEP Systems for Short Window Lengths. Em: Escola Regional de Computação Aplicada à Saúde, p. 54, 2021.
12. SILVA, M. B. ; Suyama, R.. Up-and Down-Projection Unit in a Dual Branch Scenario for Single Image Super Resolution. Em: Brazilian Technology Symposium (BTSym'20), 2020.
13. PONCE, J. P. P. ; SUYAMA, Ricardo. Study of Convolutional Neural Networks applied to Image Stereo Matching. Em: 33rd Conference on Graphics, 2020.
14. LUCENA, A. M. ; MORAES, C. P. A. ; NOSE-FILHO, K. ; FANTINATO, D. G. ; NEVES, A. ; SUYAMA, R.. Musical Instruments Recognition using Machine Learning Techniques: MLP and SVM. Em: Brazilian Technology Symposium (BTSym'20), 2020.
15. SILVA, D. L. O. ; SPADINI, T. C. C. ; SUYAMA, Ricardo. Microphone Array Based Surveillance Audio Classification. Em: XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais - SBrT 2020, 2020.
16. CRUZ, P. I. ; DAMASCENO, M. C. ; SUYAMA, Ricardo ; LOIOLA, M. B.. Increasing cross-correlation in LoRaWAN RSSI based key generation with DCT and PCA. Em: XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais - SBrT 2020, 2020.
17. LUCENA, ALEXANDRE ; FILHO, KENJI ; SUYAMA, RICARDO. Blind Source Separation based on Semblance Beamforming. Em: XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais - SBrT 2020, 2020.
18. GIULIANI, H. L. V. ; SUYAMA, Ricardo ; Fantinato, Denis. Avaliação de Classificadores Através de um Teste Bayesiano. Em: Brazilian Technology Symposium (BTSym'20), 2020.
19. GOIS, L. ; FANTINATO, D. G. ; SUYAMA, Ricardo ; NEVES, A. O.. Relações entre Critérios baseados na Correntropia e Estatísticas de Segunda Ordem para Equalização de Canais de Comunicação. Em: Brazilian Technology Symposium (BTSym'20), 2020.
20. SILVA, J. N. ; BENASSI, R. F. ; ASANO, P. T. L. ; SANTOS, R. C. ; SUYAMA, Ricardo ; BELATI, E. A. ; BENASSI, S. F.. Neural Networks for Water Management in Hydroelectric Reservoirs: A Case Study at Itaipu Binacional Hydroelectric (Brazil). Em: XLI Ibero-Latin-American Congress on Computational Methods in Engineering, 2020.
21. LIMA, CAIO ; TASCHETI MELLO, CAIO ; Suyama, Ricardo ; IEDA FAZANARO, FILIPE. Detecção de Limiar de Força Aplicada em uma Prótese de Antebraço. Em: Congresso Brasileiro de Automática 2020, v. 2, 2020.
Resumos expandidos publicados em anais de congressos (6)
1. ASSIS, K. P. ; SILVA, C. M. ; NOSE-FILHO, K. ; SUYAMA, RICARDO ; TAKAHATA, ANDRÉ K.. Modelagem do número de novos casos confirmados por dia da COVID-19 no Brasil com uso de LSTM e predição linear. Em: VIII Escola Regional de Computação Aplicada à Saúde (ERCAS 2021), 2021, São Paulo, SP. Anais da VIII Escola Regional de Computação Aplicada à Saúde, p. 18-21, 2021.
2. PINHEIRO, Talita Santos ; YAHATA, Erika ; SANTOS, Pablo Deoclecia dos ; OLIVEIRA, Fellipe Soares de ; TAKAHATA, Andre Kazuo ; SUYAMA, Ricardo ; OLIVEIRA, Tiago Ribeiro de ; ROMANI, Ana Paula ; SIMÕES, Priscyla Waleska. Análise de Sobrevivência do Câncer Mama por meio do Algoritmo Random Survival Forest e Regressão de Cox. Em: XVIII Congresso Brasileiro de Informática em Saúde (CBIS 2021) / 10º Congresso Brasileiro de Telemedicina e Telessaúde / Fórum RNP 2021, 2021, Evento virtual. Anais do XVIII Congresso Brasileiro de Informática em Saúde e 10º Congresso Brasileiro de Telemedicina e Telessaúde. São Paulo / SP: SBIS, v. 18, p. 34-36, 2021.
3. SILVA, I. C. R. ; TAKAHATA, A. K. ; ASSIS, K. P. ; SILVA, C. M. ; Nose-Filho, Kenji ; Suyama, R.. Previsão para uma semana do número de casos de COVID-19 no Brasil utilizando um modelo LSTM. Em: XVIII Congresso Brasileiro de Informática em Saúde e 10º Congresso Brasileiro de Telemedicina e Telessaúde, 2021, Congresso Virtual. Anais do XVIII Congresso Brasileiro de Informática em Saúde e 10º Congresso Brasileiro de Telemedicina e Telessaúde, p. 121-123, 2021.
4. TAKAHATA, A. K. ; SUYAMA, Ricardo ; STEINBERGER-ELIAS, M. B. ; BERTON, L. ; NETTO, A. V.. Voicebot em Python e AIML para aplicação em plataformas de telemonitoramento de pacientes baseado em cuidado híbrido. Em: XVIII Congresso Brasileiro de Informática em Saúde e 10º Congresso Brasileiro de Telemedicina e Telessaúde, 2021, Congresso Virtual. Anais do XVIII Congresso Brasileiro de Informática em Saúde e 10º Congresso Brasileiro de Telemedicina e Telessaúde, p. 193-195, 2021.
5. TAKAHATA, A. K. ; SUYAMA, Ricardo ; STEINBERGER-ELIAS, M. B. ; NETTO, A. V.. Sistemas de Diálogo Falado em Português: uma Abordagem Multimodal para a Saúde Digital. Em: IV Workshop @NUVEM, 2020, Conferência Virtual. Anais do IV Workshop @NUVEM, 2020.
6. YOKOI, Larissa Mayumi ; PINHEIRO, Talita Santos ; OLIVEIRA, Fellipe Soares de ; SANTOS, Pablo Deoclecia dos ; TAKAHATA, Andre Kazuo ; SUYAMA, Ricardo ; SIMÕES, Priscyla Waleska Targino de Azevedo. Modelo Preditor Bayesiano aplicado a Análise de Sobrevivência em Mulheres com Câncer de Mama. Em: XVII Congresso Brasileiro de Informática em Saúde (CBIS 2020), 2020, Foz do Iguaçu / PR. Anais do XVII Congresso Brasileiro de Informática em Saúde. São Paulo / SP: SBIS, v. 17, p. 38-39, 2020.
Resumos publicados em anais de congressos (2)
1. PONCE, J. P. P. ; Suyama, Ricardo. Lung CT Image Segmentation: A Comparison Between Binary Cross Entropy and Dice Score Coefficient. Em: XI Simpósio de Instrumentação e Imagens Médicas, 2023, Ribeirão Preto. Anais do XI Simpósio de Instrumentação e Imagens Médicas (2023), 2023.
2. GIULIANI, HENRIQUE ; Suyama, Ricardo ; Fantinato, Denis. Análise Comparativa Entre os Classificadores MLP e Random Forest sob a Perspectiva de um Teste Bayesiano. Em: Congresso Brasileiro de Inteligência Computacional, p. 1, 2020.
Artigos aceitos para publicação (0)
Apresentações de trabalho (0)
Demais tipos de produção bibliográfica (0)

Produção técnica

Programas de computador com registro (0)
Programas de computador sem registro (0)
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (0)
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (3)
1. Edson Rodrigues. Sistema para Medição Anisotrópica de Condutividade Muscular. Tese (Doutorado em Engenharia da Informação) - Universidade Federal do ABC, . Início: 2023.
  Orientador: Ricardo Suyama.
2. Alexandre Miccheleti Lucena. Separação Cega de Fontes em Misturas Não-Lineares Baseada em Filtro de Kalman. Tese (Doutorado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (Coorientador).. Início: 2021.
  Orientadores: Ricardo Suyama, Kenji Nose Filho.
3. Tito Caco Curimbaba Spadini. Processamento de Sinais de Áudio explorando a SincNet (provisório). Tese (Doutorado em Engenharia da Informação) - Universidade Federal do ABC. (Coorientador)., Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2020.
  Orientadores: Ricardo Suyama, Kenji Nose Filho.
Dissertação de mestrado (4)
1. João Pedro Poloni Ponce. Contribuições à Segmentação de Imagens Tomográficas de Tórax. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, . Início: 2022.
  Orientador: Ricardo Suyama.
2. Alvaro Marques de Andrade Dé Júnio. Aprendizado por Reforço aplicado a Sistemas de Recomendação. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, . Início: 2022.
  Orientador: Ricardo Suyama.
3. Erika Yahata. INTELIGÊNCIA ARTIFICIAL EXPLICÁVEL APLICADA À PREDIÇÃO DE DESFECHOS EM SAÚDE. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (Coorientador).. Início: 2021.
  Supervisor: Ricardo Suyama.
4. Gabriel Tavares Rizzo. Machine Learning para Análise de Dados na Educação (Provisório). Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, . Início: 2020.
  Orientador: Ricardo Suyama.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (0)
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (1)
1. Pedro Ivo da Cruz. . Universidade Federal do ABC, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2023.
  Supervisor: Ricardo Suyama.
Tese de doutorado (3)

Roberto Gutierrez Beraldo. Métodos de regularização com aprendizagem profunda para solução do problema inverso de tomografia por impedância elétrica. Tese (Doutorado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2024.
Orientador: Ricardo Suyama.
Giulio Guiyti Rossignolo Suzumura. Estimação de sinais de voz esparsificados em misturas subparametrizadas. Tese (Doutorado em Engenharia da Informação) - Universidade Federal do ABC, . 2023.
Orientador: Ricardo Suyama.
Pedro Ivo da Cruz. Estimação de canal em sistemas com codificação de rede na camada física. Tese (Doutorado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2022.
Orientadores: Ricardo Suyama, Murilo Bellezoni Loiola.
Dissertação de mestrado (7)

Erika Yahata. Inteligência Artificial Explicável Aplicada à Predição da Obesidade Infantil. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2024.
Orientadores: Ricardo Suyama, Priscyla Waleska Targino de Azevedo Simões.
Marcos Lima Romero. Data Quality Assurance in the Internet of Things Using Online Machine Learning. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, . 2024.
Orientador: Ricardo Suyama.
Caio Lima. Plataformas de código aberto para simulação, captura de sinais miográficos e visão computacional para análise cinemática e classificação de movimentos utilizando aprendizado de máquinas. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, . 2022.
Orientador: Ricardo Suyama.
Henrique Luiz Voni Giuliani. Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2022.
Supervisor: Ricardo Suyama.
Alexandre Miccheleti Lucena. Kalman Filter-based and Semblance-based methods for Blind Source Separation. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2021.
Orientadores: Ricardo Suyama, Kenji Nose Filho.
Miguel Bozer da Silva. Técnicas de Machine Learning para Imagens de Super Resolução. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Tito Caco Curimbaba Spadini. Generative Adversarial Nettworks para Aprimoramento de Áudio e Voz. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2020.
Orientador: Ricardo Suyama.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (8)

Victor Oliveira. Estudo comparativo entre modelos de Aprendizado de Máquina e Séries temporais: uma aplicação na previsão de demanda. (Graduação em Engenharia de Informação) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Giselle Silva de Santana. Computação de Borda e Bancos de Dados Distribuídos: Análise de métodos de computação de borda e sua aplicação para bancos de dados. (Graduação em Engenharia de Informação) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Rodrigo Hiroaki Ideyama. Sistema Embarcado Para Monitoramento Inteligente De Pessoas. (Graduação em Engenharia de Informação) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Alexandre de Souza Santos. Sistema Embarcado Para Monitoramento Inteligente De Pessoas. (Graduação em Engenharia de Informação) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Rodrigo Akiyama Abrantes. Computação de Borda e Bancos de Dados Distribuídos: Análise de métodos de computação de borda e sua aplicação para bancos de dados. (Graduação em Engenharia de Informação) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Robson Costa Santiago. Processamento de Imagens para ROV: Segmentação de Imagem para ̃Identifição de Contornos. (Graduação em Engenharia de Informação) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
João Pedro Poloni Ponce. Estudo de Redes Neurais Convolucionais aplicadas ao matching de uma imagem estéreo. (Graduação em Engenharia de Informação) - Universidade Federal do ABC, . 2020.
Orientador: Ricardo Suyama.
Marcos Romero. Consistência e Qualidade de Big Data em Sistemas Distribuídos. (Graduação em Engenharia de Informação) - Universidade Federal do ABC, . 2020.
Orientador: Ricardo Suyama.
Iniciação científica (6)

Alexandre Keiti Fukamati. Estudo de Algoritmos de Análise de Componentes Independentes para Separação Cega de Sinais de Áudio. (Graduando em Bacharelado em Ciência e Tecnologia) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
José Pedro da Paza Ferreira. Algoritmos de Otimização para o Projeto de Circuitos Eletrônicos. (Graduando em Bacharelado em Ciência e Tecnologia) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Marcelo Quesada Mergulhão. Proposta de sistema Pan-Tilt eletronicamente controlado para rastreamento de objetos. (Graduando em Bacharelado em Ciência e Tecnologia) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Lucas Sanchez Bitencourt. Técnicas de Machine Learning para Detecção de Defeitos em Máquinas Rotativas. (Graduando em Bacharelado em Ciência e Tecnologia) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Mateus dos Santos Moura. Mascaramento Tempo-Frequencial de Sinais usando Machine Learning. (Graduando em Engenharia de Informação) - Universidade Federal do ABC, . 2021.
Orientador: Ricardo Suyama.
Dimitri Leandro de Oliveira Silva. Implementação De Um Sistema Classificador Em Plataforma Embarcada Para Detecção Sonora De Eventos Nocivos À Segurança Pública. (Graduando em Engenharia de Informação) - Universidade Federal do ABC, . 2020.
Orientador: Ricardo Suyama.
Orientações de outra natureza (0)

Projetos de pesquisa

Total de projetos de pesquisa (3)

2023-Atual. BI0S - Brazilian Institute of Data Science
Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir com o desenvolvimento científico-tecnológico e social em áreas estratégicas que surgirão da interação entre todos os atores envolvidos. Ademais, o Centro vai incentivar uma cultura de empreendedorismo, visando explorar o potencial de suas propostas. Também serão promovidas ações de difusão de conhecimento, buscando atrair novos talentos do ensino médio e dos primeiros anos da faculdade, e promover cursos de extensão para profissionais. Inicialmente, o Centro focará em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Outros problemas de interesse incluem ferramentas de IA para diagnóstico médico e para o desenvolvimento de remédios. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Também serão desenvolvidos métodos para otimização do uso de recursos agrícolas, a para a integração sustentável entre a indústria e o ambiente. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ricardo Suyama - Integrante / Romis Ribeiro de Faissol Attux - Integrante / Leonardo Tomazeli Duarte - Integrante / João Marcos Travassos Romano - Coordenador / Denis Gustavo Fantinato - Integrante / Guilherme Palermo Coelho - Integrante / Cristiano Torezzan - Integrante / Sueli Irene Rodrigues Costa - Integrante / Washington Alves de Oliveira - Integrante / João Batista Florindo - Integrante / Priscila Cristina Berbert Rampazzo - Integrante / Alvaro de Olveira D'Antonia - Integrante / Renato Machado - Integrante / Henrique Nogueira de Sá Earp - Integrante / Rodolfo de Carvalho Pacagnella - Integrante / Priscila Pereira Coltri - Integrante / Jorge Moreira de Souza - Integrante / Niro Higuchi - Integrante / Peter Sussner - Integrante / Rosângela Ballini - Integrante.
Membro: Ricardo Suyama.
Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir com o desenvolvimento científico-tecnológico e social em áreas estratégicas que surgirão da interação entre todos os atores envolvidos. Ademais, o Centro vai incentivar uma cultura de empreendedorismo, visando explorar o potencial de suas propostas. Também serão promovidas ações de difusão de conhecimento, buscando atrair novos talentos do ensino médio e dos primeiros anos da faculdade, e promover cursos de extensão para profissionais. Inicialmente, o Centro focará em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Outros problemas de interesse incluem ferramentas de IA para diagnóstico médico e para o desenvolvimento de remédios. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Também serão desenvolvidos métodos para otimização do uso de recursos agrícolas, a para a integração sustentável entre a indústria e o ambiente. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Kenji Nose Filho - Integrante / João Marcos Travassos Romano - Coordenador / Leonardo Tomazeli Duarte - Integrante / Romis Attux - Integrante / Denis Gustavo Fantinato - Integrante / ALINE NEVES - Integrante / André Kazuo Takahata - Integrante / Ricardo Suyama - Integrante / Murilo Bellezoni Loiola - Integrante / Filipe Ieda Fazanaro - Integrante / Claudio José Bordin Júnior - Integrante / Guilherme Palhermo Coelho - Integrante / Cristiano Torezzan - Integrante / Sueli Irene Rodrigues Costa - Integrante / Washington Alves de Oliveira - Integrante / João Batista Florindo - Integrante / Priscila Cristina Berbert Rampazzo - Integrante / Alvaro de Olveira D'Antonia - Integrante / Renato Machado - Integrante / Henrique Nogueira de Sá Earp - Integrante / Rodolfo de Carvalho Pacagnella - Integrante / Priscila Pereira Coltri - Integrante / Jorge Moreira de Souza - Integrante / Niro Higuchi - Integrante / Peter Sussner - Integrante / Rosângela Ballini - Integrante / Ana Paula Romani - Integrante / Priscyla W. T. de Azevedo Simões - Integrante.
Membro: Kenji Nose Filho.
Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir com o desenvolvimento científico-tecnológico e social em áreas estratégicas que surgirão da interação entre todos os atores envolvidos. Ademais, o Centro vai incentivar uma cultura de empreendedorismo, visando explorar o potencial de suas propostas. Também serão promovidas ações de difusão de conhecimento, buscando atrair novos talentos do ensino médio e dos primeiros anos da faculdade, e promover cursos de extensão para profissionais. Inicialmente, o Centro focará em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Outros problemas de interesse incluem ferramentas de IA para diagnóstico médico e para o desenvolvimento de remédios. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Também serão desenvolvidos métodos para otimização do uso de recursos agrícolas, a para a integração sustentável entre a indústria e o ambiente. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Filipe Ieda Fazanaro - Coordenador / Ricardo Suyama - Integrante / Romis Attux - Integrante / Leonardo Tomazeli Duarte - Integrante / André Kazuo Takahata - Integrante / Denis Gustavo Fantinato - Integrante / João Marcos Travassos Romano - Integrante / Guilherme Palermo Coelho - Integrante / Cristiano Torezzan - Integrante / Sueli Irene Rodrigues Costa - Integrante / Washington Alves de Oliveira - Integrante / João Batista Florindo - Integrante / Priscila Cristina Berbert Rampazzo - Integrante / Alvaro de Olveira D'Antonia - Integrante / Renato Machado - Integrante / Henrique Nogueira de Sá Earp - Integrante / Rodolfo de Carvalho Pacagnella - Integrante / Priscila Pereira Coltri - Integrante / Jorge Moreira de Souza - Integrante / Niro Higuchi - Integrante / Peter Sussner - Integrante / Rosângela Ballini - Integrante.
Membro: Filipe Ieda Fazanaro.
2023-Atual. Pesquisa interdisciplinar de técnicas de aprendizado de máquina e inteligência artificial para desenvolvimento de tecnologias de processamento de sinais, imagens e linguagem natural
Descrição: Este projeto tem como objetivo consolidar grupo de pesquisa interdisciplinar com pesquisadores da área da engenharia de informação, engenharia biomédica, linguística, computação e medicina, capaz de desenvolver aplicações de aprendizado de máquina e inteligência artificial na realização de processamento de sinais, imagens e linguagem natural. A pesquisa se dará em frentes de pesquisa que já vem sendo realizadas pelo proponente como utilização de técnicas de aprendizado de máquina para extração de biomarcadores de Doença de Parkinson a partir de sinais de potencial de campo local (LFP) adquirido durante cirurgia de implantação de dispositivo de estimulação cerebral profunda (DBS) e utilização de redes neurais profundas em tomografia de impedância elétrica para auxílio a diagnóstico de acidente vascular cerebral (AVC). Além disso, na linha de pesquisa em processamento de linguagem natural será abordada a caracterização de textos sobre COVID-19, com objetivo de se identificar palavras biomédicas automaticamente com uso de redes neurais profundas, e serão estudados voicebots para plataformas de telemonitoramento de pacientes baseado em cuidado híbrido. (AU). Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ricardo Suyama - Integrante / Margarethe Born Steinberger-Elias - Integrante / André Kazuo Takahata - Coordenador / Diogo Coutinho Soriano - Integrante / Celso Setsuo Kurashima - Integrante / Priscyla Waleska Targino de Azevedo Simões - Integrante / Fernando Silva de Moura - Integrante / Lilan Berton - Integrante / Maria Sheila Guimarães Rocha - Integrante / Fabio Luiz Franceschi Godinho - Integrante.
Membro: Ricardo Suyama.
2022-Atual. Explorando técnicas de Inteligência Artificial para o Processamento de Sinais
Descrição: A grande evolução na área de inteligência artificial (IA), especialmente a partir da década de 2000, está associada a resultados impactantes decorrentes da utilização de abordagens de aprendizado baseado em estruturas ditas profundas, até então pouco utilizadas devido à sua alta complexidade computacional. Desde então, esta abordagem vem ocupando uma posição de destaque na pesquisa em IA e, naturalmente, a área de processamento de sinais tem se beneficiado com o desenvolvimento de novas técnicas que aliam as técnicas previamente desenvolvidas a novas ferramentas de inteligência artificial. Conforme amplamente demonstrado na literatura, a aplicação destes novos paradigmas, tem resultado, via de regra, em ganhos relevantes de desempenho. Entretanto, em geral, as técnicas apresentam um elevado custo computacional, além de exigir uma grande quantidade de dados para o treinamento das estruturas, evidenciando que ainda existem diversas questões importantes a serem investigadas na área.No presente projeto, pretende-se dar continuidade à pesquisa já iniciada na área, buscando técnicas de processamento de sinais baseadas em IA, tendo como referência o problema geral de separação de fontes. Os trabalhos devem se desenvolver em três frentes de pesquisa: Investigação de algoritmos baseados em IA para problema de separação de sinais, com particular interesse por métodos capazes de estimar os sinais de maneira não-supervisionada; Investigação de métodos baseados em IA para o melhoramento de sinais, buscando explorar estruturas flexíveis e formas de incorporar informação a priori sobre o problema para minimizar a necessidade de dados para treinamento e o custo computacional envolvido; e Investigação sobre métodos de machine learning em problemas inversos, que explorem características dos dados para realizar a regularização, explícita ou implicitamente, do problema de otimização associado.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ricardo Suyama - Coordenador.
Membro: Ricardo Suyama.

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 (0)

Lista de colaborações

Colaborações endôgenas (7)

Ricardo Suyama ⇔ André Kazuo Takahata (4.0)
FERREIRA, LEONARDO A. ; BERALDO, ROBERTO G. ; TAKAHATA, ANDRÉ K. ; SUYAMA, RICARDO. Restoring severely out-of-focus blurred text images with Deep Image Prior. Inverse Problems and Imaging. v. 17, p. 969-992, issn: 1930-8337, 2023.
PINHEIRO, Talita Santos ; YAHATA, Erika ; SANTOS, Pablo Deoclecia dos ; OLIVEIRA, Fellipe Soares de ; TAKAHATA, Andre Kazuo ; SUYAMA, Ricardo ; TANAKA, Harki ; OLIVEIRA, TIAGO RIBEIRO ; ROMANI, Ana Paula ; SIMÕES, Priscyla Waleska. Machine Learning e Análise Multivariada aplicados à Sobrevida do Câncer Mama. journal of health informatics. v. 14, p. 53-58, issn: 2175-4411, 2022.
Rodrigues, Paula G. ; Filho, Carlos A. Stefano ; Takahata, André K. ; Suyama, Ricardo ; Attux, Romis ; Castellano, Gabriela ; Sato, João R. ; Nasuto, Slawomir J. ; Soriano, Diogo C.. Can Dynamic Functional Connectivity Be Used to Distinguish Between Resting-State and Motor Imagery in EEG-BCIs?. Studies in Computational Intelligence. 1ed. Em: Benito, R.M.; Cherifi, C.; Cherifi, H.; Moro, E.; Rocha, L.M.; Sales-Pardo, M.. (Org.). Complex Networks & Their Applications X. COMPLEX NETWORKS 2021. Studies in Computational Intelligence. 1ed. : Springer International Publishing. 2022.v. 1016, p. 688-699.
TAKAHATA, Andre Kazuo ; Simões, Priscyla Waleska ; SUYAMA, Ricardo. Aplicação de Inferência Bayesiana. Em: Antonio Valerio Netto, Lilian Berton, André Kazuo Takahata. (Org.). Ciência de Dados e Inteligência Artificial para Saúde Digital. 1ed.São Paulo / SP. : Editora dos Editores. 2021.v. 1, p. 41-63.

Ricardo Suyama ⇔ Aline de Oliveira Neves Panazio (3.0)
GOIS, LUCAS ; Suyama, Ricardo ; Fantinato, Denis ; NEVES, ALINE. Relationship Between Criteria Based on Correntropy and Second Order Statistics for Equalization of Communication Channels. IEEE SIGNAL PROCESSING LETTERS. v. 29, p. 1317-1321, issn: 1070-9908, 2022.
LUCENA, A. M. ; MORAES, C. P. A. ; NOSE-FILHO, K. ; FANTINATO, D. G. ; NEVES, A. ; SUYAMA, R.. Musical Instruments Recognition using Machine Learning Techniques: MLP and SVM. Em: Brazilian Technology Symposium (BTSym'20), 2020.
GOIS, L. ; FANTINATO, D. G. ; SUYAMA, Ricardo ; NEVES, A. O.. Relações entre Critérios baseados na Correntropia e Estatísticas de Segunda Ordem para Equalização de Canais de Comunicação. Em: Brazilian Technology Symposium (BTSym'20), 2020.

Ricardo Suyama ⇔ Diogo Coutinho Soriano (3.0)
BULHÕES DA SILVA COSTA, THIAGO ; FERNANDA SUAREZ URIBE, LUISA ; NEGREIROS DE CARVALHO, SARAH ; COUTINHO SORIANO, DIOGO ; Castellano, Gabriela ; Suyama, Ricardo ; Attux, Romis ; PANAZIO, CRISTIANO. Channel capacity in brain-computer interfaces. Journal of Neural Engineering. v. 17, p. 016060, issn: 1741-2552, 2020.
Rodrigues, Paula G. ; Filho, Carlos A. Stefano ; Takahata, André K. ; Suyama, Ricardo ; Attux, Romis ; Castellano, Gabriela ; Sato, João R. ; Nasuto, Slawomir J. ; Soriano, Diogo C.. Can Dynamic Functional Connectivity Be Used to Distinguish Between Resting-State and Motor Imagery in EEG-BCIs?. Studies in Computational Intelligence. 1ed. Em: Benito, R.M.; Cherifi, C.; Cherifi, H.; Moro, E.; Rocha, L.M.; Sales-Pardo, M.. (Org.). Complex Networks & Their Applications X. COMPLEX NETWORKS 2021. Studies in Computational Intelligence. 1ed. : Springer International Publishing. 2022.v. 1016, p. 688-699.
GIULIANI, HENRIQUE LUIZ VONI ; PAULA, PATRICK DE ; RODRIGUES, PAULA G ; SORIANO, DIOGO ; Suyama, Ricardo ; FANTINATO, DENIS. Influência da Janela de Estimação no Desempenho de Classificação em Sistemas BCI-SSVEP. Em: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, v. 1, 2021.

Ricardo Suyama ⇔ Kenji Nose Filho (3.0)
MOURA, MATEUS DOS SANTOS ; LUCENA, ALEXANDRE MICCHELETI ; FILHO, KENJI NOSE ; Suyama, Ricardo. Source Extraction based on Binary Masking and Machine Learning. Em: 2021 Workshop on Communication Networks and Power Systems (WCNPS), p. 1, 2021.
LUCENA, A. M. ; MORAES, C. P. A. ; NOSE-FILHO, K. ; FANTINATO, D. G. ; NEVES, A. ; SUYAMA, R.. Musical Instruments Recognition using Machine Learning Techniques: MLP and SVM. Em: Brazilian Technology Symposium (BTSym'20), 2020.
LUCENA, ALEXANDRE ; FILHO, KENJI ; SUYAMA, RICARDO. Blind Source Separation based on Semblance Beamforming. Em: XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais - SBrT 2020, 2020.

Ricardo Suyama ⇔ Murilo Bellezoni Loiola (3.0)
DA CRUZ, PEDRO IVO ; SUYAMA, Ricardo ; LOIOLA, MURILO BELLEZONI. Increasing key randomness in physical layer key generation based on RSSI in LoRaWAN devices. Physical Communication. v. 49, p. 101480, issn: 1874-4907, 2021.
CRUZ, P. I. ; LUCENA, A. M. ; SUYAMA, Ricardo ; LOIOLA, M. B.. Improving Physical Layer Secret Key Generation in Fast Fading Environments Using Prediction. Em: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT 2021), 2021.
CRUZ, P. I. ; DAMASCENO, M. C. ; SUYAMA, Ricardo ; LOIOLA, M. B.. Increasing cross-correlation in LoRaWAN RSSI based key generation with DCT and PCA. Em: XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais - SBrT 2020, 2020.

Ricardo Suyama ⇔ Priscyla Waleska Targino de Azevedo Simões (3.0)
YAHATA, ERIKA ; WINNIKOW, ERIK PAUL ; Suyama, Ricardo ; SIMÕES, PRISCYLA WALESKA. Explicabilidade em Modelos Preditivos de Machine Learning no Câncer de Mama. journal of health informatics. v. 15, p. 1-14, issn: 2175-4411, 2023.
PINHEIRO, Talita Santos ; YAHATA, Erika ; SANTOS, Pablo Deoclecia dos ; OLIVEIRA, Fellipe Soares de ; TAKAHATA, Andre Kazuo ; SUYAMA, Ricardo ; TANAKA, Harki ; OLIVEIRA, TIAGO RIBEIRO ; ROMANI, Ana Paula ; SIMÕES, Priscyla Waleska. Machine Learning e Análise Multivariada aplicados à Sobrevida do Câncer Mama. journal of health informatics. v. 14, p. 53-58, issn: 2175-4411, 2022.
TAKAHATA, Andre Kazuo ; Simões, Priscyla Waleska ; SUYAMA, Ricardo. Aplicação de Inferência Bayesiana. Em: Antonio Valerio Netto, Lilian Berton, André Kazuo Takahata. (Org.). Ciência de Dados e Inteligência Artificial para Saúde Digital. 1ed.São Paulo / SP. : Editora dos Editores. 2021.v. 1, p. 41-63.

Ricardo Suyama ⇔ Filipe Ieda Fazanaro (2.0)
SILVA, A. M. ; LIMA, CAIO ; Fazanaro, Filipe I. ; Suyama, Ricardo. Software para Captura de Categorias de Posições de Ângulos de Flexão e Extensão do Cotovelo Conjuntamente com os Sinais sEMG. Em: IX Congresso Latinoamericano de Engenharia Biomédica & XXVIII Congresso Brasileiro de Engenharia Biomédica, 2022.
LIMA, CAIO ; TASCHETI MELLO, CAIO ; Suyama, Ricardo ; IEDA FAZANARO, FILIPE. Detecção de Limiar de Força Aplicada em uma Prótese de Antebraço. Em: Congresso Brasileiro de Automática 2020, v. 2, 2020.

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

Relatório gerado por scriptLattes V9. Os resultados podem ser afetados por possíveis falhas decorrentes de inconsistências no preenchimento dos Currículos Lattes. E-mail de contato: