Busca avançada
Ano de início
Entree

Análise comparativa de métodos de aprendizado de máquina em equalização

Processo: 21/01684-7
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de abril de 2021
Vigência (Término): 31 de julho de 2022
Área do conhecimento:Engenharias - Engenharia Elétrica - Telecomunicações
Pesquisador responsável:Romis Ribeiro de Faissol Attux
Beneficiário:Luan Lopes Fontes
Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Assunto(s):Aprendizado computacional   Redes neurais (computação)   Processamento de sinais   Filtragem adaptativa   Equalização   Análise qualitativa comparativa (QCA)   Estudo comparativo
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Equalização | filtragem adaptativa | Processamento de Sinais

Resumo

O problema de equalização de canais é uma tarefa central na área de comunicações e, num sentido mais amplo, em diversos domínios práticos ligados à área de sinais e sistemas. Embora o uso de filtros lineares nesse problema tenha um papel histórico e teórico determinante, a busca por constante melhoria de desempenho e os notáveis avanços do hardware nas últimas décadas encorajaram grande número de propostas e aplicações baseadas em filtros não-lineares, destacadamente aqueles com poder de aproximação universal. Tendo isso em vista, buscar-se-á, neste projeto, realizar um estudo comparativo de redes neurais artificiais no contexto de equalização. O estudo terá uma primeira fase de caráter formativo, voltada à construção de bases sólidas nas temáticas de filtragem adaptativa e redes neurais, e uma segunda fase de implementação e análise em cenários diversificados, a qual permitirá ao aluno ganhar experiência tanto no âmbito da programação quanto na esfera mais estritamente técnica. Por meio desse projeto, pretende-se formar um jovem pesquisador em dois domínios de vanguarda na engenharia da informação, bem como habilitá-lo a contribuir de maneira consistente e original a uma área fortemente interdisciplinar.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)