Euripedes Guilherme de Oliveira Nobrega

Possue graduação em Engenharia Eletrônica pelo Instituto Tecnológico de Aeronáutica (1973), mestrado em Engenharia Mecânica pela Universidade Federal da Paraíba (1979) e doutorado em Engenharia Elétrica pela Universidade Estadual de Campinas (1992). Desenvolveu projeto de pós-doutorado na Universidade de Houston (2001). Atualmente é Professor Titular MS-6 (aposentado) da Universidade Estadual de Campinas, Departamento de Mecânica Computacional da Faculdade de Engenharia Mecânica, onde leciona desde 1988. Foi um dos criadores do curso Engenharia de Controle e Automação, que iniciou suas atividades em 1998, tendo sido coordenador do curso por 6 anos, a partir de agosto de 2005. Foi professor convidado na ENSIM (Le Mans Université), INPG (Université Grenoble Alpes) e Arts et Métiers Paristech (Paris). Tendo formação e experiência multidisciplinar, desenvolve pesquisas em diversas áreas, com ênfase nos últimos anos no uso de métodos de Inteligência Artificial (IA) e Aprendizado de Máquinas aplicados ao processamento de sinais no contexto de Sistemas de Monitoramento, Detecção e Diagnóstico de Falhas, com extensão ao Controle Tolerante a Falhas de máquinas e estruturas mecânicas sujeitas a danos e ao Controle de Sistemas não Lineares diririgido por dados. Tendo também trabalhado continuamente no projeto e desenvolvimento de instrumentação digital inteligente, tem projetado sistemas inteligentes embarcados, com o uso de microcontroladores e processadores de vários tipos. Na última década, os sistemas de monitoramento e diagnóstico trabalhou com FPGA, associados aos microcontroladores, visando o encapsulamento em hardware de métodos de IA em sistemas embarcados distribuídos, fazendo uso de Python e OpenCL, além de C++, objetivando programação paralela, e assim atingir alto desempenho embarcando algoritmos em tempo real. Tais métodos são aplicadas ao processamento de série temporais, com sinais e dados oriundos de operação IoT em várias áreas da engenharia, tendo trabalhado no diagnóstico de máquinas rotativas, detecção de arritmias em electrocardiogramas, detecção e localização de danos em estruturas mecânicas flexíveis, além de controle ativo tolerante a danos. O processamento inteligente de sinais e de imagens envolve programação de novos algoritmos de métodos tais como análise espectral, análise tempo-frequência, redes neurais perceptron, redes de convolução, redes recorrentes, e métodos estatísticos de aprendizado de máquinas, tanto supervisionados como não supervisionados, os quais têm sido usados em diversas aplicações e publicações, usando computadores convencionais, microcontroladores, processadores digitais de sinais (DSPs), processadores gráficos de múltiplos núcleos (GPUs) e FPGAs, de forma isolada ou em redes distribuídas. (Fonte: Currículo Lattes)