CV Lattes
ResearcherID
ORCID
Universidade de São Paulo (USP). Instituto de Física de São Carlos (IFSC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Atualmente é estudante de mestrado em Física Computacional pela Universidade de São Paulo (IFSC-USP). Possui graduação em Engenharia Física pela Universidade Federal de São Carlos (2022). Atua em pesquisas envolvendo Aprendizado de Máquina e Teoria do Caos, abordando temas como: sistemas dinâmicos discretos, reconhecimento de padrões e criptografia. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Os mapas de recorrência em regime caótico podem ser tanto uma fonte de entropia (um gerador de números pseudo-aleatórios) quanto um campo de treinamento para reconhecimento de padrões. Ambos os conceitos estão intimamente correlacionados. Motivado por esta intima relação, o projeto de pesquisa trata-se tanto no estudo de geração de números pseudo-aleatórios por mapas de recorrência em reg…
A presente proposta tem como objetivo o desenvolvimento de criptografia baseada em composição de mapas caóticos, em específico a composição do mapa logístico com o mapa de tenda. Esta abordagem permite o desenvolvimento de criptografia com grande potencial de segurança, baixo tempo de execução e pouco esforço computacional. Visto que as propriedades apresentadas pela composição dos mapas …
As teorias do caos têm recebido um crescente interesse nas mais diversas áreas do conhecimento. Recentemente um estudo introduziu a abordagem chamada deep-zoom, por meio da qual é possível observar a mudança da dinâmica caótica do sistema tornando-o mais caótico e suas órbitas com propriedades mais apropriadas para geradores de números pseudo-aleatórios (PRNG). Nessa mesma linha de pesqui…
O objetivo deste projeto é capacitar o candidato no desenvolvimento de Generative Adversarial Networks (GANs) para geração de séries temporais com características caóticas. O projeto será desenvolvido no grupo de pesquisa do Prof. Dr. Bernard De Beats, instalado na Ghent University. Neste grupo de pesquisa, o candidato implementará métodos de ponta de GANs para séries temporais, explorand…