Possui graduação em Matemática Aplicada e Computacional pela Universidade Estadual de Campinas (2001), mestrado em Matemática Aplicada pela Universidade Estadual de Campinas (2005) e doutorado em Matemática Aplicada pela Universidade Estadual de Campinas (2009). Atualmente é professor associado ref. MS5.2 da Universidade de São Paulo. Tem experiência na área de Matemática, com ênfase em Problemas Inversos, atuando principalmente nos seguintes temas: métodos iterativos, tomografia por emissão, projection methods, convex feasibility e constrained optimization. (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) |
O foco desta proposta é a transferência de conhecimento matemático para outras áreas da ciência, tecnologia e indústria, por meio de um centro de pesquisa estruturado para esse fim. Todo o conhecimento matemático é, em última análise, aplicável se não diretamente, por meio de outros conhecimentos. Em algumas áreas da matemática a aplicação é quase imediata (entretanto, a colocação em prát…
A redução do tempo computacional na reconstrução de imagens tomográficas de alta resolução é essencial desde a pesquisa básica até as aplicações. Essa redução é importante tanto nos diferentes tipos tradicionais de tomografia não difrativa para o diagnóstico médico como nas aplicações a pesquisas em nanomateriais relacionadas com as mais modernas tecnologias. Alternativas para aliviar a p…
Os métodos de gradiente estocástico mais bem sucedidos em aprendizado profundo possuem uma característica incremental e são executados, no caso de grandes conjuntos de dados de treino, em múltiplas Unidades de Processamento Gráfico (GPUs). É comum a divisão do grande conjunto de dados de treino em mini-batches, cada qual contendo um subconjunto desses dados de modo a manter computacionalm…
Algoritmos de "média das sequências" (do inglês "string averaging"), para o problema de viabilidade convexa, mostraram recentemente propriedades interessantes em aplicações à tomografia computadorizada quando generalizados apropriadamente. Até o presente momento a teoria abarca o caso convexo diferenciável restrito ao octante não-negativo, mas funções não-diferenciáveis e restrições mais …
O presente plano de trabalho descreve os objetivos e atividades planejadas para o Dr. Nikolay Koshev durante seu proposto estágio de pós-doutorado. As atividades são associadas com o CEPID/CeMEAI (FAPESP 2013/07375-0), que tem como objetivo a integração do estado-da-arte de técnicas de matemática aplicada à indústria.O pricipais assuntos são a implementação e desenvolvimento de técnicas d…
Alternativas para aliviar a parte computacionalmente intensa de cada uma das iterações dos métodos iterativos em reconstrução tomográfica foram todas baseados em interpolações em uma grade regular no espaço de Fourier ou em transformadas rápidas não uniformes. Ambas as abordagens aceleram substancialmente a computação de cada iteração de algoritmos clássicos, mas não se prestam a serem ut…
O presente projeto aborda dois temas atuais relevantes na matemática aplicada. O primeiro ramo pretende estudar estimadores tipo-Stein que são alternativas exatas, na média e exceto por um termo constante, a erros quadráticos médios não computáveis em problemas inversos e de remoção de ruído. Propomos estender técnicas atuais para que operem com divergências de Bregman mais gerais e, mais…
CV Lattes
ORCID