TRABALHOS PUBLICADOS

@inproceedings{Jorge2007,

title = {T\'{e}cnicas de Reconhecimento de Padr\~{o}es aplicadas na Classifica\c{c}\~{a}o de Varreduras de Radar},

author = {Jorge C Pires Filho and Diego B Haddad and Luiz P Cal\^{o}ba},

url = {https://www.sige.ita.br/edicoes-anteriores/2007/st/GE_10.pdf},

year  = {2007},

date = {2007-01-01},

booktitle = {Simp\'{o}sio de Aplica\c{c}\~{o}es Operacionais em \'{A}reas de Defesa 2007 (SIGE2007)},

abstract = {Este artigo compara diferentes t\'{e}cnicas de reconhecimento de padr\~{o}es aplicadas na classifica\c{c}\~{a}o de varreduras de radar. As t\'{e}cnicas implementadas foram: redes neurais, m\'{a}quinas de vetores suporte, modelos de misturas gaussianas e vizinho mais pr\'{o}ximo. A classifica\c{c}\~{a}o almejada comumente revela grande valor em sistemas t\'{a}ticos de defesa, assim como para sistemas estrat\'{e}gicos de intelig\^{e}ncia. Palavras-chaves ( Reconhecimento de Padr\~{o}es, M\'{a}quina de Vetor Suporte, Modelo de Misturas Gaussianas, Vizinho mais pr\'{o}ximo, Radar, Padr\~{a}o de Varredura, Defesa, Guerra Eletr\^{o}nica.},

keywords = {Defesa, Guerra Eletr\^{o}nica, M\'{a}quina de Vetor Suporte, Modelo de Misturas Gaussianas, Padr\~{a}o de Varredura, Radar, Reconhecimento de padr\~{o}es, Vizinho mais pr\'{o}ximo},

pubstate = {published},

tppubtype = {inproceedings}

}

@inproceedings{Marcelo2007,

title = {Reconhecimento Autom\'{a}tico de Modula\c{c}\~{a}o Digital de Sinais de Comunica\c{c}\~{o}es},

author = {Marcelo Corr\^{e}a Horewicz and Cairo L\'{u}cio Nascimento Jr and Waldecir Jo\~{a}o Perrella},

url = {https://www.sige.ita.br/edicoes-anteriores/2007/st/CC_13.pdf},

year  = {2007},

date = {2007-01-01},

booktitle = {Simp\'{o}sio de Aplica\c{c}\~{o}es Operacionais em \'{A}reas de Defesa 2007 (SIGE2007)},

abstract = {Sistemas de reconhecimento autom\'{a}tico de modula\c{c}\~{a}o digital devem ser capazes de classificar corretamente os tipos de modula\c{c}\~{a}o digital de sinais de comunica\c{c}\~{o}es recebidos em um receptor. Este artigo apresenta o resultado da compara\c{c}\~{a}o do desempenho dos classificadores de modula\c{c}\~{a}o digital baseados na rede neural feedforward Perceptron Multicamada (MLP) e os baseados nas Support Vector Machines (SVM). Este desempenho foi avaliado por meio de simula\c{c}\~{o}es de diferentes tipos de sinais digitais corrompidos com ru\'{i}do branco aditivo gaussiano (AWGN). \'{E} mostrado que a taxa total de sucesso dos classificadores ficou acima de 75% numa rela\c{c}\~{a}o sinal ru\'{i}do (SNR) de 5dB. Palavras-chaves ( Intelig\^{e}ncia Artificial, Redes Neurais, Reconhecimento de padr\~{o}es, Modula\c{c}\~{a}o Digital, MLP, SVM.},

keywords = {Intelig\^{e}ncia Artificial, MLP, Modula\c{c}\~{a}o Digital, Reconhecimento de padr\~{o}es, Redes Neurais, SVM},

pubstate = {published},

tppubtype = {inproceedings}

}