Você está aqui: Página Inicial > Notícias > Toledo > PESQUISA
conteúdo

Notícias

PESQUISA

Professor do curso de Engenharia de Computação apresentará dois artigos científicos na principal conferência internacional sobre redes neurais artificiais
publicado: 07/06/2023 16h42 última modificação: 12/06/2023 09h56
Exibir carrossel de imagens Porcentagem de redução do processamento temporal do método usando GLSI (artigo 1)

Porcentagem de redução do processamento temporal do método usando GLSI (artigo 1)

O professor do curso de Engenharia de Computação da UTFPR - Campus Toledo, Andrés Eduardo Coca Salazar, apresentará o artigo 'GLSI Texture Descriptor Based on Complex Networks for Music Genre Classification' na conferência International Joint Conference on Neural Networks (IJCNN), que é a principal conferência internacional na área de teoria, análise e aplicações de redes neurais.

O evento será realizado em Gold Coast, Queensland, Austrália, entre os dias 18 e 23 de junho de 2023. Além disso, também participará com o artigo 'CLBP Texture Descriptor in Multipartite Complex Network Configuration for Music Genre Classification' no Workshop INNS DLIA (International Neural Network Society Workshop on Deep Learning Innovations and Applications), que faz parte do IJCNN, cujos anais serão publicados no Journal Elsevier Procedia Computer Science.

O primeiro artigo trata sobre uma metodologia para classificar gêneros musicais usando o descritor de texturas GLSI (Gray Level and Structural Information) extraído de espectrogramas e redes complexas geradas com os códigos do descritor.  Além disso, o autor criou uma nova equação para obter o código GLSI, cujo processamento temporal foi 99.21% menor que o do algoritmo original.

No segundo artigo usou os três códigos do descritor CLBP (Completed Local Binary Pattern) para gerar redes tripartitas, que são redes que têm diferentes tipos de vértices, e medidas apropriadas para tratar com a mineração desse tipo de redes.

Esses artigos fazem parte do projeto de pesquisa do autor sobre o desenvolvimento de métodos automáticos de classificação de gêneros musicais usando técnicas de processamento de imagens e redes complexas. Além disso, eles são derivados da primeira mono-autoria do professor: 'Hierarchical mining with complex networks for music genre classification', porém, objetivando evitar o uso da inteligência computacional herdada e diminuir o tempo de processamento.