UFABC-professores-CMCC

Denis Gustavo Fantinato

Possui graduação (2011), mestrado (2013) e doutorado (2017) em Engenharia Elétrica pela Universidade Estadual de Campinas, tendo realizado um doutorado sanduíche (2016) no laboratório GIPSA-lab, França. Atualmente, é Professor Doutor II (MS 3.2) da Faculdade de Engenharia Elétrica e de Computação desta mesma universidade. Suas principais áreas de pesquisa são: aprendizado de máquina, inteligência computacional, aprendizado baseado na teoria da informação, aprendizado não supervisionado, aprendizado por reforço e interfaces cérebro-computador. (Texto informado pelo autor)

http://lattes.cnpq.br/6743074399752192 (14/05/2026)

Rótulo/Grupo: CMCC

Bolsa CNPq:

Período de análise: 2018-2022

Endereço: Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação da UNICAMP. Avenida Albert Einstein, 400 Cidade Universitária 13083852 - Campinas, SP - Brasil Telefone: (19) 35213773

Grande área: Ciências Exatas e da Terra

Área: Ciência da Computação

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (5)
1. GOIS, LUCAS ; FANTINATO, DENIS ; SUYAMA, RICARDO ; NEVES, ALINE. Relationship between Criteria based on Correntropy and Second Order Statistics for Equalization of Communication Channels. IEEE SIGNAL PROCESSING LETTERS. v. 29, p. 1-1, issn: 1070-9908, 2022.[doi]
2. DE PAULA, PATRICK OLIVEIRA ; DA SILVA COSTA, THIAGO BULHÕES ; DE FAISSOL ATTUX, ROMIS RIBEIRO ; FANTINATO, DENIS GUSTAVO. Classification of image encoded SSVEP-based EEG signals using Convolutional Neural Networks. EXPERT SYSTEMS WITH APPLICATIONS. v. 1, p. 119096, issn: 0957-4174, 2022.[doi]
3. MORAES, C. P. A. ; FANTINATO, D. G. ; NEVES, A.. Epanechnikov kernel for PDF estimation applied to equalization and blind source separation. SIGNAL PROCESSING. v. 189, p. 108251, issn: 0165-1684, 2021.[doi]
4. FANTINATO, DENIS G.; SILVA, D. G. ; ATTUX, R. R. F. ; NEVES, A.. Multivariate Shannon's Entropy for Adaptive IIR Filtering via Kernel Density Estimators. ELECTRONICS LETTERS. v. 1, p. 1-2, issn: 0013-5194, 2019.[doi]
5. FANTINATO, DENIS G.; DUARTE, LEONARDO T. ; DEVILLE, YANNICK ; ATTUX, ROMIS ; JUTTEN, CHRISTIAN ; NEVES, ALINE. A Second-Order Statistics Method for Blind Source Separation in Post-Nonlinear Mixtures. SIGNAL PROCESSING. v. 1, p. 1, issn: 0165-1684, 2018.[doi]
Livros publicados/organizados ou edições (0)
Capítulos de livros publicados (0)
Textos em jornais de notícias/revistas (0)
Trabalhos completos publicados em anais de congressos (22)
1. GOIS, L. ; FANTINATO, D. G. ; NEVES, A.. A Comparison Between Kernel-based Adaptive Filters Including the Epanechnikov Function. Em: XL Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2022.
2. SANTOS, L. H. ; FANTINATO, D. G.. Motor Imagery EEG Data Augmentation with cWGAN-GP for Brain-Computer Interfaces. Em: Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), 2022.
3. MUNIZ, L. F. ; LINTZMAYER, C. N. ; JUTTEN, CHRISTIAN ; FANTINATO, D. G.. Neuroevolutive Strategies for Topology and Weights Adaptation of Artificial Neural Networks. Em: Symposium on Knowledge Discovery, 2022.
4. MORAES, C. P. A. ; SALDANHA, J. O. ; ATTUX, R. R. F. ; DUARTE, L. T. ; NEVES, A. ; FANTINATO, D. G.. An SOS-Based Algorithm for Source Separation in Nonlinear Mixtures. Em: IEEE Statistical Signal Processing Workshop (SSP), 2021.
5. SERAFIM, L. A. ; GRILO JR., M. ; MORAES, C. P. A. ; FANTINATO, D. G. ; RAMOS, R. ; NEVES, A.. MRMR Aplicado a Sinais de EEG para Classificação de Emoções. Em: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2021.
6. GIULIANI, H. L. V. ; PAULA, P. O. ; RODRIGUES, P. G. ; SORIANO, D. C. ; SUYAMA, R. ; FANTINATO, D. G.. Influência da Janela de Estimação no Desempenho de Classificação em Sistemas BCI-SSVEP. Em: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2021.
7. MUNIZ, L. F. ; LINTZMAYER, C. N. ; FANTINATO, D. G.. Meta-Heurísticas para Geração Automática de Sistemas Corretores de Erros Baseados em Codificação Convolucional. Em: XL Congresso da Sociedade Brasileira de Computação, p. 85-88, 2020.
8. BARROS, D. D. R. ; HORITA, F. ; FANTINATO, D. G.. Data Mining Tool to Discover DevOps Trends from Public Repositories: Predicting Release Candidates with gthbmining.rc. Em: XXXIV Simpósio Brasileiro de Engenharia de Software, 2020.
9. MORAES, C. P. A. ; NEVES, A. ; FANTINATO, D. G.. An Iterative-Recursive SOS-Based Method for Separation of Post-Nonlinear Mixtures. Em: XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2020.
10. SANTOS, L. H. ; PAULO, L. G. ; CAMARGO, W. M. ; FANTINATO, D. G.. Estudo de Técnicas de Aprendizado de Máquina na Previsão de Vendas em Cadeia de Suprimentos. Em: Brazilian Technology Symposium (BTSym), 2020.
11. GOIS, L. ; FANTINATO, D. G. ; SUYAMA, R. ; NEVES, A.. Relações entre Critérios baseados na Correntropia e Estatísticas de Segunda Ordem para Equalização de Canais de Comunicação. Em: Brazilian Technology Symposium (BTSym) 2020, 2020.
12. NOGUEIRA, T. H. ; FANTINATO, D. G.. Estudo de Métodos de Aprendizado de Máquina na Predição de Casos de COVID-19 no Brasil. Em: Brazilian Technology Symposium (BTSym) 2020, 2020.
13. GIULIANI, H. L. V. ; SUYAMA, R. ; FANTINATO, D. G.. Avaliação de Classificadores Através de um Teste Bayesiano. Em: Brazilian Technology Symposium (BTSym) 2020, 2020.
14. LUCENA, A. ; MORAES, C. P. A. ; NOSE FILHO, K. ; FANTINATO, D. G. ; NEVES, A. ; SUYAMA, R.. Musical Instruments Recognition Using Machine Learning Techniques: MLP and SVM. Em: Brazilian Technology Symposium (BTSym) 2020, 2020.
15. ISHIKAWA, F. ; ZANGIROLAMI, L. ; CARMO, L. ; FRANCA, F. O. ; FANTINATO, D. G.. Playing Mega Man II with Neuroevolution. Em: IEEE Symposium Series on Computational Intelligence (IEEE SSCI), 2020.
16. MORAES, C. P. A. ; FANTINATO, D. G. ; NEVES, A.. An Epanechnikov Kernel Based Method for Source Separation in Post-Nonlinear Mixtures. Em: XXXVII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2019.
17. GRILO JR., M. ; RIBEIRO, L. ; MORAES, C. P. A. ; MELO, C. ; FANTINATO, D. G. ; SAMPAIO, L. ; NEVES, A. ; RAMOS, R.. Artifact Removal in EEG Based Emotional Signals Through Linear and Nonlinear Methods. Em: IEEE International Conference on e-Health and Bioengineering (EHB), 2019.
18. OLIVEIRA, O. R. ; GIULIANI, H. L. V. ; POLASTRO, A. L. C. ; FANTINATO, D. G.. Um Critério Baseado no Casamento de Distribuições Multivariadas para o Treinamento de Redes LSTM. Em: XIV Congresso Brasileiro de Inteligência Computacional, 2019.
19. SALDANHA, J. O. ; MORAES, C. P. A. ; NEVES, A. ; FANTINATO, D. G.. Algoritmo Baseado em Estatísticas de Segunda Ordem para Separação Cega de Fontes com Misturas Não Lineares. Em: 5th Brazilian Technology Symposium - Emerging Trends and Challenges in Technology (BTSym), 2019.
20. FANTINATO, D. G.; DUARTE, L. T. ; DEVILLE, Y. ; JUTTEN, C. ; ATTUX, R. R. F. ; NEVES, A.. Using Taylor Series Expansions and Second-Order Statistics for Blind Source Separation in Post-Nonlinear Mixtures. Em: 14th International Conference on Latent Variable Analysis and Signal Separation, 2018.
21. FERNANDEZ, S. A. ; FANTINATO, D. G. ; MONTALVAO FILHO, J. R. ; ATTUX, R. R. F. ; SILVA, D. G.. Immune-Inspired Optimization with Autocorrentropy Function for Blind Inversion of Wiener Systems. Em: IEEE Congress on Evolutionary Computation, 2018.
22. MINAMI, M. ; KAZUO, A. ; PONCHET, A. F. ; KURASHIMA, C. S. ; FANTINATO, D. G. ; OLIVEIRA, T. R. ; BRAGA, T. M.. Cooperative Learning in Robotics Teacher Formative Assessment Strategy Integrated with Brazilian National High School Exam - ENEM. Em: Workshop of Robotics in Education, 2018.
Resumos expandidos publicados em anais de congressos (6)
1. PAULA, P. O. ; GIULIANI, H. L. V. ; FANTINATO, D. G.. Gráficos de Recorrência para Classificação de Sinais de EEG Usando Aprendizado Profundo. Em: VIII Escola Regional de Computação Aplicada à Saúde, 2021, São Paulo. Anais da VIII Escola Regional de Computação Aplicada à Saúde, 2021.
2. GIULIANI, H. L. V. ; PAULA, P. O. ; SORIANO, D. C. ; SUYAMA, R. ; FANTINATO, D. G.. Ensemble Learning in BCI-SSVEP Systems for Short Window Lengths. Em: VIII Escola Regional de Computação Aplicada à Saúde, 2021, São Paulo. Anais da VIII Escola Regional de Computação Aplicada à Saúde, 2021.
3. SANTOS, L. H. ; GIULIANI, H. L. V. ; PAULA, P. O. ; FANTINATO, D. G.. Uso de Redes Generativas Adversariais Aplicadas a Classificação de Sinais de EEG baseado em Imagética Motora. Em: VIII Escola Regional de Computação Aplicada à Saúde, 2021, São Paulo. Anais da VIII Escola Regional de Computação Aplicada à Saúde, 2021.
4. QUEIROZ, R. ; FANTINATO, D. G.. Estudo Preliminar do Uso de Meta-heurı́sticas para Seleção de Canais em Sistemas BCI-SSVEP. Em: VIII Escola Regional de Computação Aplicada à Saúde, 2021, São Paulo. Anais da VIII Escola Regional de Computação Aplicada à Saúde, 2021.
5. MUNIZ, L. F. ; SILVA, D. G. ; ATTUX, R. R. F. ; LINTZMAYER, C. N. ; FANTINATO, D. G.. Automatic Generation of Error Correcting Systems Based on Convolutional Codes. Em: XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2020, Florianópolis, SC. Anais do XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2020.
6. HAMADA, M. ; FANTINATO, D. G. ; FRANCESQUINI, E.. Melhorando o Desempenho de SimPoints Utilizando Técnicas de Aprendizado de Máquina Não Supervisionado. Em: 10a. Escola Regional de Alto Desempenho de São Paulo, 2019, Campinas. Anais da 10a. Escola Regional de Alto Desempenho de São Paulo, 2019.
Resumos publicados em anais de congressos (6)
1. MUNIZ, L. F. ; LINTZMAYER, C. N. ; FANTINATO, D. G.. Estratégias Neuroevolutivas para Adaptação de Pesos e Topologia de Redes Neurais Artificiais. Em: V Workshop do Núcleo estratégico de Universos Virtuais, Entretenimento e Mobilidade (NUVEM), 2021, Santo André, SP. Anais do V Workshop do Núcleo estratégico de Universos Virtuais, Entretenimento e Mobilidade (NUVEM), 2021.
2. PAULA, P. O. ; FANTINATO, D. G.. Uso de Redes Neurais Convolucionais para Classificação de Sinais de EEG em Sistemas de Interface Cérebro-Computador. Em: IV Workshop Núcleo Estratégico de Universos Virtuais, Entretenimento e Mobilidade (NUVEM), 2020, Santo André, SP. Anais do IV Workshop NUVEM, 2020.
3. GIULIANI, H. L. V. ; SUYAMA, R. ; FANTINATO, D. G.. Análise Comparativa Entre os Classificadores MLP e Random Forest sob a Perspectiva de um Teste Bayesiano. Em: XIV Congresso Brasileiro de Inteligência Computacional, 2019, Belém. Anais do XIV Congresso Brasileiro de Inteligência Computacional (CBIC), 2019.
4. SALDANHA, J. O. ; FANTINATO, D. G.. Separação Cega de Fontes no Contexto de Misturas Não Lineares Aplicadas a Interfaces Cérebro-Computador. Em: IX Encontro de Iniciação Científica/XII Simpósio de Iniciação Científica da UFABC, 2019, Santo André. Anais do IX Encontro de Iniciação Científica/XII Simpósio de Iniciação Científica da UFABC, 2019.
5. CAMARGO, A. L. ; FRANCA, F. O. ; FANTINATO, D. G.. A Feedback-Based Modified Perceptron Trained with the Pseudo-Linear Regression Algorithm. Em: USP International Symposium of Undergraduate Research, 2018, São Paulo. Proceedings of the SIICUSP 2018, 2018.
6. HAMADA, M. ; FANTINATO, D. G. ; FRANCESQUINI, E.. Acelerando Simulações de Arquiteturas de Hardware Usando Técnicas de Aprendizado de Máquina Não Supervisionado. Em: VIII Encontro de Iniciação Científica/XI Simpósio de Iniciiação Científica da UFABC, 2018, Santo André. Anais do XI Simpósio de Iniciiação Científica da UFABC, 2018.
Artigos aceitos para publicação (0)
Apresentações de trabalho (2)
1. FANTINATO, D. G. Uso de Técnicas de Aprendizado Profundo no Desenvolvimento de Interfaces Cérebro-Computador. 2022. Apresentação de Trabalho/Seminário
2. FANTINATO, D. G.; BACURAU, R. ; PISANI, P. H.. Processamento de sinais aplicados em inovações: interface cérebro-computador, biometria em smartphones e navegação inercial. 2018. Apresentação de Trabalho/Conferência ou palestra
Demais tipos de produção bibliográfica (2)
1. GRILO JR., M. ; MORAES, C. P. A. ; COELHO, B. F. O. ; MASSARANDUBA, A. B. R. ; FANTINATO, D. G. ; RAMOS, R. P. ; NEVES, A.. Artifact Removal for Emotion Recognition Using Mutual Information and Epanechnikov Kernel. 2022. Preprint
2. FRANCA, F. O. ; FANTINATO, D. G. ; MIRAS, K. ; EIBEN, A. E. ; VARGAS, P. A.. EvoMan: Game-playing Competition. 2019. Preprint

Produção técnica

Programas de computador com registro (0)
Programas de computador sem registro (0)
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (0)
Demais tipos de produção técnica (0)
Entrevistas, mesas redondas, programas e comentários na mídia (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (1)
1. Lucas Heck dos Santos. Aprendizado Profundo e Geometria Riemanniana para Classificação de Imagética Motora Usando Múltiplos Conjuntos de Dados. Tese (Doutorado em Ciência da Computação) - Universidade Federal do ABC, Fundação de Amparo à Pesquisa do Estado de São Paulo. Início: 2022.
  Orientador: Denis Gustavo Fantinato.
Dissertação de mestrado (0)
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (0)
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (0)
Tese de doutorado (1)
1. Caroline Pires Alavez Moraes. Análise de Vetores Independentes em Misturas do Tipo Post-Nonlinear Aplicadas a Interfaces Cérebro-Computador. Tese (Doutorado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2020.
  Supervisor: Denis Gustavo Fantinato.
Dissertação de mestrado (8)

Arthur Castro Magno. Trajetórias Riemannianas em Interfaces Cérebro-Computador: Uma Abordagem Utilizando Janelamento Temporal para Classificação de Sinais de EEG. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do ABC, . 2022.
Orientador: Denis Gustavo Fantinato.
Thamiris Gire Zine Neves. Classificação de Sinais de EEG no Paradigma de Imagética Motora Usando Técnicas de Separação Cega de Fontes e Redes Profundas. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do ABC, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2021.
Orientador: Denis Gustavo Fantinato.
Gustavo Campos Ignacio dos Santos. Aumento de Dados no Treinamento de Redes Neurais Profundas para Classificação de Sinais de EEG. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do ABC, . 2021.
Orientador: Denis Gustavo Fantinato.
Lucas Henrique Gois de Campos. Análise da Medida de Correntropia e Suas Aplicações. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2021.
Supervisor: Denis Gustavo Fantinato.
Lucas Heck dos Santos. Uso de Redes Adversariais Generativas em Sistemas de Interface Cérebro-Computador. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2020.
Orientador: Denis Gustavo Fantinato.
Raquel Soares Queiroz. Estudo de Redes Neurais Recorrentes Aplicadas à Sistemas de Interface Cérebro-Computador. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do ABC, . 2020.
Orientador: Denis Gustavo Fantinato.
Henrique Luiz Voni Giuliani. Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2019.
Orientador: Denis Gustavo Fantinato.
Caroline Pires Alavez Moraes. Novas Metodologias de Separação Cega de Fontes para o Modelo Post-Nonlinear Aplicadas a Interfaces Cérebro-Computador. Dissertação (Mestrado em Engenharia da Informação) - Universidade Federal do ABC, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2019.
Supervisor: Denis Gustavo Fantinato.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (9)

Rodrigo Cabrera Castaldoni. Análise da Eficiência das Redes Neurais Artificiais Usando Medidas da Teoria da Informação. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2022.
Orientador: Denis Gustavo Fantinato.
Patrick Oliveira de Paula. Uso de Autoencoders Regularizados para o Aprendizado de Representações e Classificação de Sinais de EEG em Sistemas BCI. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2022.
Orientador: Denis Gustavo Fantinato.
Daniel Vitor Beraldo Di Gênova. Uso de Metaheurísticas para o Treinamento de Redes Convolucionais. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2021.
Orientador: Denis Gustavo Fantinato.
Lucas Fernandes Muniz. Treinamento e Ajuste Topológico de Redes Neurais Artificiais Através de Estratégias Neuroevolutivas. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2021.
Orientador: Denis Gustavo Fantinato.
João Victor Fontinelle Consonni. Clusterização de Usuários para Classificação de Padrões em Sinais de EEG no Contexto Multiusuário. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2021.
Orientador: Denis Gustavo Fantinato.
Bruno Storer Franco Martins. Estudo de Técnicas de Aprendizado de Máquina para o Treinamento de Redes Neurais Adversárias Generativas. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2021.
Orientador: Denis Gustavo Fantinato.
André Rodrigues Barbosa. Análise de Desempenho de Diferentes Algoritmos de Aprendizado de Máquina para Análise de Risco. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2020.
Orientador: Denis Gustavo Fantinato.
Renan Mubarak de Oliveira. Análise comparativa de estruturas de Redes Neurais Artificiais aplicadas em Brain Computer-Interface. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2018.
Orientador: Denis Gustavo Fantinato.
Otávio Rodrigues de Oliveira. Aprendizado de Máquina Utilizando Análise Multivariada de Séries Temporais. (Graduação em Ciência da Computação) - Universidade Federal do ABC, . 2018.
Orientador: Denis Gustavo Fantinato.
Iniciação científica (8)

Lucas Fernandes Muniz. Estudo de Estratégias Neuroevolutivas paraTreinamento e Ajuste Topológico de Redes Neurais Artificiais. (Graduando em Ciência da Computação) - Universidade Federal do ABC, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2021.
Orientador: Denis Gustavo Fantinato.
Vinicius Sedrim. Classificação de Sinais de EEG em Sistemas de Interface Cérebro-Computador via Redes Neurais Recorrentes. (Graduando em Ciência da Computação) - Universidade Federal do ABC, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2021.
Orientador: Denis Gustavo Fantinato.
Patrick Oliveira de Paula. Uso de Redes Neurais Convolucionais para Classificação de Sinais de EEG em Sistemas de Interface Cérebro-Computador. (Graduando em Ciência da Computação) - Universidade Federal do ABC, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2020.
Orientador: Denis Gustavo Fantinato.
Patrick Oliveira de Paula. Uso de Redes Neurais Convolucionais para Classificação de Padrões Sinápticos em Sistemas de Interface Cérebro-Computador. (Graduando em Ciência da Computação) - Universidade Federal do ABC, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2019.
Orientador: Denis Gustavo Fantinato.
Lucas Fernandes Muniz. Uso de Metaheurísticas para Geração Automática de Sistemas Corretores de Erros Baseados em Codificação Convolucional. (Graduando em Ciência da Computação) - Universidade Federal do ABC, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2019.
Orientador: Denis Gustavo Fantinato.
Thales Henrique Nogueira. Estudo de Métodos de Aprendizado de Máquina para Previsão de Séries Temporais. (Graduando em Ciência da Computação) - Universidade Federal do ABC, . 2019.
Orientador: Denis Gustavo Fantinato.
Juliana de Oliveira Saldanha. Separação Cega de Fontes no Contexto de Misturas Não Lineares Aplicadas a Interfaces Cérebro-Computador. (Graduando em Engenharia de Informação) - Universidade Federal do ABC, . 2018.
Orientador: Denis Gustavo Fantinato.
Michelle Hamada. Acelerando Simulações de Arquiteturas de Hardware Usando Técnicas de Aprendizado de Máquina Não Supervisionado. (Graduando em Ciência da Computação) - Universidade Federal do ABC, . 2018.
Orientador: Denis Gustavo Fantinato.
Orientações de outra natureza (1)

Lucas Fernandes Muniz. Estudo de Abordagem Baseada em Neuroevolução para Separação Cega de Fontes Não Linear. (Ciência da Computação) - Universidade Federal do ABC, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2022.
Orientador: Denis Gustavo Fantinato.

Projetos de pesquisa

Total de projetos de pesquisa (3)

2022-Atual. BI0S - Brazilian Institute of Data Science
Descrição: O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir com o desenvolvimento científico-tecnológico e social em áreas estratégicas que surgirão da interação entre todos os atores envolvidos. Ademais, o Centro vai incentivar uma cultura de empreendedorismo, visando explorar o potencial de suas propostas. Também serão promovidas ações de difusão de conhecimento, buscando atrair novos talentos do ensino médio e dos primeiros anos da faculdade, e promover cursos de extensão para profissionais. Inicialmente, o Centro focará em duas áreas estratégicas no plano nacional: Saúde (trilha focal) e Agropecuária (Agro, trilha secundária). Na Trilha Saúde, o foco de atuação do BI0S se dará no enfrentamento de problemas associados à saúde da mulher nos diversos momentos de seu ciclo de vida. Numa primeira etapa, os principais problemas que serão abordados estão relacionados à morte materna e neonatal e à mortalidade precoce de mulheres por doenças preveníveis e potencialmente curáveis, como o câncer de colo e câncer de mama. Outros problemas de interesse incluem ferramentas de IA para diagnóstico médico e para o desenvolvimento de remédios. Na trilha Agro, o objetivo principal é ampliar a disponibilidade e a qualidade de informações úteis para a tomada de decisões na agropecuária, tanto em escala local como regional, ou mesmo global, com soluções para a agricultura de precisão, e abordando também problemas tais como os impactos das mudanças climáticas. Também serão desenvolvidos métodos para otimização do uso de recursos agrícolas, a para a integração sustentável entre a indústria e o ambiente. Além das trilhas Saúde e Agro, o BI0S conta com uma trilha de Método, cujo objetivo é subsidiar as frentes de aplicação com ferramentas de IA. Finalmente, cabe destacar que a atuação em duas trilhas temáticas posiciona o BI0S como um centro capaz de abordar problemas transversais de grande interesse atual e que se encontram na fronteira entre as trilhas Saúde e Agro, como as relações entre uma determinada estratégia de cultivo e seus efeitos na saúde humana
Situação: Em andamento.
Natureza: Pesquisa.
Integrantes: Denis Gustavo Fantinato - Integrante / Romis Ribeiro de Faissol Attux - Integrante / Leonardo Tomazeli Duarte - Integrante / João Marcos Travassos Romano - Coordenador.
Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Outra.
Membro(s): Denis Gustavo Fantinato.
2021-2023. Técnicas de Aprendizado Profundo no Desenvolvimento de Sistemas de Interface Cérebro-Computador
Descrição: As interfaces cérebro-computador (BCI, do inglês Brain-Computer Interfaces) têm sido foco de grande atenção devido às suas potenciais aplicações em uma ampla gama de contextos, que vão desde tecnologias assistivas e reabilitação até dispositivos para entretenimento. Significativos avanços, como a coleta de dados a partir de métodos não invasivos por eletroencefalogramas (EEG), motivam o estudo e desenvolvimento dessa promissora interface. Entretanto, a ampla variabilidade observada nos padrões dos usuários do sistema BCI, bem como seu emprego em aplicações cada vez mais sofisticadas, tornam o uso desta interface um problema bastante desafiador. Neste sentido, o projeto de pesquisa busca utilizar métodos de aprendizado profundo para aprimorar os sistemas BCI, tornando-os mais eficientes e robustos. São seguidas duas frentes de pesquisa. A primeira delas está voltada para o processamento dos sinais de EEG através do uso de técnicas de Análise de Componentes Independentes e de mapeamentos para imagens, permitindo a eficiente extração de características. Na segunda frente, serão utilizadas redes de aprendizado profundo, bem como as redes generativas adversariais para a classificação. Tais estruturas apresentam grande potencial para o tratamento de dados com grande variabilidade, podendo ser bastante úteis no desenvolvimento de sistemas BCI
Situação: Concluído.
Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (4) / Doutorado: (1).
Integrantes: Denis Gustavo Fantinato - Coordenador.
Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro(s): Denis Gustavo Fantinato.
2018-2021. Métodos de Aprendizado de Máquina e de Separação Cega de Fontes Aplicados em Interfaces Cérebro-Computador
Descrição: Estudo e desenvolvimento de interfaces cérebro-computador (BCI, do inglês Brain-Computer Interfaces) a partir do emprego de métodos de aprendizado de máquina e de separação cega de fontes (no contexto não linear) para aprimorar os sistemas BCI, tornando-o mais eficiente e robusto. Implementação através de sistemas embarcados para controle de dispositivos para tecnologias assistivas, reabilitação e entretenimento
Situação: Concluído.
Natureza: Pesquisa.
Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (2).
Integrantes: Denis Gustavo Fantinato - Coordenador / Romis Ribeiro de Faissol Attux - Integrante / Ricardo Suyama - Integrante.
Membro(s): Denis Gustavo Fantinato.

Prêmios e títulos

Total de prêmios e títulos (5)

2nd Best Paper Award - "Gráficos de Recorrência para Classificação de Sinais de EEG Usando Aprendizado Profundo", VIII Escola Regional de Computação Aplicada à Saúde.. 2021.
Membro: Denis Gustavo Fantinato.
Mérito de reconhecimento pelo desenvolvimento e registro da tecnologia ?gthbmining.rc?, InovaUFABC.. 2021.
Membro: Denis Gustavo Fantinato.
Menção Honrosa em Projeto de Iniciação Científica, XI Encontro de Iniciação Científica (UFABC e USCS).. 2021.
Membro: Denis Gustavo Fantinato.
Menção Honrosa pelo Projeto de Iniciação Científica, IX Encontro de Iniciação Científica da UFABC e USCS.. 2019.
Membro: Denis Gustavo Fantinato.
2nd Best Paper Award, IX Workshop of Robotics in Education.. 2018.
Membro: Denis Gustavo Fantinato.

Participação em eventos

Total de participação em eventos (6)

Fórum Permanente: Estratégias para a Inteligência Artificial. 2021. (Seminário).
Math & IA. 2021. (Simpósio).
IEEE International Workshop on Machine Learning for Signal Processing. 2020. (Congresso).
IEEE Symposium Series on Computational Intelligence (IEEE SSCI).Playing Mega Man II with Neuroevolution. 2020. (Simpósio).
14th International Conference on Latent Variable Analysis and Signal Separation. Using Taylor Series Expansions and Second-Order Statistics for Blind Source Separation in Post-Nonlinear Mixtures. 2018. (Congresso).
Semana do CMCC. Processamento de sinais aplicados em inovações: interface cérebro-computador, biometria em smartphones e navegação inercial. 2018. (Exposição).

Organização de eventos

Total de organização de eventos (3)

ROMANO, J. M. T. ; DUARTE, L. T. ; SUYAMA, RICARDO ; FANTINATO, D. G.. 11th Brazilian Conference on Intelligent Systems. 2022. Congresso
HORITA, F. ; RIVERO, L. ; FANTINATO, D. G.. 16 o Simpósio Brasileiro de Sistemas de Informação (SBSI). 2020. Congresso
FRANCA, F. O. ; FANTINATO, D. G.. Competição Evoman. 2020. Outro

Lista de colaborações

Colaborações endôgenas (2)

Denis Gustavo Fantinato ⇔ Fabricio Olivetti de França (1.0)
ISHIKAWA, FERNANDO ; TROVOES, LEANDRO Z. ; CARMO, LEONARDO ; FRANCA, FABRICIO OLIVETTI DE ; FANTINATO, DENIS G.. Playing Mega Man II with Neuroevolution. Em: 2020 IEEE Symposium Series on Computational Intelligence (SSCI), p. 2359, 2020.[doi]

Denis Gustavo Fantinato ⇔ Flávio Eduardo Aoki Horita (1.0)
BARROS, DANIEL D. R. ; HORITA, FLÁVIO ; FANTINATO, DENIS G.. Data Mining Tool to Discover DevOps Trends from Public Repositories: Predicting Release Candidates with gthbmining.rc. Em: SBES '20: 34th Brazilian Symposium on Software Engineering, p. 658, 2020.[doi]

Data de processamento: 17/05/2026 10:05:55

Relatório gerado por scriptLattes V.2025.09. Os resultados podem ser afetados por possíveis falhas decorrentes de inconsistências no preenchimento dos Currículos Lattes. E-mail de contato: jesus.mena@ufabc.edu.br