PPCIC scriptLattes

Diego Barreto Haddad

Possui doutorado em engenharia elétrica pela COPPE/UFRJ (2013), mestrado em Engenharia Elétrica (2008) pela mesma instituição e graduação em Engenharia Elétrica Com Ênfase Em Telecomunicações pela Universidade do Estado do Rio de Janeiro (2005). É professor do do Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, atuando principalmente nos seguintes temas: desconvolução cega de fontes, análise de componentes principais, processamento não supervisionado de sinais, redes neurais, métodos ensemble de aprendizado de máquina supervisionado, reconhecimento de padrões, análise de componentes independentes, filtragem adaptativa e processamento multitaxas. É professor do curso de bacharelado em Engenharia de Computação (CEFET-RJ campus Petrópolis), no Programa de Mestrado em Engenharia Elétrica (PPEEL-CEFET/RJ), no Programa de Mestrado em Computação (PPCIC-CEFET/RJ) e no Programa de Doutorado em Instrumentação e Óptica Aplicada (PPGIO, num consórcio entre o CEFET/RJ e a UFF). Foi coordenador do Programa de Mestrado em Engenharia Elétrica (PPEEL), no biênio 2018-2020. Foi membro do Comitê de Programa Técnico do Congresso de Engenharia de Àudio da AES-Brasil (2011, 2014 e 2015) e da Offshore Technology Conference (2011). Atualmente, é membro da SBrT e do IEEE. (Texto informado pelo autor)

  • http://lattes.cnpq.br/8728806963872778 (19/02/2021)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise:
  • Endereço: Centro Federal de Educação Tecnológica Celso Suckow da Fonseca. Rua do Imperador - de 659 ao fim - lado ímpar Centro 25620003 - Petrópolis, RJ - Brasil Telefone: (24) 2292-9700 Ramal: 60 URL da Homepage: http://www.cefet-rj.br
  • Grande área: [sem-grandeArea]
  • Área: [sem-area]
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações


Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (3)
    1. 2019-Atual. Analise Estocastica Avancada de Algoritmos de Filtragem Adaptativa
      Descrição: Devido ao seu baixo custo computacional e capacidade de se adaptar a mudanças nos sistemas subjacentes, algoritmos de filtragem adaptativa são importantes em aplicações cruciais e frequentes nos dias de hoje, tais como controle adaptativo, cancelamento de eco acústico, equalização de canais e predição de séries temporais. Parte do poder destes algoritmos deriva do fato de que eles prescindem de informações a priori detalhadas sobre os sinais envolvidos. Embora muito valorizadas na literatura, técnicas de análise destes algoritmos normalmente falham em prover garantias acuradas de desempenho e estabilidade, principalmente devido à adoção de hipóteses simplificadoras irrealistas. Entre estas, cumpre ressaltar a hipótese da independência, a qual preconiza independência estatística entre as amostras do sinal de entrada e os coeficientes adaptativos. Embora tal hipótese implique predições teóricas razoáveis para valores de fatores de aprendizagem reduzidos, elas não são capazes de modelar com precisão o desempenho do algoritmo quanto tais fatores assumem valores de maior magnitude. Como a região de instabilidade destes algoritmos ocorre nesta condição, estes modelos não são capazes de fornecer limitantes superiores teóricos acurados para o fator de aprendizagem, bem como tendem a não prover garantias de desempenho razoáveis. Para atenuar estas limitações, foi proposta na literatura a chamada análise de esperança exata, a qual não se vale da hipótese da independência. Esta técnica apresenta predições mais aderentes aos resultados empíricos, sendo capaz de prover diretrizes mais realistas para o projetista. Neste projeto, diversas extensões da técnica de análise de esperança exata são propostas, tais como a aplicação em novos algoritmos (os quais ainda não foram objeto desta análise), análise de identificação de plantas não lineares, aplicação em estatísticas de mais alta ordem relacionadas ao estimador e adoção de fatores de aprendizado variantes no tempo.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Barreto Haddad - Coordenador. Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
      Membro: Diego Barreto Haddad.
    2. 2019-Atual. Novos Metodos em Otimizacao e Visao Computacional
      Descrição: Desafios tecnológicos importantes, tais como robótica, geração distribuída de energia elétrica, inspeção de usinas fotovoltaicas, controle adaptativo, reconhecimento de padrões, detecção de anomalias frequentemente, cancelamento de eco em redes telefônicas, predição de séries temporais, são resolvidos mediante o uso de sistemas robóticos em conjunto com tecnicas de otimização. O mesmo se aplica às técnicas de visão computacional, as quais almejam extrair informações de alto nível a partir de sinais de imagem ou de vídeo. Este projeto de pesquisa multidisciplinar tem como foco o avanço de técnicas de otimização, robótica e de visão computacional situadas no estado da arte. Os avanços nas técnicas de visão computacional e nos recursos de /textit{hardware} permitiram um uso mais significativo de imagens e Veículos Aéreos não Tripuláveis (VANTs) em ambientes industriais para aplicações de inspeção e manutenção. Além disso, inspeções periódicas são de grande importância na prevenção de falhas. Falhas em equipamentos elétricos podem criar pontos de estresse térmico devido a um aumento de resistência, que podem ser detectados através de técnicas de visão computacional. Considerando componentes de linhas de transmissão ou sistemas fotovoltaicos de grande porte, as falhas podem provocar efeito cascata no sistema elétrico. Devido a isso, uma das proposições deste trabalho consiste em desenvolver um sistema semiautônomo de inspeção utilizando VANTs e visão computacional. Uma grande motivação para esta pesquisa é o fato da pouca disponibilidade de tecnologias no mercado capazes de serem aplicadas de maneira simples, com pouca intervenção, baixo custo e alta confiabilidade. Outro tema no qual este projeto pretende efetuar contribuições é no processamento adaptativo de sinais. Afinal, algoritmos de filtragem adaptativa são mecanismos de otimização que se ajustam às variações estatísticas dos sinais envolvidos, os quais exigem um judicioso ajuste de seus parâmetros.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Barreto Haddad - Coordenador.
      Membro: Diego Barreto Haddad.
    3. 2017-Atual. Projeto de Pesquisa Multidisciplinar em Sistemas Eletronicos Industriais no Programa de Engenharia Eletrica do CEFET/RJ
      Descrição: Projeto de Apoio Emergencial - BBP/PPG - FAIXA B, da Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de Janeiro. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Especialização: (0) / Mestrado acadêmico: (1) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Diego Barreto Haddad - Coordenador / Alessandro Rosa Lopes Zachi - Integrante. Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
      Membro: Diego Barreto Haddad.

Prêmios e títulos

  • Total de prêmios e títulos (1)
    1. Best paper: "A novel sequential activation method for the locomotion of quadrupedal soft robots", LARS/SBR.. 2019.
      Membro: Diego Barreto Haddad.

Participação em eventos

  • Total de participação em eventos (0)

    Organização de eventos

    • Total de organização de eventos (0)

      Lista de colaborações

      • Colaborações endôgenas (7)
        • Diego Barreto Haddad ⇔ Felipe da Rocha Henriques (6.0)
          1. DO PRADO, ROBSON A. ; GUEDES, RAPHAEL M. ; HENRIQUES, FELIPE DA R. ; DA COSTA, FELIPE M. ; TARRATACA, LUÍS D. T. J. ; HADDAD, DIEGO B.. On the Analysis of the Incremental $$ell _0$$-LMS Algorithm for Distributed Systems. CIRCUITS SYSTEMS AND SIGNAL PROCESSING. v. 39, p. 1-28, issn: 0278-081X, 2020.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: A2 (CIRCUITS, SYSTEMS, AND SIGNAL PROCESSING)
          2. CARMO, RAFAEL M. ; TARRATACA, LUÍS ; COLARES, JEFFERSON ; HENRIQUES, FELIPE R. ; Haddad, Diego B. ; GUEDES, RAPHAEL M.. Distributed Adaptive Filtering on Wireless Sensor Networks with Shared Medium Competition. LEARNING AND NONLINEAR MODELS. v. 18, p. 15-34, issn: 1676-2789, 2020.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: B3
          3. GONZAGA, THIAGO R. P. ; JUNIOR, VALMIR DOS S. N. ; DE BARROS, ANA L. F. ; HENRIQUES, FELIPE DA R. ; HADDAD, DIEGO B.. Transient Analysis of the Block Least Mean Squares Algorithm. IEEE COMMUNICATIONS LETTERS. v. 25, p. 1-1, issn: 1089-7798, 2020.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: A1 (IEEE COMMUNICATIONS LETTERS (PRINT))
          4. DE SOUZA, JOSÉ V. G. ; HADDAD, DIEGO B. ; HENRIQUES, FELIPE DA R. ; PETRAGLIA, MARIANE R.. Novel Proportionate Adaptive Filters with Coefficient Vector Reusing. CIRCUITS SYSTEMS AND SIGNAL PROCESSING. v. 1, p. 1-10, issn: 0278-081X, 2019.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: A2 (CIRCUITS, SYSTEMS, AND SIGNAL PROCESSING)
          5. PRADO, ROBSON ANTONIO DO ; HENRIQUES, FELIPE DA ROCHA ; HADDAD, Diego Barreto. Sparsity-Aware Distributed Adaptive Filtering Algorithms for Nonlinear System Identification. Em: 2018 International Joint Conference on Neural Networks (IJCNN), p. 1, 2018.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: Não identificado (2018 International Joint Conference on Neural Networks (IJCNN))
          6. OLIVEIRA, E. S. ; Haddad, Diego B. ; HENRIQUES, F. R.. Filtragem Adaptativa Aplicada ao Cancelamento de Artefatos em Sinais de ECG. Em: XXXV Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, p. 1-5, 2017.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: B5 (Simpósio Brasileiro de Telecomunicações e Processamento de Sinais)

        • Diego Barreto Haddad ⇔ Diego Nunes Brandão (5.0)
          1. SILVA, THIAGO T. P. ; LARA, PEDRO ; GONZAGA, THIAGO ; BRANDAO, DIEGO ; TARRATACA, LUIS ; Haddad, Diego B.. Recent Advances in Overcoming the Independence Assumption in Adaptive Filtering Analyses. Em: 2020 International Conference on Systems, v. 1, p. 317-322, 2020.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: Não identificado (2020 International Conference on Systems)
          2. SANTOS, G. A. S. ; BELLOZE, KELE TEIXEIRA ; TARRATACA, L. ; BORDIGNON, A. ; HADDAD, D. ; BRANDAO, D. N.. EvolveDTree: Analyzing Student Dropout in Universities. Em: 2020 International Conference on Systems, v. 1, p. 173-178, 2020.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: Não identificado (2020 International Conference on Systems)
          3. SANTOS, G. A. S. ; TARRATACA, L. D. T. J. ; HADDAD, D. B. ; BORDIGNON, A. ; BRANDAO, D. N. ; BELLOZE, K. T.. Data Warehouse Educacional: Uma visão sobre a Evasão no Ensino Superior. Em: Simpósio Brasileiro de Banco de Dados, v. 1, p. 1-5, 2019.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: B1
          4. Haddad, Diego B.; DE ASSIS, LAURA S. ; TARRATACA, LUIS ; GOMES, ANDREA DA S. ; CEDDIA, MARCOS BACIS ; OLIVEIRA, ROSANE F. ; DE P. JUNIOR, JURAIR R. ; BRANDAO, DIEGO N.. Brazilian Soil Bulk Density Prediction Based on a Committee of Neural Regressors. Em: 2018 International Joint Conference on Neural Networks (IJCNN), v. 1, p. 1-8, 2018.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: Não identificado (2018 International Joint Conference on Neural Networks (IJCNN))
          5. MOREIRA, TAYANA ; BRANDAO, D. N. ; HADDAD, D. B. ; CEDDIA, M. B. ; PINHEIRO, E. F. M. ; OLIVEIRA, R. F.. A first approach using neural network to estimating soil bulk density of Urucu basin in Central Amazon-Brazil. Em: 2017 International Joint Conference on Neural Networks (IJCNN), p. 3236, 2017.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: A2 (IJCNN)

        • Diego Barreto Haddad ⇔ Laura Silva de Assis (3.0)
          1. DE ASSIS, LAURA S. ; DE P. JUNIOR, JURAIR R. ; TARRATACA, LUIS ; FONTOURA, ALAN R. ; Haddad, Diego B.. Efficient Volterra systems identification using hierarchical genetic algorithms. APPLIED SOFT COMPUTING. v. 85, p. 105745-105753, issn: 1568-4946, 2019.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: A1 (APPLIED SOFT COMPUTING (PRINT))
          2. ZANCHETT, DIEGO H. B. ; JUNIOR, JURAIR R. P. ; MONTEIRO, ANDRÉ F. ; Haddad, Diego B. ; ASSIS, LAURA S.. Collaborative Information System to Find Efficient Routes Using Public Transport. Em: Brazilian Symposium on Multimedia and the Web, p. 473-476, 2019.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: B1
          3. Haddad, Diego B.; DE ASSIS, LAURA S. ; TARRATACA, LUIS ; GOMES, ANDREA DA S. ; CEDDIA, MARCOS BACIS ; OLIVEIRA, ROSANE F. ; DE P. JUNIOR, JURAIR R. ; BRANDAO, DIEGO N.. Brazilian Soil Bulk Density Prediction Based on a Committee of Neural Regressors. Em: 2018 International Joint Conference on Neural Networks (IJCNN), v. 1, p. 1-8, 2018.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: Não identificado (2018 International Joint Conference on Neural Networks (IJCNN))

        • Diego Barreto Haddad ⇔ Kele Teixeira Belloze (2.0)
          1. SANTOS, G. A. S. ; BELLOZE, KELE TEIXEIRA ; TARRATACA, L. ; BORDIGNON, A. ; HADDAD, D. ; BRANDAO, D. N.. EvolveDTree: Analyzing Student Dropout in Universities. Em: 2020 International Conference on Systems, v. 1, p. 173-178, 2020.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: Não identificado (2020 International Conference on Systems)
          2. SANTOS, G. A. S. ; TARRATACA, L. D. T. J. ; HADDAD, D. B. ; BORDIGNON, A. ; BRANDAO, D. N. ; BELLOZE, K. T.. Data Warehouse Educacional: Uma visão sobre a Evasão no Ensino Superior. Em: Simpósio Brasileiro de Banco de Dados, v. 1, p. 1-5, 2019.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: B1

        • Diego Barreto Haddad ⇔ Eduardo Bezerra da Silva (1.0)
          1. FONTOURA, A. ; HADDAD, D. B. ; BEZERRA, E.. A Deep Reinforcement Learning Approach to Asset-Liability Management. Em: Brazilian Conference on Intelligent Systems (BRACIS), v. 1, p. 1-5, 2019.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: B1 (Brazilian Conference on Intelligent System)

        • Diego Barreto Haddad ⇔ Gustavo Paiva Guedes e Silva (1.0)
          1. VIEIRA, N. ; PINTO, A. ; SILVA, F. ; OKUNO, H. ; AMORIM, I. ; RAMOS, T. ; HADDAD, D. ; AMORIM, G. F. ; GUEDES, G. P. ; DOS SANTOS, J. A. F.. Evaluating the Influence of Mulsemedia Content in Reading. Em: Brazilian Symposium on Multimedia and the Web, 2018.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: B1

        • Diego Barreto Haddad ⇔ Joel André Ferreira dos Santos (1.0)
          1. VIEIRA, N. ; PINTO, A. ; SILVA, F. ; OKUNO, H. ; AMORIM, I. ; RAMOS, T. ; HADDAD, D. ; AMORIM, G. F. ; GUEDES, G. P. ; DOS SANTOS, J. A. F.. Evaluating the Influence of Mulsemedia Content in Reading. Em: Brazilian Symposium on Multimedia and the Web, 2018.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
            Qualis: B1




      (*) Relatório criado com produções desde 2017 até 2020
      Data de processamento: 16/06/2021 21:48:53