Page Not Found

Oops! Someone made a big mistake here, heads will roll.

Prof.: Cledson de Sousa

Concluiu sua graduação em Engenharia de Telecomunicações em 1997, seu mestrado também em Engenharia de Telecomunicações em 2013 e seu doutoramento em Computação no Instituto de Computação em 2019, todos na Universidade Federal Fluminense. Atualmente leciona como adjunto no Departamento de Engenharia de Telecomunicações da mesma Instituição. Realiza pesquisas na área de teleinformática com interesse nos seguintes temas: Redes de Sensores, Rádios Cognitivos, Redes Definidas por Software e Channel State Information.

Um pouco de filosofia

Apaixonado por tecnologia, cerveja e matemáticas (quase todas), curioso sobre como a Natureza nos deixou chegar até aqui. Enxergo no estoicismo um farol filosófico, que afasta a mente dos rochedos neste turbulento mar do antropoceno e sigo Epiteto no "nada receio se nada espero".
Valorizo mais o esforço que o brilhantismo, mais ainda quando vem acompanhado da disciplina. Um pouco de malandragem também é bom, mas aquela positiva, que tira onda sem levar vantagem, muito menos sobre o esforço do alheio. Finalmente... Assim como às vezes precisamos de ajuda, também assim é o próximo. Cooperemos sempre que possível!

Archive Layout with Content

Posts by Category

Posts by Collection

CV

Markdown

Page not in menu

This is a page not in the menu. You can use markdown in this page.

Heading 1

Heading 2

Page Archive

UFF Data Academy

Projetos

Publicações

Sitemap

Posts by Tags

Talk map

Palestras e apresentações

Ensino - diversão garantida aqui!

Terms and Privacy Policy

Blog posts

Atividade 01 - Objetivos

Jupyter notebook markdown generator

A política do mérito e as notas de admissão em programas de fomento

menor que 1 minutos de leitura

Atualizado em: August 17, 2022

Sobre a normalidade da distribuição de notas de uma turma

1 minutos de leitura

Atualizado em: August 16, 2022

…a avaliação, seja ela qualquer uma, será sempre arbitrária e por vezes injusta…

Uma variável aleatória Normal a rigor não tem limites mínimos ou máximo (indo de - $\infty$ a +$\infty$) então notas, que são claramente limitadas entre um valor máximo e um mínimo não podem ser descritas como tendo uma distribuição Normal. No entanto, pode-se ainda argumentar que há diversos fenômenos limitados em suas medidas máximas e mínimas que podem se ajustar quase perfeitamente a uma gaussiana tradicional. Trabalhos como em [Waterman, 1978] explicam como estimadores podem ser modificados para espelhar essa características.

Reflexões sobre as notas em si. Embora a avaliação, seja ela qualquer uma, será sempre arbitrária e por vezes injusta, mas haverá sempre alguma verdade nos resultados. Da minha parte tenho experimentado alguns resultados cujas distribuições podem ser consideradas bimodais, as vezes assimétricas à esquerda ou à direita, como pode ser visto na Figura abaixo.

Particularmente em tempos de pandemia, tenho observado que um grupo de alunos consegue tirar vantagem dos métodos de avaliação à distância e aproximam suas notas do máximo superior, enquanto outros se mantêm mais perto do extremo inferior, esta situação traz às vezes a mediana para cima, mas leva a média para baixo.

Dados antigos de outros professores e meus mais modernos, pós pandemia, corroboram que em provas presenciais tradicionais as notas se aproximam mais da distribuição normal e essa bimodalidade vista nos dados de 2021 não acontece. Ver Figura abaixo com dados da mesma discplilna da Figura acima, mas em 2022.

Sobre a frase: “Eu nunca vou usar isso na minha vida”

menor que 1 minutos de leitura

Atualizado em: August 01, 2022

… Nunca diga dessa água não beberei, nem desse pão não comerei…

Post sobre os posts

menor que 1 minutos de leitura

Atualizado em: August 14, 2012

Posts não são legais?

UFF Data Academy - Inscrições abertas!!

A Universidade Federal Fluminense e o Departamento de Engenharia de Telecomunicações através dos Laboratórios Gteccom e MídiaCom acaba de firmar uma parceria com algumas das maiores companhias globais no mercado de Telecomunicações e Computação em seus respectivos nichos: Cisco, Oracle, Juniper, Huawei, Amazon, Fortinet, Intel, Red Hat Palo Alto e Microsoft. Criando assim um extenso leque de opções de treinamento para os nossos alunos, a UFF Data Academy.
A iniciativa UFF Data Academy oferecerá primeiramente aos alunos de graduação tanto presencial quanto à distância, cursos gratuitos e certificações profissionais com o selo de qualidade destas empresas. E futuramente pretendemos estender para toda a comunidade acadêmica.
Os cursos atravessam múltiplos temas relevantes nas áreas de Telecomunicações e TI, desde o 5G, Inteligência Artificial, Aprendizado de máquina e Internet das coisas, passando pelos mais tradicionais como roteamento e comutação e redes de computadores e finalmente alcançando também sistemas operacionais como o Linux e linguagens de programação como C, C++ e Python. Além de Java, banco de dados e PL-SQL.
O programa iniciará primeiramente em sua modalidade online, mas com o amadurecimento da iniciativa e a chegada de professores convidados, estenderemos para cursos presenciais e de extensão universitária.
O principal objetivo desta iniciativa é oferecer aos nossos alunos uma formação mais sólida, com ênfase em uma visão mais profissional e de mercado. Esses cursos e certificações têm valor reconhecido nos pocessos de recrutamento e seleção de grandes empresas. E muitas vezes são requisitos formais para contratação.
Se estiver interessado em juntar-se a nós unindo paixão, tecnologia e vontade de aprender, invista alguns minutos, confira o catálogo de cursos oferecidos pela UFF Data Academy nos links abaixo, deixe seu contato e preencha (com seu usuário iduff) o formulário com os tópicos de seu interesse. Assim que tivermos turmas abertas em um deles, entraremos em contato. Nos vemos por lá!

Visite os catálogos dos cursos

Resumo do Orçamento CNPq

Faixa 1 – Colaboração Internacional

Fusão de Dados CSI e Imagens Térmicas Para Identiticação Confiável de Atividades Humanas

Proposta de Projeto – CNPq Chamada nº 16/2025
Faixa 1 – Colaboração Internacional
Título do Projeto: Seleção de Portadoras e Fusão de Dados CSI com Imagens Térmicas Para Identiticação Confiável de Atividades Humanas
Coordenador: Prof. Dr. Cledson de Sousa – Universidade Federal Fluminense (UFF)
Instituição Parceira no Exterior: Brunel University of London – Prof.: George Ghinea\

Resumo

O cenário pós-COVID-19 evidenciou a urgência de soluções eficazes e de baixo custo para o monitoramento remoto de pacientes, especialmente idosos e portadores de doenças infectocontagiosas, que necessitam de acompanhamento contínuo sem exposição a ambientes hospitalares. O barateamento de dispositivos sem fio e a ubiquidade das redes Wi-Fi, particularmente aquelas capazes de disponibilizar a Informação do Estado do Canal (CSI), que descreve, com alta resolução, como o sinal eletromagnético é afetado pelo ambiente em cada subportadora Orthogonal Frequency Division Multiplexing (OFDM). Tal tecnologia abre caminho para sistemas capazes de inferir movimentos e atividades humanas a partir de variações no campo eletromagnético causadas pela presença e deslocamento de pessoas [@sousa2024subcarrier; @soto2023single; @galdino2023ehealth]. Esse avanço ampliou as possibilidades de monitoramento ambiental acessível e não intrusivo. Nesse contexto, cresce o interesse por tecnologias que conciliem eficiência, privacidade e baixo custo, eliminando a necessidade de câmeras ou sensores corporais.

A Identificação de Atividades Humanas (HAR) surge como elemento central em aplicações de saúde [@allan2025TransformerCSI], segurança e automação residencial [@bouchabou2021survey], viabilizando desde o acompanhamento clínico remoto até a detecção precoce de quedas e comportamentos anômalos. Contudo, persistem desafios técnicos relevantes. Abordagens visuais, embora precisas, comprometem a privacidade e são vulneráveis a oclusões e variações de iluminação. Já as soluções baseadas exclusivamente em CSI, obtido a partir de sinais Wi-Fi ubíquos e pontos de acesso de baixo custo, preservam a privacidade e dispensam sensores vestíveis, mas ainda carecem de maior precisão e robustez em ambientes reais e dinâmicos.

O objetivo principal deste projeto é contribuir com o estado da arte no sentido de indicar soluções para as limitações de cada modalidade individual, propondo e validando uma arquitetura inovadora de fusão de dados CSI e imagens térmicas. A combinação da robustez do CSI frente a oclusões físicas com a resiliência das imagens térmicas a variações de iluminação, decorrente da detecção do calor corporal, resultará em um sistema HAR mais confiável, preciso e aplicável a ambientes reais. Este projeto também dá continuidade ao trabalho iniciado em [@sousa2024subcarrier], aprofundando a análise da seletividade espectral e da complementaridade entre subportadoras, agora estendida ao domínio multimodal.

A metodologia central se concentra no desenvolvimento de um framework de Deep Learning para lidar com a alta dimensionalidade inerente aos dados brutos e ao volume de amostras CSI e de imagens térmicas. Serão investigadas técnicas de redução de dimensionalidade e seleção de features, com o objetivo de otimizar a representação dos dados multimodais e, consequentemente, reduzir o custo computacional e de inferência. Esse esforço permitirá a implementação do sistema HAR em plataformas de borda de rede (edge computing), tornando-o viável para implantação em ambientes residenciais e clínicos.. A expertise em fusão multissensorial da parceria internacional será crucial para o desenvolvimento de arquiteturas de Redes Neurais Profundas (DNNs) capazes de extrair e combinar essas características de forma inteligente.

Este projeto também propõe uma contribuição incremental ao dataset eHealth [@galdino2023ehealth], ampliando-o com novos cenários experimentais e métricas derivadas. Além disso, visa o desenvolvimento de modelos de última geração para sensoriamento sem fio e a divulgação dos resultados em periódicos de alto impacto. A colaboração internacional prevista é estratégica para o intercâmbio de conhecimento e o fortalecimento da capacidade científica e tecnológica nacional, consolidando uma rede de pesquisa em sensoriamento de baixo custo e monitoramento não intrusivo.

Justificativa e Relevância

O presente projeto de pesquisa se situa na confluência de duas das mais promissoras áreas da Engenharia de Telecomunicações e Computação modernas: o sensoriamento baseado em Sinais de Rádio (CSI/sensoriamento sem fio), Visão Computacional e o Aprendizado de Máquinas. A proposta não apenas aborda uma demanda tecnológica premente, mas também promove a necessária cooperação científica internacional para superar desafios complexos.

Contextualização do Tema dentro da Linha de Pesquisa:

Além das motivações de saúde e segurança já mencionadas no Resumo, a Identificação de Atividades Humanas constitui um elemento central para a evolução da Internet das Coisas (IoT) e de sistemas de monitoramento inteligentes. Serve como o pilar para aplicações cruciais em saúde 4.0 (monitoramento de idosos) e segurança. No campo das Telecomunicações, o CSI obtido de APs de baixo custo, oferece sensoriamento não invasivo e preserva a privacidade, sendo robusto a oclusões. No entanto, sua precisão sofre com variações de multipath e ruído em ambientes dinâmicos.

A Imagem Térmica oriunda de dispositivos de baixo custo [@flir-van2019validation] é complementar, fornecendo dados visuais resistentes à variação luminosa. O projeto move a linha de pesquisa de métodos unimodais para uma abordagem multimodal adaptativa, focada na fusão sinérgica de CSI e Imagens Térmicas. Este avanço metodológico visa criar um sistema HAR não só preciso, mas também robusto e com baixo custo de implementação, essencial para a adoção em larga escala.

Lacunas Científicas e Tecnológicas que a Colaboração Internacional Visa Superar:

A lacuna científica que este projeto busca preencher situa-se na ausência de uma abordagem integrada que opere desde as camadas físicas (Camada 1), explorando de forma articulada a seleção espectral de subportadoras, a fusão de dados multimodais e o uso combinado de sensores híbridos CSI e térmicos. Até o momento, a fusão otimizada entre dados de rádio (CSI) e dados térmicos permanece um campo em aberto, com poucas abordagens que explorem de forma sistemática a complementaridade entre informações sensíveis à movimentação, às oclusões e aquelas robustas variações de iluminação e do canal físico propriamente dito. O projeto também prevê a extensão do dataset eHealth [@galdino2023ehealth] com novas coletas CSI–térmicas, contribuindo para o aumento de uma base experimental aberta e padronizada.

A cooperação com o grupo de pesquisa da Brunel University London é estratégica para mitigar...

publications

talks

teaching