STOEAN Catalin – cercetător colaborator CSII

Afiliere: Institutului Român de Știință și Tehnologie / Universitatea din Craiova.

Catălin Stoean a beneficiat de o bursa Fulbright la Universitatea din Illinois la Urbana-Champaign și de două burse DAAD la Universitatea TU Dortmund și respectiv la Universitatea de Științe Aplicate din Köln. Interesele sale de cercetare implică aplicarea de metode de învățare automată și profundă la probleme din lumea reală. Exemple de probleme sunt clasificare, regresie, serii temporale, iar tipurile de date variază de la numerice și imagini la text. Domeniile de aplicare în care a fost adesea implicat merg de la medicină, chimie până la date financiare și chiar procesarea textului pentru extragerea de informații relevante.

Domenii de interes: sisteme calcul evolutiv, inteligența artificială, optimizarea multimodală, învățarea profundă.

Profil Google Scholar: https://scholar.google.ro/citations?user=oEdoht8AAAAJ&hl=en

Publicații reprezentative:

  • Catalin Stoean, Ruxandra Stoean, Miguel Atencia, Moloud Abdar, Luis Velázquez-Pérez, Abbas Khosravi, Saeid Nahavandi, U. Rajendra Acharya, Gonzalo Joya, Automated Detection of Presymptomatic Conditions in Spinocerebellar Ataxia Type 2 Using Monte Carlo Dropout and Deep Neural Network Techniques with Electrooculogram Signals, Sensors, Vol. 20, No. 11, 3032, https://doi.org/10.3390/s20113032, IF 3.031, 2020.
  • Catalin Stoean, Daniel Lichtblau, Author Identification using Chaos Game Representation and Deep Learning, Mathematics, 8, No. 11: 1933, https://www.mdpi.com/2227- 7390/8/11/1933, IF 2.258, 2020.
  • Shachi Mittal, Catalin Stoean, Andre A Kajdacsy-Balla, Rohit Bhargava, Digital Assessment of Stained Breast Tissue Images for Comprehensive Tumor and Microenvironment Analysis, Frontiers in Bioengineering and Biotechnology, section Bioinformatics and Computational Biology, Manuscript ID: 454225, doi: 10.3389/fbioe.2019.00246, IF 5.122, 2019.
  • Catalin Stoean, Wieslaw Paja, Ruxandra Stoean, Adrian Sandita, Deep architectures for long-term stock price prediction with a heuristic based strategy for trading simulations. PLOS ONE 14(10): e0223593. https://doi.org/10.1371/journal.pone.0223593, IF 2.776, 2019.
  • Daniel Lichtblau, Catalin Stoean, Cancer diagnosis through a tandem of classifiers for digitized histopathological slides, PLOS ONE, 14(1): e0209274, https://doi.org/10.1371/journal.pone.0209274, IF 2.776, 2019.