Questo sito utilizza cookie tecnici, propri e di terze parti, per garantire la corretta navigazione e analizzare il traffico e, con il tuo consenso, cookie di profilazione e altri strumenti di tracciamento di terzi per mostrare video e misurare l'efficacia delle attività di comunicazione istituzionale. Puoi rifiutare i cookie non necessari e di profilazione cliccando su “Rifiuta tutti”. Puoi scegliere di acconsentirne l’utilizzo cliccando su “Accetta tutti” oppure puoi personalizzare le tue scelte cliccando su “Rivedi le tue scelte sui cookie”.

SAIBENE AURORA

Ruolo:
Assegnista di ricerca
Settore scientifico disciplinare:
Informatica (INF/01)

Pubblicazioni

  • Gasparini, F., Saibene, A., Salardi, S., Stocchi, F., Gulotta, C., Sosa Navarro, M. (2024). Presentazione poster “A multidisciplinary debate on the use of neurotechnologies for brain health and wellbeing”. Intervento presentato a: Conferenza Neuromi 2024 “Brain Health and prevention of cognitive decline. Today’s challenges for a brighter tomorrow”, 23-24 ottobre, Milano, Italia. Dettaglio

  • Gabardi, M., Saibene, A., Gasparini, F., Rizzo, D., Stella, F. (2024). DL-based multi-artifact EEG denoising exploiting spectral information. INTELLIGENZA ARTIFICIALE, 18(1), 89-102 [10.3233/IA-240025]. Dettaglio

  • Saibene, A., Corchs, S., Fontana, S., Sole-Casals, J. (2024). Preface to the Third Workshop on Artificial Intelligence for Human-Machine Interaction (AIxHMI). In A. Saibene, S. Corchs, S. Fontana, J. Solé-Casals (a cura di), Proceedings of the 3rd Workshop on Artificial Intelligence for Human-Machine Interaction 2024
    co-located with the 23rd International Conference of the Italian Association for Artificial Intelligence (AIxIA 2024) (pp. 1-5). CEUR-WS.
     Dettaglio

  • Grossi, A., Gasparini, F., Saibene, A. (2024). On the Exploitation of CEEMDAN for PPG Synthetic Data Generation. In Ambient Assisted Living ForItAAL 2023 Conference proceedings (pp.56-69). Springer [10.1007/978-3-031-63913-5_6]. Dettaglio

  • Cazzaniga, S., Gasparini, F., Saibene, A. (2024). A multi-source deep learning model for music emotion recognition. In Proceedings of the 3rd Workshop on Artificial Intelligence for Human-Machine Interaction 2024 co-located with the 23rd International Conference of the Italian Association for Artificial Intelligence (AIxIA 2024) (pp.33-43). CEUR-WS. Dettaglio