Análise do Comportamento Dinâmico de Sistemas Complexos e Redes Neurais Artificiais em Visão Computacional e Inteligência Artificial

• Processo: 22/03668-1
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de dezembro de 2022
• Data de Término da vigência: 30 de junho de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Odemir Martinez Bruno
• Beneficiário: Kallil Miguel Caparroz Zielinski
• Instituição Sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 18/22214-6 - Rumo à convergência de tecnologias: de sensores e biossensores à visualização de informação e aprendizado de máquina para análise de dados em diagnóstico clínico, AP.TEM
• Assunto(s): Inteligência artificial Visão computacional
• Palavra(s)-Chave do Pesquisador: artificial intelligence | Artificial Neural Networks | Cellular automata | complex networks | Computer Vision | Visão Computacional e Inteligência Artificial

Resumo

Redes complexas são um campo de estudo que combina a teoria dos grafos e métodos advindos da mecânica estatística para representar sistemas complexos. Na área de aprendizado de máquina, as redes têm sido bastante abordadas na literatura em tarefas de visão computacional e inteligência artificial, demonstrando ser uma ferramenta com bastante potencial para a área nos últimos anos. Estudos recentes, em sua maioria por pesquisadores da USP de São Carlos, demonstram que, quando combinadas com autômatos celulares ou redes neurais artificiais para tarefas de classificação de dados, as redes complexas demonstram possuir bastante harmonia na integração dos métodos. Entretanto, apesar dos ótimos resultados obtidos, ainda há muito a ser explorado nesse campo de pesquisa. Portanto, o objetivo deste doutorado é abordar, avaliar e propor novos métodos que integrem as áreas de redes complexas, autômatos celulares e redes neurais artificiais para problemas de visão computacional e inteligência artificial. Serão investigados modelos de redes neurais para classificação de texturas, e também propostas novas arquiteturas que possam lidar com redes complexas modeladas a partir de imagens. Além disso, técnicas atuais que integram as áreas de redes complexas e autômatos em tarefas de reconhecimento de padrões serão testadas em diversos tipos de dados, como imagens, vídeos, texto e dados estruturados. Por fim, modelos que integrem as três áreas de estudo serão abordados e propostos. Como forma de analisar o potencial dos métodos, serão consideradas aplicações em dados representando problemas reais, como biologia, medicina e agricultura, áreas da qual o grupo de pesquisa do candidato possui parcerias com laboratórios nacionais e internacionais, e principalmente dados de sensores e biossensores em conjunto com colaboradores do projeto temático (2018/22214-6) no qual este doutorado está inserido.

Publicações científicas

(5)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SCABINI, LEONARDO; ZIELINSKI, KALLIL M.; FARES, RICARDO T.; KONUK, EMIR; MIRANDA, GISELE; KOLB, ROSANA M.; RIBAS, LUCAS C.; BRUNO, ODEMIR M.. Deep Texture Feature Aggregation on Leaf Microscopy Images for Brazilian Plant Species Recognition. PROCEEDINGS OF THE 2024 9TH INTERNATIONAL CONFERENCE ON MACHINE LEARNING TECHNOLOGIES, ICMLT 2024, v. N/A, p. 5-pg., 2024-01-01. (23/04583-2, 23/10442-2, 22/03668-1, 24/00530-4, 18/22214-6)

ZIELINSKI, KALLIL M.; SCABINI, LEONARDO; RIBAS, LUCAS C.; DA SILVA, NUBIA R.; BEECKMAN, HANS; VERWAEREN, JAN; BRUNO, ODEMIR M.; DE BAETS, BERNARD. Advanced wood species identification based on multiple anatomical sections and using deep feature transfer and fusion. COMPUTERS AND ELECTRONICS IN AGRICULTURE, v. 231, p. 12-pg., 2025-01-20. (21/09163-6, 23/10442-2, 21/08325-2, 18/22214-6, 22/03668-1, 23/04583-2)

SCABINI, LEONARDO; ZIELINSKI, KALLIL M.; RIBAS, LUCAS C.; GONCALVES, WESLEY N.; DE BAETS, BERNARD; BRUNO, ODEMIR M.. RADAM: Texture recognition through randomized aggregated encoding of deep activation maps. PATTERN RECOGNITION, v. 143, p. 13-pg., 2023-11-01. (22/03668-1, 21/09163-6, 18/22214-6, 21/07289-2, 21/08325-2, 19/07811-0)

ZIELINSKI, KALLIL M. C.; RIBAS, LUCAS C.; MACHICAO, JEANETH; BRUNO, ODEMIR M.. A network classification method based on density time evolution patterns extracted from network automata. PATTERN RECOGNITION, v. 146, p. 10-pg., 2023-09-29. (23/04583-2, 21/07289-2, 21/08325-2, 20/03514-9, 22/03668-1, 18/22214-6)

FARES, RICARDO T.; VICENTIM, ANA CATARINA M.; SCABINI, LEONARDO; ZIELINSKI, KALLIL M.; JENNANE, RACHID; BRUNO, ODEMIR M.; RIBAS, LUCAS C.. Randomized Encoding Ensemble: A New Approach for Texture Representation. 2024 31ST INTERNATIONAL CONFERENCE ON SYSTEMS, SIGNALS AND IMAGE PROCESSING, IWSSIP 2024, v. N/A, p. 8-pg., 2024-01-01. (23/04583-2, 22/15840-3, 18/22214-6, 22/03668-1)