Busca avançada
Ano de início
Entree

André Carlos Ponce de Leon Ferreira de Carvalho

CV Lattes GoogleMyCitations ResearcherID ORCID


Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC)  (Instituição-sede da última proposta de pesquisa)
País de origem: Brasil

Professor Titular do Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo (ICMC-USP), campus São Carlos , Bolsista de Produtividade em Pesquisa 1A do CNPq e Vice-Presidente da Sociedade Brasileira de Computação (SBC). Possui Bacharelado (1987) e Mestrado em Ciência da Computação (1990) pela Universidade Federal de Pernambuco, e doutorado em Electronic Engineering pela University of Kent (1994). Seus principais interesses de pesquisa são Aprendizado de Máquina, Mineração de Dados e Ciência de Dados, com aplicações em várias áreas. Publicou vários artigos nessas áreas, alguns deles premiados em conferências organizadas por ACM, IEEE and SBC. Escreveu vários livros, entre eles Inteligência Artificial: Uma abordagem de Aprendizado de Máquina, publicado pelo GrupoGen em 2011 e prêmio Jabuti 2012, e A General Introduction to Data Analytics, publicado pela Wiley, em 2018. Foi Professor Associado na University of Guelph, Canada. Foi ainda Professor Visitante na University of Kent e Pesquisador Visitante na University of Kent e no Alan Turing Institute, UK. Avalia projetos para agências de fomento a pesquisa nacionais, CAPES, CNPq, FAPESP, FACEPE, FAPEMIG e Fundação Serrapilheira, e internacionais, NSERC (Canada), The Leverhulme Trust (Reino Unido), EPSRC Reino Unido), GACR (República Checa), CONICYT (Chile) e MIUR (Itália). É vice-diretor do ICMC-USP e do Centro de Ciências Matemáticas Aplicadas à Indústria da USP. É membro do Comitê de Assessoramento de Ciência da Computação do CNPq (CA-CC), de 2018 a 2021, da Rede Ciência para Educação (CpE), do Comitê Diretivo para América Latina e Caribe da International Network for Government Science Advice (INGSA), do Conselho Técnico Científico da Escola de Matemática Aplicada da Fundação Getúlio Vargas (EMAp-FGV), do Conselho Universitário da Universidade de São Paulo, do Comitê Científico do Advanced Institute for Artificial Intelligence (AI2), do Strategy and Partnerships Board of the UKRI Centre for Doctoral Training in Accountable, Responsible and Transparent AI (ART-AI), at University of Bath, UK. Uma vez por mês escreve sobre Inteligência Artificial no Blog Ciência & Matemática, IMPA e OGlobo. (Fonte: Currículo Lattes)

Auxílios à pesquisa
Em andamento (mais recentes)

  • Resumo

    Sem percebermos, estamos usando tecnologias baseadas em algoritmos de Aprendizado de Máquina (AM) em um número crescente de nossas atividades diárias. O uso do ML tem feito várias atividades rotineiras e de riscos e mais seguras, mais confiáveis e mais precisas. Apesar dessas contribuições, novas demandas exigem o desenvolvimento de novos algoritmos de AM, ou utilização desses algorit...

    Aprendizado de máquina avançado, AP.PITE

  • Resumo

    O foco desta proposta é a transferência de conhecimento matemático para outras áreas da ciência, tecnologia e indústria, por meio de um centro de pesquisa estruturado para esse fim. Todo o conhecimento matemático é, em última análise, aplicável se não diretamente, por meio de outros conhecimentos. Em algumas áreas da matemática a aplicação é quase imediata (entretanto, a colocação em p...

    CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
Concluídos (mais recentes)

  • Resumo

    O programa será finalizado após a seleção dos trabalhos. Estão previstas duas palestras internacionais convidadas e apresentação dos trabalhos selecionados por revisores.O KDMiLe 2013 aceitará full papers (8 páginas) e short papers (4 páginas). Todos serão apresentados oralmente, porém os full em 25 minutos e os short em 10 minutos.Artigos full aceitos e apresentados poderão submeteru...

    Symposium on Knowledge Discovery, Mining and Learning, AO.R

  • Resumo

    Este projeto de cooperação internacional descreve as atividades a serem realizadas pelo Prof. Dr. Carlos M. M. O. P. Soares, da Faculdade de Engenharia da Universidade do Porto e INESC TEC, durante sua visita ao ICMC-USP. Nesta visita realizado trabalho no âmbito de uma cooperação científica na área de Mineração de Dados, especificamente em Meta-aprendizado. Para além disso, o Prof. C...

    Meta-aprendizado para recomendação de algoritmos, AV.EXT

  • Resumo

    Aprendizado a partir de fluxos contínuos de dados é uma área de pesquisa de crescente importância. Atualmente, vários algoritmos para mineração de fluxos de dados têm sido desenvolvidos. Todos eles aprendem modelos de decisão continuamente evoluídos, são executados em ambientes de recursos limitados e reagem a mudanças no ambiente gerador de dados. Este projeto irá focar em pesquisas r...

    Aprendendo a partir de fluxos de dados, AV.EXT
Ver todos os Auxílios à pesquisa concluídos
Bolsas no país
Em andamento (mais recentes)

  • Resumo

    A comunidade de microrganismos que vive em diversas regiões do corpo humano, seja sob a pele, no intestino, esôfago, boca, vagina e entre outros, é chamada de microbioma humano. Essas comunidades participam de processos essenciais para a saúde humana - como digestão, produção de nutrientes, desintoxicação, proteção contra patógenos e regulação do sistema imunológico. Desse modo, altera...

    Análise e classificação de microbiomas humanos: detecção de bioindicadores e otimização por meio de aprendizado de máquina, BP.DD

  • Resumo

    A previsão de séries temporais tem sido aplicada em diversos problemas cotidianos no processo de tomada de decisão, por exemplo na análise de Eletroencefalograma (EEG), consumo de energia, mercado financeiro de ações e outras. Entretanto, estes experimentos geralmente demandam muito tempo para selecionar o melhor modelo para tomada de decisão. Também, para este domínio é necessário um ...

    Meta-aprendizagem aplicada à previsão de séries temporais, BP.DR

  • Resumo

    Este projeto prevê o desenvolvimento de uma solução AutoML abrangente e um sistema de recomendação capaz de indicar a técnica de pré-processamento/algoritmo de aprendizado mais adequados, juntamente com os seus respectivos valores de hiperparâmetros.Adicionalmente ao avanço científico, os principais estágios da aplicação de solução de aprendizado de máquina a tarefas de análise de dado...

    Curadoria de dados e desenvolvimento e suporte de plataforma para AutoML, BP.TT
Ver todas as Bolsas no país em andamento
Concluídas (mais recentes)

  • Resumo

    Os últimos anos contribuíram para o aumento do interesse nos estudos dos longos RNAs não codificante (long non coding RNAs - lncRNA). Com grande constância, os lncRNA demonstram serem importantes para diversos tipos de regulação genômica, e, portanto, estão correlacionados com o desenvolvimento de diversos processos biológicos e doenças - dentre elas o câncer. Com o objetivo de melhor ...

    Tratamento de dados desbalanceados para classificação de lncRNA, BP.IC

  • Resumo

    Os estudos de diversas patologias, como o câncer, podem ser beneficiados por tecnologias capazes de capturar a expressão dos genes em tecidos, tais como o RNA-Seq e Microarray, que relacionam o desenvolvimento da doença com a expressão gênica do paciente. Entretanto, trabalhar com um grande volume de dados gera novos desafios. Nesse contexto, a seleção de atributos, como parte do pré-p...

    Investigação sobre eficiência de metaheurísticas para seleção de características em bancos de expressão gênica, BP.IC

  • Resumo

    Agrupamento de dados é uma das principais tarefas de Aprendizado de Máquina. Existem várias técnicas de agrupamento de dados e diferentes problemas podem ser mais adequados para diferentes técnicas. A escolha de um algoritmo de forma não automatizada pode ser custosa e exige conhecimento aprofundado do problema e dos algoritmos. Desta forma, meta-aprendizado surge como uma ferramenta p...

    Uso de meta-aprendizado para seleção de algoritmos em problemas de agrupamento, BP.PD
Ver todas as Bolsas no país concluídas
Bolsas no Exterior
Em andamento (mais recentes)

  • Resumo

    A influência de dados desbalanceados no desempenho preditivo de modelos é amplamente estudada. Tarefas de classificação com dados desbalanceados não são desafiadoras por si só. Quando as classes são linearmente separáveis, um algoritmo de classificação tradicional normalmente induz modelos preditivos capazes de distinguir as classes apropriadamente. O desbalanceamento impõe dificuldade...

    Meta-aprendizado aplicado a dados desbalanceados usando medidas de complexidade de dados, BE.EP.DR
Concluídas (mais recentes)

  • Resumo

    Em muitos problemas práticos de classificação, o conjunto de dados a ser utilizado para a indução de um classificador é significativamente desbalanceado. Isso ocorre quando a quantidade de exemplos de determinada classe é muito inferior à(s) da(s) outra(s) classe(s). Conjuntos de dados desbalanceados podem comprometer o desempenho da maioria dos algoritmos clássicos de classificação, u...

    Comitês de classificadores para conjunto de dados desbalanceados, BE.EP.DR

  • Resumo

    Métodos de Aprendizado de Máquina tem sido amplamente eficaz em resolver muitos problemas simples e bem definidos na literatura. Entretanto, a maioria destes métodos apresentam dificuldades ao lidas com problemas mais complicados do mundo real, muitas vezes devido à alta dimensionalidade dos dados. Uma das primeiras aplicações de Deep Learning foi justamente para reduzir a dimensionali...

    Uso de Meta-aprendizado para melhoria de algoritmos de deep learning em problemas de classificação, BE.EP.DR

  • Resumo

    O sucesso da aplicação de técnicas de aprendizado de máquina em conjuntos de dados de diversas áreas requer esforços consideráveis para a identificação e tratamento de dados ruidosos. Informações ruidosas são um problema frequente e remete principalmente a coleta, transmissão e armazenamento. A presença desse tipo de informação nos conjuntos de dados podem afetar a complexidade da tare...

    Metaheurísticas para a identificação de ruído de classe em problemas de classificação, BE.EP.DD
Ver todas as Bolsas no exterior concluídas
Apoio FAPESP em números * Quantidades atualizadas em 12/10/2019
2 Auxílios à pesquisa em andamento
24 Auxílios à pesquisa concluídos
7 Bolsas no país em andamento
53 Bolsas no país concluídas
1 Bolsas no exterior em andamento
9 Bolsas no exterior concluídas
96 Todos os Auxílios e Bolsas
Processos vinculados
Colaboradores mais frequentes em auxílios e bolsas FAPESP
Contate o Pesquisador

Este canal da BV/FAPESP deve ser utilizado tão somente para mensagens, referentes aos projetos científicos financiados pela FAPESP.


 

 

 

 

Palavras-chave utilizadas pelo pesquisador
Agroindústria Agrupamento de dados Algoritmos evolutivos Algoritmos genéticos Análise de sequência com séries de oligonucleotídeos Aprendizado computacional Aprendizado de Máquina Aprendizagem profunda Aprendizagem Bioinformática Biologia Computacional Biologia computacional Biometria Ciência da Computação Ciência de dados Ciências Exatas e da Terra Classificação de dados Classificação hierárquica multirrótulo Classificação hierárquica Classificação Computação bioinspirada Computação evolutiva Computação natural Computação Descoberta de conhecimento Eletrônica Industrial, Sistemas e Controles Eletrônicos Engenharia Elétrica Engenharia de software Engenharias Expressão gênica Fluxo de dados Genética Genomas Grafos Indústria agrícola Inteligência artificial Inteligência computacional Máquinas de Vetores de Suporte Matemática Aplicada Matemática Meta-heurística Metodologia e Técnicas da Computação Mineração de dados Mineração de texto Oftalmologia Otimização Programação genética Raciocínio baseado em casos Reconhecimento de padrões Redes neurais (computação) Redes neurais Redes Regressão Robótica Ruído Segurança Simulação Sistemas Elétricos de Potência Sistemas de Computação Sistemas híbridos Sistemas imunológicos artificiais Teoria da computação Tomada de decisão Trajetória Visão computacional
Videos relacionados aos auxílios à pesquisa e bolsas

Big data e machine learning

Publicado em 29 de abril de 2019 - Agência FAPESP. Os dados têm valor e, se bem explorados, podem gerar benefícios políticos, sociais e econômicos. Mas, se por um lado há uma infinidade de dados disponíveis para serem coletados e trabalhados, por outro há uma imensa demanda reprimida no Brasil por profissionais da área de computação. A avaliação foi feita no dia 22 de abril, na Assembleia Legislativa de São Paulo (Alesp), por pesquisadores participantes do segundo evento do Ciclo de Palestras ILP-FAPESP 2019, que teve como tema Big data e Machine learning. O ciclo é uma parceria entre o Instituto do Legislativo Paulista (ILP) e a FAPESP.

Publicações resultantes de Auxílios e Bolsas sob responsabilidade do(a) pesquisador(a) (20)

(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)

Publicações18
Citações56
Cit./Artigo3,1
Dados do Web of Science

VALLIM, ROSANE M. M.; ANDRADE FILHO, JOSE A.; DE MELLO, RODRIGO F.; DE CARVALHO, ANDRE C. P. L. F.; GAMA, JOAO. Unsupervised density-based behavior change detection in data streams. Intelligent Data Analysis, v. 18, n. 2, p. 181-201, . Citações Web of Science: 3. (10/11250-0)

LORENA, ANA C.; CARVALHO, ANDRÉ C. P. L. F. DE. Evaluation of noise reduction techniques in the splice junction recognition problem. GENETICS AND MOLECULAR BIOLOGY, v. 27, n. 4, p. 665-672, . (02/00969-7)

GIAMPAOLO LUIZ LIBRALÃO; ANTONIO VALERIO NETTO; ANDRÉ PONCE DE LEON F. DE CARVALHO; MARIA CRISTINA FERREIRA DE OLIVEIRA. Determinação de vícios refrativos oculares utilizando Support Vector Machines. Sba : Controle & Automação, v. 16, n. 2, p. 146-158, . (00/04779-2, 02/08038-2, 01/09540-0)

VERDECIA-CABRERA, ALBERTO; BLANCO, ISVANI FRIAS; CARVALHO, ANDRE C. P. L. F.. An online adaptive classifier ensemble for mining non-stationary data streams. Intelligent Data Analysis, v. 22, n. 4, p. 787-806, . Citações Web of Science: 0. (15/03355-0, 13/07375-0)

CENTINI CAMPOS, GABRIEL FILLIPE; MASTELINI, SAULO MARTIELLO; AGUIAR, GABRIEL JONAS; MANTOVANI, RAFAEL GOMES; DE MELO, LEONIMER FLAVIO; BARBON, JR., SYLVIO. Machine learning hyperparameter selection for Contrast Limited Adaptive Histogram Equalization. EURASIP JOURNAL ON IMAGE AND VIDEO PROCESSING, . Citações Web of Science: 0. (12/23114-9)

GARCIA, LUIS P. F.; LEHMANN, JENS; DE CARVALHO, ANDRE C. P. L. F.; LORENA, ANA C.. New label noise injection methods for the evaluation of noise filters. KNOWLEDGE-BASED SYSTEMS, v. 163, p. 693-704, . Citações Web of Science: 0. (16/18615-0, 13/07375-0, 12/22608-8)

BARROS, RODRIGO C.; BASGALUPP, MARCIO P.; FREITAS, ALEX A.; DE CARVALHO, ANDRE C. P. L. F.. Evolutionary Design of Decision-Tree Algorithms Tailored to Microarray Gene Expression Data Sets. IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, v. 18, n. 6, p. 873-892, . Citações Web of Science: 19. (09/14325-3)

ESPEZUA, SOLEDAD; VILLANUEVA, EDWIN; MACIEL, CARLOS D.; CARVALHO, ANDRE. A Projection Pursuit framework for supervised dimension reduction of high dimensional small sample datasets. Neurocomputing, v. 149, n. B, p. 767-776, . Citações Web of Science: 10. (12/22295-0)

BARROS, RODRIGO C.; BASGALUPP, MARCIO P.; DE CARVALHO, ANDRE C. P. L. F.. Investigating fitness functions for a hyper-heuristic evolutionary algorithm in the context of balanced and imbalanced data classification. Genetic Programming and Evolvable Machines, v. 16, n. 3, p. 241-281, . Citações Web of Science: 1. (09/14325-3)

FRIAS-BLANCO, ISVANI; DEL CAMPO-AVILA, JOSE; RAMOS-JIMENEZ, GONZALO; CARVALHO, ANDRE C. P. L. F.; ORTIZ-DIAZ, AGUSTIN; MORALES-BUENO, RAFAEL. Online adaptive decision trees based on concentration inequalities. KNOWLEDGE-BASED SYSTEMS, v. 104, p. 179-194, . Citações Web of Science: 3. (15/03355-0)

DEBIASO ROSSI, ANDRE LUIS; DE SOUZA, BRUNO FERES; SOARES, CARLOS; DE LEON FERREIRA DE CARVALHO, ANDRE CARLOS PONCE. A guidance of data stream characterization for meta-learning. Intelligent Data Analysis, v. 21, n. 4, p. 1015-1035, . Citações Web of Science: 0. (08/11569-6)

PISANI, PAULO HENRIQUE; POH, NORMAN; DE CARVALHO, ANDRE C. P. L. F.; LORENA, ANA CAROLINA. Score normalization applied to adaptive biometric systems. COMPUTERS & SECURITY, v. 70, p. 565-580, . Citações Web of Science: 0. (13/07375-0, 12/22608-8, 12/25032-0)

MORALES, PABLO; LUENGO, JULIAN; GARCIA, LUIS P. F.; LORENA, ANA C.; DE CARVALHO, ANDRE C. P. L. F.; HERRERA, FRANCISCO. The NoiseFiltersR Package: Label Noise Preprocessing in R. R JOURNAL, v. 9, n. 1, p. 219-228, . Citações Web of Science: 2. (13/07375-0, 11/14602-7, 12/22608-8)

BARBON, ANA PAULA A. C.; BARBON, JR., SYLVIO; MANTOVANI, RAFAEL GOMES; FUZYI, ESTEFANIA MAYUMI; PERES, LOUISE MANHA; BRIDI, ANA MARIA. Storage time prediction of pork by Computational Intelligence. COMPUTERS AND ELECTRONICS IN AGRICULTURE, v. 127, p. 368-375, . Citações Web of Science: 14. (12/23114-9)

PISANI, PAULO HENRIQUE; LORENA, ANA CAROLINA; DE CARVALHO, ANDRE C. P. L. F.. Adaptive Biometric Systems Using Ensembles. IEEE INTELLIGENT SYSTEMS, v. 33, n. 2, p. 19-28, . Citações Web of Science: 0. (13/07375-0, 12/22608-8, 12/25032-0)

PISANI, PAULO HENRIQUE; LORENA, ANA CAROLINA; DE CARVALHO, ANDRE C. P. L. F.. Adaptive algorithms applied to accelerometer biometrics in a data stream context. Intelligent Data Analysis, v. 21, n. 2, p. 353-370, . Citações Web of Science: 2. (13/07375-0, 12/25032-0, 12/22608-8)

SPADON, GABRIEL; DE CARVALHO, ANDRE C. P. L. F.; RODRIGUES-JR, JOSE F.; ALVES, LUIZ G. A.. Reconstructing commuters network using machine learning and urban indicators. SCIENTIFIC REPORTS, v. 9, . Citações Web of Science: 0. (16/17078-0, 17/08376-0, 19/04461-9, 13/07375-0, 16/16987-7, 16/18615-0, 14/25337-0)

TINOS, RENATO; YANG, SHENGXIANG. A framework for inducing artificial changes in optimization problems. INFORMATION SCIENCES, v. 485, p. 486-504, . Citações Web of Science: 0. (16/18615-0, 15/06462-1, 13/07375-0)

MANTOVANI, RAFAEL G.; ROSSI, ANDRE L. D.; ALCOBACA, EDESIO; VANSCHOREN, JOAQUIN; DE CARVALHO, ANDRE C. P. L. F.. A meta-learning recommender system for hyperparameter tuning: Predicting when tuning improves SVM classifiers. INFORMATION SCIENCES, v. 501, p. 193-221, . Citações Web of Science: 0. (12/23114-9, 15/03986-0, 18/14819-5)

PIMENTEL, BRUNO ALMEIDA; DE CARVALHO, ANDRE C. P. L. F.. A new data characterization for selecting clustering algorithms using meta-learning. INFORMATION SCIENCES, v. 477, p. 203-219, . Citações Web of Science: 2. (16/18615-0, 13/07375-0, 17/20265-0)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

FACELI, Katti. Combinação de métodos de inteligência artificial para fusão de sensores. 2001. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (98/16171-7)

LORENA, Ana Carolina. "Investigação de estratégias para a geração de máquinas de vetores de suporte multiclasses". 2006. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (02/00969-7)

LIBRALON, Giampaolo Luiz. Investigação de combinações de técnicas de detecção de ruído para dados de expressão gênica. 2007. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (04/12231-8)

COSTA, Eduardo de Paula. Investigação de técnicas de classificação hierárquica para problemas de bioinformática. 2008. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (06/02356-3)

ROSSI, André Luis Debiaso. Ajuste de parâmetros de técnicas de classificação por algoritmos bioinspirados. 2009. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (07/01624-7)

BIANCHI, Rodrigo Elias. Extração de conhecimento simbólico em técnicas de aprendizado de máquina caixa-preta por similaridade de rankings. 2008. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (03/00099-5)

CERRI, Ricardo. Técnicas de classificação hierárquica multirrótulo. 2010. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (08/01999-3)

BASGALUPP, Márcio Porto. LEGAL-Tree: um algoritmo genético multi-objetivo para indução de árvores de decisão. 2010. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (06/04751-7)

ROSSET, Mariá Cristina Vasconcelos Nascimento. Metaheurísticas para o problema de agrupamento de dados em grafo. 2010. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (06/04961-1)

SOUZA, Bruno Feres de. Meta-aprendizagem aplicada à classificação de dados de expressão gênica. 2010. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (06/06714-1)

MEDEIROS, Debora Maria Rossi de. Análise de dados por meio de agrupamento fuzzy semi-supervisionado e mineração de textos. 2010. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (04/01539-1)

MANTOVANI, Rafael Gomes. Uso de meta-aprendizado para o ajuste de hiper-parâmetros em problemas de classificação. 2018. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (12/23114-9)

FERNANDES, Everlandio Rebouças Queiroz. Comitês evolucionários para aprendizado desbalanceado. 2018. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (13/11615-6)

BARELLA, Victor Hugo. Técnicas para o problema de dados desbalanceados em classificação hierárquica. 2015. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (13/15856-8)

SOVAT, Ricardo Barz. Uma abordagem híbrida baseada em casos e redes neurais. Uma aplicação: escolha e configuração de modelos de redes neurais. 2002. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (98/06519-6)

BARROS, Rodrigo Coelho. Sobre o projeto automático de algoritmos de indução de árvores de decisão. 2013. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (09/14325-3)

CERRI, Ricardo. Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo. 2013. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (09/17401-2)

ROSSI, André Luis Debiaso. Meta-aprendizado aplicado a fluxos contínuos de dados. 2013. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (08/11569-6)

PISANI, Paulo Henrique. Biometria em um contexto de fluxo de dados. 2017. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (12/25032-0)

SOUSA, Humberto Costa de. Um Framework para criação e simulação de Redes Neurais Artificiais utilizando Component Object Model. 2000. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (98/13395-1)

DINIZ, Helio. Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais. 1999. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (97/13203-2)

VALLIM, Rosane Maria Maffei. Mineração de fluxos contínuos de dados para jogos de computador. 2013. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (10/11250-0)

GARCIA, Luís Paulo Faina. Detecção de ruídos em problemas de classificação. 2016. Tese (Doutorado) – Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (11/14602-7)

VALLIM, Rosane Maria Maffei. Sistemas classificadores evolutivos para problemas multirrótulo. 2009. 85f. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (07/57998-2)

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.
Por favor, reporte erros na informação da página do pesquisador escrevendo para: cdi@fapesp.br.
X

Reporte um problema na página


Detalhes do problema: