CV Lattes
Google Scholar Citations
Universidade Federal de São Carlos (UFSCAR). Centro de Ciências Exatas e de Tecnologia (CCET) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Graduada em Matemática pela UNESP (1973), com mestrado em Ciência da Computação pelo Instituto de Ciências Matemáticas de São Carlos - Universidade de São Paulo (1977) , mestrado em Computer Science pela University of Oxford (1980), doutorado em Física Computacional pelo Instituto de Física de São Carlos - Universidade de São Paulo (1994) e pós-doutorado em Inteligência Artificial, junto à University of New South Wales, Austrália (1998-2000). Trabalhou como analista de software (1981-1988) atuando nas áreas de desenvolvimento de software, análise e avaliação de desempenho de programas e sistemas e no desenvolvimento e implementação/implantação de segurança lógica em sistemas computacionais. De 1988 a 2009 foi professora junto ao Departamento de Computação da Universidade Federal de S. Carlos, com atuação na graduação e pós-graduação. Tem interesse em pesquisa na área de Inteligência Artificial, com ênfase nas subáreas de métodos e técnicas de aprendizado de máquina e representação de conhecimento. Tem também atuado (a) na investigação de técnicas computacionais inteligentes no controle de sistemas bioquímicos e na modelagem computacional de processos biomoleculares (b) colaborado com levantamentos e pesquisa na área de Educação. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Aprendizado indutivo de máquina é o modelo de aprendizado automático mais bem sucedido e o que mais tem sido implementado, utilizando os mais variados formalismos e técnicas. Este projeto de pesquisa focaliza a investigação de uma classe específica de métodos de aprendizado automático, a dos algoritmos baseados em conceitos da geometria computacional, especificamente aqueles baseados nos …
O primeiro objetivo desse projeto de pesquisa está na investigação do aprendizado indutivo simbólico, a partir de exemplos, usando o modelo de conjuntos aproximados. Além disso, o projeto tem também por objetivo, investigar a abordagem de conjuntos aproximados tratada como uma base para a teoria da evidência de Dempster-Shafer. Lógica Aproximada será abordada com vistas à sua aplicação em…
Investigação da teoria de aprendizado indutivo conhecida como NGE (Nested Generalized Exemplar), procurando evidenciar vantagens e desvantagens dessa abordagem, a efetiva contribuição do tratamento de exceções através de hiperretângulos aninhados, o "bias" da retração de hiperretângulos e as características de domínios que promovem "melhor" e "pior" desempenho do NGE. Proposta de uma vers…
Investigar as possíveis formas de cooperação entre os modelos simbólico e conexionista de aprendizado indutivo de máquina, de maneira a viabilizar, entre outros, o uso de informação simbólica por uma rede neural e um melhor entendimento de suas decisões. (AU)