Busca avançada
Ano de início
Entree

Léo Françoso Dal Piccol Sotto

CV Lattes


Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. Instituto de Ciência e Tecnologia (ICT)  (Instituição-sede da última proposta de pesquisa)
País de origem: Brasil

Possui graduação em Ciência da Computação pela Universidade Federal de São Paulo (2015), e doutorado em andamento pela Universidade Federal de São Paulo (início em 2016). Tem experiência nas áreas de Computação Evolutiva aplicada em problemas de Aprendizado de Máquina (regressão, classificação, e construção de atributos), design automático de circuitos, e evolução de agentes inteligentes. Tem interesse nas áreas de Computação Evolutiva, Aprendizado de Máquina, aplicações, análise de representações alternativas para Programação Genética, como na Programação Genética Linear e Cartesiana, e Algoritmos de Estimação de Distribuição. (Fonte: Currículo Lattes)

Bolsas no país
Bolsas no Exterior
Apoio FAPESP em números * Quantidades atualizadas em 30/05/2020
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
Publicações resultantes de Auxílios e Bolsas sob responsabilidade do(a) pesquisador(a) (2)

(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)

Publicações2
Citações7
Cit./Artigo3,5
Dados do Web of Science

DAL PICCOL SOTTO, LEO FRANCOSO; DE MELO, VINICIUS VELOSO; BASGALUPP, MARCIO PORTO. -LGP: an improved version of linear genetic programming evaluated in the Ant Trail problem. KNOWLEDGE AND INFORMATION SYSTEMS, v. 52, n. 2, p. 445-465, . Citações Web of Science: 2. (13/20606-0, 16/07095-5)

DAL PICCOL SOTTO, LEO FRANCOSO; DE MELO, VINICIUS VELOSO. Studying bloat control and maintenance of effective code in linear genetic programming for symbolic regression. Neurocomputing, v. 180, n. SI, p. 79-93, . Citações Web of Science: 5. (13/20606-0)

Por favor, reporte erros na informação da página do pesquisador escrevendo para: cdi@fapesp.br.
X

Reporte um problema na página


Detalhes do problema: