CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade de São Paulo (USP). Escola Politécnica (EP) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Anna Helena Reali Costa é professora titular da Escola Politécnica da Universidade de São Paulo, Brasil. Obteve o doutorado em Engenharia Elétrica pela Escola Politécnica da Universidade de São Paulo, o mestrado e a graduação em Engenharia Elétrica, ambos pelo Centro Universitário FEI, em São Bernardo do Campo, SP. Foi pesquisadora visitante durante seu doutorado, trabalhando em visão computacional e robôs móveis inteligentes, no Institut für Prozessrechentechnik und Robotik (IPR) do Karlsruhe Institute of Technology (KIT), Karlsruhe, Alemanha. Realizou pós-doutorado na integração de planejamento e aprendizagem para robôs móveis inteligentes na Carnegie Mellon University (CMU), EUA. É Diretora do Centro de Ciência de Dados (C2D), parceria entre a USP e o banco Itaú-Unibanco, e pesquisadora do Centro de Inteligência Artificial (C4AI) da USP, parceria entre a USP, a IBM e a FAPESP. É Editora Associada do periódico Engineering Applications of Artificial Intelligence e do Machine Learning and Knowledge Extraction. É membro do Comitê Especial em Inteligência Artificial da Sociedade Brasileira de Computação. Seus interesses principais residem em inteligência artificial, em particular em aprendizagem em tempo real, especialmente o aprendizado por reforço. (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) |
O "offshore of tomorrow" está sendo definido em nossa geração. Despertados pelas mudanças climáticas, fomos conscientizados de que a exploração de combustíveis fósseis para uso exclusivo de energia térmica não pode ser sustentável em um futuro distante. O efeito que a humanidade tem desempenhado na mudança do clima do planeta pela emissão de gases de efeito estufa é uma agenda premente pa…
The program of the 1st. Workshop on Transfer in Reinforcement Learning (TiRL) involves two invited talks, papers presented and discussions on the various topics related to transfer learning (TL) and reinforcement learning (RL). Authors are encouraged to submit to any of the following categories: Research Paper (8 pages in length), in which an original contribution to the field is expected…
Sistemas inteligentes são máquinas que possuem seus próprios objetivos, percebem, respondem e aprendem com base em suas experiências. O Aprendizado por Reforço (RL - Reinforcement Learning) é uma ferramenta poderosa para este fim, pois o sistema aprende autonomamente uma política de atuação por meio de tentativa e erro em repetidas interações com o ambiente. Com este projeto busca-se aume…
Este projeto de pesquisa visa o entendimento científico, o desenvolvimento e o uso das tecnologias necessárias para prover agentes cognitivos com níveis significativos de autonomia, de habilidades perceptuais e de capacidade de raciocinar, de aprender, de resolver problemas, de se adaptar e de tomar decisões, por meio de formalismos apropriados para a representação e uso do conhecimento. …
O Aprendizado por Reforço é uma poderosa ferramenta para treinar agentes inteligentes, uma vez que o aprendizado se dá de forma totalmente autônoma. Este aprendizado é realizado por meio de repetidas interações entre agentes e o ambiente, pelo método de tentativa e erro, até o momento em que os agentes têm informação suficiente para atuar de maneira apropriada para resolver uma determinad…
A transferência do conhecimento adquirido por um robô em experiências anteriores para seu uso e posterior refinamento em novas tarefas é um dos desafios da inteligência artificial. O objetivo deste projeto de pesquisa científica consiste em propor, desenvolver e avaliar métodos de abstração aplicados à transferência de políticas aprendidas em problemas similares para novos problemas não a…
O uso de imagens onidirecionais para extração de atributos e formação de mapas baseados em objetos é um tópico relevante em robótica móvel e visão computacional, uma vez que permitem a captura da cena ao redor do observador, com um grande campo visual. Entretanto, esta vantagem vem acompanhada da dificuldade em processar imagens distorcidas. O estudo de como melhor retificar a imagem obti…
O Aprendizado por Reforço (Reinforcement Learning - RL) é uma solução popular no treinamento de agentes autônomos para a solução de tarefas em ambientes com dinâmica desconhecida. Apesar dos sucessos alcançados por propostas recentes de RL resolvendo tarefas desafiadoras, RL ainda sofre por necessitar uma grande quantidade de interações com o ambiente para aprender uma boa solução. Quando…
Esta pesquisa consiste em estudar modelos de interação da percepção visual em sistemas multi-agentes. Serão estudados e definidos modelos de transferência e fusão adequados para combinar percepções diferentes, distribuídas e incompletas, em ambientes de comunicação limitada, de modo a otimizar a performance de um grupo de agentes autônomos numa tarefa cooperativa. Estes modelos serão defi…