CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Leliane Nunes de Barros é Bacharel em Física pela Universidade de São Paulo (1984), mestre em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo - ICMC (1986) e doutora em Sistemas Eletrônicos pela Escola Politécnica da Universidade de São Paulo (EPUSP)(1998). Foi pesquisadora (faculty researcher) do departamento de Ciência da Computação da Universidade de Maryland, USA (1996) (at College Park). Atualmente é professora livre docente da Universidade de São Paulo no departamento de Ciência da Computação do IME. Tem experiência na área de Inteligência Artificial, atuando principalmente nos seguintes temas: planejamento automatizado, planejamento sob incerteza, inteligência artificial na educação e diagnóstico baseado em modelos. Foi convidada para apresentar 2 mini-cursos na área de Planejamento em IA nos principais eventos nacionais de Inteligência Artificial, SBAI 2009 e SBIA 2010. Orientou 5 teses de doutorado e 19 dissertações de mestrado, sendo que duas das teses de doutorados concluídas receberam o prêmio de melhor tese brasileira na área de Inteligência Artificial (SBIA-CTDIA 2010 e SBIA-CTDIA 2008). Leliane possui publicações no principais eventos internacionais da área de Inteligência Artificial (IJCAI, ICAPS, ECAI, UAI e AAAI) e no principal periódico dessa área, Artificial Intelligence Journal. Atualmente atua como coordenadora da Comissão Especial de Inteligência Artificial da SBC. (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 PIB do estado de São Paulo atingiu, em 2019, R$ 2,38 trilhões, com 2.5% de aumento em relação ao ano de 2018. Associado a esse crescimento, observa-se uma queda em alguns indicadores de criminalidade, apoiada pelo uso de um sistema de monitoramento semi automatizado de imagens. Entretanto, ainda persistem significativas demandas para a automatização inteligente do processo de monitoram…
Na área de planejamento probabilístico, para que seja possível resolver eficientemente problemas de tomada de decisão sequencial modelados por processos de decisão markovianos (MDPs), é fundamental manipular conhecimento estocástico definido sobre relações complexas que podem envolver características de transitividade, simetria, recursão, determinismos e independências sensíveis a context…
Planejamento probabilístico é um arcabouço para representar problemas de tomada de decisão em que ações tem efeitos probabilísticos. Devido a sua importância, planejamento probabilístico tem sido estudado em várias áreas de pesquisa, e.g., pesquisa operacional, teoria de controle, economia e robótica. Diferentemente de outras áreas, a inteligência artificial se concentra no estudo de plan…
Problemas de planejamento probabilístico podem ser modelados como MDPs(Processos de Decisão Markovianos). A resolução de um problema é encontrar uma política ótima, isto é, uma função que mapeia estados em ações e que maximiza a recompensa esperada do agente que a seguir. Uma classe de algoritmos bem estudados para o caso de estado inicial e meta conhecido é baseada em RTDP(programação Di…
Este estágio de pesquisa visa estender o formalismo representacional proposto na tese de doutorado do proponente sobre "Processos de Decisão Markovianos especificados através da Programação Lógica Probabilística" para domínios de planejamento com variáveis contínuas e discretas; e investigar soluções algorítmicas eficientes baseadas em raciocínio simbólico e Redes Neurais Profundas. Dados…
Muitos problemas de planejamento podem ser modelados como um processo de decisão markoviano com variáveis discretas e contínuas (Discrete and Continuous Markov Decision Process - DC-MDP), uma generalização de processos de decisão markovianos (Markov Decision Processes - MDPs). Uma vez que são poucas as soluções encontradas na literatura para DC-MDPs, estamos interessados em propor uma nov…