Márcio Porto Basgalupp nacionalidade brasileira

Universidade Federal de São Paulo

Instituto de Ciência e Tecnologia

Programa de Pós-Graduação: Ciência da Computação

E-Mail: basgalupp@unifesp.br


84
10
Pular gráfico
De 2020 a 2024
Trabalhos publicados

Resumo

é bacharel em Ciência da Computação pela Universidade Federal de Pelotas (2005), mestre em Ciência da Computação pela PUCRS (2007) e doutor em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo (2010). Realizou doutorado sanduíche na University of Kent, na Inglaterra, em 2009, sob supervisão do Dr. Alex A. Freitas. No ano de 2010, realizou pós-doutorado na NTNU (Norwegian University of Science and Technology), na cidade de Trondheim, Noruega. Atualmente, é Prof. Associado II do Instituto de Ciência e Tecnologia da Universidade Federal de São Paulo (UNIFESP), campus São José dos Campos, SP. Foi coordenador e um dos idealizadores do Programa de Pós-Graduação em Ciência da Computação (PPG-CC) do ICT-UNIFESP desde a sua confecção (e consequente abertura do programa, em 2012) até a aprovação do curso de doutorado, que teve início em 2015. Em 2016, ficou mais um período na University of Kent, dessa vez como pós-doutorando. Tem coordenado diversos projetos de pesquisa com financiamento das principais agências de fomento do país, em particular CNPq e FAPESP, tanto no âmbito nacional como internacional. É um dos Pesquisadores Principais do Centro de Pesquisa Aplicada (CPA) em Inteligência Artificial, IARA. Seus principais interesses de pesquisa estão relacionados às áreas de Data Science, Aprendizado de Máquina, Computação Bioinspirada e Cidades Inteligentes. Desde março de 2014, é bolsista de produtividade em pesquisa do CNPq.

Fonte: Lattes CNPq

Nomes em citações bibliográficas

BASGALUPP, M. P.;Basgalupp, Marcio P.;Basgalupp, Márcio P.;BASGALUPP, Márcio P;BASGALUPP, MARCIO R;BASGALUPP, MÁRCIO PORTO;Basgalupp, Marcie P.;Basgalupp, Marcie Porto;Porto Basgalupp, Marcie;BASGALUPP, MARCIO


Exportar dados

Exportar produção no formato BIBTEX


Perfis na web


Tags mais usadas

Pular nuvens de palavras

Idiomas

Espanhol

Compreende razoavelmente, Fala pouco, Lê razoavelmente, Escreve pouco

Inglês

Compreende bem, Fala bem, Lê bem, Escreve bem


Formação

  • Doutorado em Ciências da Computação e Matemática Computacional

    LEGAL-Tree: Um algoritmo genético multiobjetivo para indução de árvores de decisão

    Orientação: André Carlos Ponce de Leon Ferreira de Carvalho

    Universidade de São Paulo

      Desde 2010

  • Mestrado em Ciência da Computação

    Algoritmos genéticos para seleção de atributos em problemas de classificação de processos de negócio

    Orientação: Vera Lúcia Strube de Lima

    Pontifícia Universidade Católica do Rio Grande do Sul

    2005 a 2007

  • Graduação em Bacharelado em Ciência da Computação

    Universidade Federal de Pelotas

    2001 a 2004

  • Produção


    2023


    • Swapping training optimizers and tiny partial datasets to improve performance of lighter neural networks for edge devices

      Trabalhos em eventos

      Autores: Alexandre Moreira Nascimento; Vinícius Veloso de Melo; Márcio Porto Basgalupp

      Conteúdo completo

      2023

      Fonte: Proceedings of the 38th ACM Symposium on Applied Computing

    • A two-step approach to boost neural network generalizability in predicting defective software

      Trabalhos em eventos

      Autores: Alexandre Moreira Nascimento; Vinícius Veloso de Melo; Márcio Porto Basgalupp

      2023

      Fonte: 20th International Conference on Information Technology : New Generations

    • Tuning neural networks for superior accuracy on resource-constrained edge microcontrollers

      Trabalhos em eventos

      Autores: Alexandre Moreira Nascimento; Vinícius Veloso de Melo; Márcio Porto Basgalupp

      2023

      Fonte: 20th International Conference on Information Technology : New Generations

    • A Grammar-based multi-objective neuroevolutionary algorithm to generate fully convolutional networks with novel topologies

      Artigo publicado

      Autores: MIRANDA, THIAGO Z.; SARDINHA, DIORGE B.; NERI, FERRANTE; Márcio Porto Basgalupp; CERRI, RICARDO

      Conteúdo completo

      2023

      Fonte: APPLIED SOFT COMPUTING , v. 149 , p. 110967

    • Automated CNN Optimization using Multi-Objective Grammatical Evolution

      Artigo publicado

      Autores: Cleber A.C.F. da Silva; Daniel Carneiro Rosa; Péricles Barbosa Cunha de Miranda; Tapas Si; CERRI, RICARDO; Márcio Porto Basgalupp

      Conteúdo completo

      2023

      Fonte: APPLIED SOFT COMPUTING , v. 1 , p. 1


    2022


    • A New Grammatical Evolution Method for Generating Deep Convolutional Neural Networks with Novel Topologies

      Trabalhos em eventos

      Autores: MIRANDA, THIAGO ZAFALON; SARDINHA, DIORGE BROGNARA; Márcio Porto Basgalupp; CERRI, RICARDO

      Conteúdo completo

      2022

      Fonte: Proceedings of the 2022 Genetic and Evolutionary Computation Conference

    • An Analysis of the Influence of Noneffective Instructions in Linear Genetic Programming

      Artigo publicado

      Autores: Léo Sotto; ROTHLAUF, FRANZ; Vinícius Veloso de Melo; Márcio Porto Basgalupp

      Conteúdo completo

      2022

      Fonte: EVOLUTIONARY COMPUTATION (ONLINE) , v. 30 , p. 51


    2021


    • Beyond global and local multi-target learning

      Artigo publicado

      Autores: Márcio Porto Basgalupp; CERRI, RICARDO; Leander Schietgat; Isaac Triguero; Celine Vens

      Conteúdo completo

      2021

      Fonte: INFORMATION SCIENCES , p. 508

    • Graph representations in genetic programming

      Artigo publicado

      Autores: Léo Sotto; Paul Kaufmann; Timothy Atkinson; Roman Kalkreuth; Márcio Porto Basgalupp

      Conteúdo completo

      2021

      Fonte: Genetic Programming and Evolvable Machines , v. 1 , p. 1


    2020


    • Generation of consistent sets of multi-label classification rules with a multi-objective evolutionary algorithm

      Trabalhos em eventos

      Autores: MIRANDA, THIAGO ZAFALON; SARDINHA, DIORGE BROGNARA; Márcio Porto Basgalupp; JIN, YAOCHU; CERRI, RICARDO

      Conteúdo completo

      2020

      Fonte: Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion , p. 143

    • A study on graph representations for genetic programming

      Trabalhos em eventos

      Autores: SOTTO, LÉO FRANÇOSO D. P.; KAUFMANN, PAUL; ATKINSON, TIMOTHY; KALKREUTH, ROMAN; Márcio Porto Basgalupp

      Conteúdo completo

      2020

      Fonte: Proceedings of the 2020 Genetic and Evolutionary Computation Conference , p. 931

    • An extensive experimental evaluation of automated machine learning methods for recommending classification algorithms

      Artigo publicado

      Autores: Márcio P. Basgalupp; RODRIGO C. BARROS; DE SÁ, A. G. C.; PAPPA, G. L.; MANTOVANI, R. G.; André Carlos Ponce de Leon Ferreira de Carvalho; Alex A. Freitas

      Conteúdo completo

      2020

      Fonte: Evolutionary Intelligence , v. 14 , p. 1895


    2019


    • Inducing Hierarchical Multi-label Classification rules with Genetic Algorithms

      Artigo publicado

      Autores: Ricardo Cerri; Rodrigo Coelho Barros; Márcio P. Basgalupp; André Carlos Ponce de Leon Ferreira de Carvalho

      Conteúdo completo

      2019

      Fonte: APPLIED SOFT COMPUTING , v. 77 , p. 584


    2018


    • NGA-LP: A Robust and Improved Genetic Algorithm to Detect Communities in Directed Networks

      Trabalhos em eventos

      Autores: FRANCISQUINI, RODRIGO; NASCIMENTO, MARIA C. V.; Márcio Porto Basgalupp

      Conteúdo completo

      2018

      Fonte: 2018 IEEE Congress on Evolutionary Computation (CEC) , p. 1

    • Automatic Design of Evolutionary Algorithms Based on Entropy Triggers

      Trabalhos em eventos

      Autores: RIBEIRODA SILVA, GUILHERME; BASGALUPP, MARCIE P.; Ana Carolina Lorena

      Conteúdo completo

      2018

      Fonte: 2018 IEEE Congress on Evolutionary Computation (CEC) , p. 1

    • Increasing Boosting Effectiveness with Estimation of Distribution Algorithms

      Trabalhos em eventos

      Autores: CAGNINI, HENRY E.L.; Márcio Porto Basgalupp; Barros, Rodrigo C.

      Conteúdo completo

      2018

      Fonte: 2018 IEEE Congress on Evolutionary Computation (CEC) , p. 1

    • Multi-label Feature Selection Techniques for Hierarchical Multi-label Protein Function Prediction

      Trabalhos em eventos

      Autores: CERRI, RICARDO; MANTOVANI, RAFAEL G.; BASGALUPP, MARCIO P.; André Carlos Ponce de Leon Ferreira de Carvalho

      Conteúdo completo

      2018

      Fonte: 2018 International Joint Conference on Neural Networks (IJCNN) , p. 1

    • Extracting Rules for Black Jack Using Machine Learning and Fuzzy Systems

      Trabalhos em eventos

      Autores: CARDOSO, KARLA R.; CINTRA, MARCOS E.; Márcio Porto Basgalupp

      Conteúdo completo

      2018

      Fonte: 2018 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE) , p. 1


    2017


    • Estimation of distribution algorithms for decision-tree induction

      Trabalhos em eventos

      Autores: CAGNINI, HENRY E. L.; Barros, Rodrigo C.; Márcio Porto Basgalupp

      Conteúdo completo

      2017

      Fonte: 2017 IEEE Congress on Evolutionary Computation (CEC) , p. 2022

    • Classification of cocaine dependents from fMRI data using cluster-based stratification and deep learning

      Trabalhos em eventos

      Autores: Jeferson Souza Santos; Ricardo Manhães Savii; Jaime Ide; Chiang-shan Ray Li; Quiles; Márcio Porto Basgalupp

      2017

      Fonte: Computational Science and Its Applications

    • GEEK: Grammatical Evolution for Automatically Evolving Kernel Functions

      Trabalhos em eventos

      Autores: SOUSA, ARUA DE M.; LORENA, ANA C.; Márcio Porto Basgalupp

      2017

      Fonte: 2017 IEEE Trustcom/BigDataSE/ICESS , p. 941

    • $${lambda }$$ λ -LGP: an improved version of linear genetic programming evaluated in the Ant Trail problem

      Artigo publicado

      Autores: Léo Sotto; Vinícius Veloso de Melo; Márcio Porto Basgalupp

      Conteúdo completo

      2017

      Fonte: KNOWLEDGE AND INFORMATION SYSTEMS (ELECTRONIC RESOURCE) , p. 445

    • Automatically Design Distance Functions for Graph-Based Semi-Supervised Learning

      Trabalhos em eventos

      Autores: MIQUILINI, PATRICIA; ROSSI, RAFAEL G.; QUILES, MARCOS G.; MELO, VINICIUS V. DE; Márcio Porto Basgalupp

      2017

      Fonte: 2017 IEEE Trustcom/BigDataSE/ICESS , p. 933


    2016


    • Medoid-based Data Clustering with Estimation of Distribution Algorithms

      Trabalhos em eventos

      Autores: H. CAGNINI; Rodrigo Coelho Barros; Christian V. Quevedo; Márcio Porto Basgalupp

      Conteúdo completo

      2016

      Fonte: Proceedings of the 31st ACM Symposium on Applied Computing

    • An improved λ-Linear Genetic Programming evaluated in solving the Santa Fe Ant Trail problem

      Trabalhos em eventos

      Autores: Léo Sotto; Vinícius Veloso de Melo; Márcio Porto Basgalupp

      Conteúdo completo

      2016

      Fonte: Proceedings of the 31st ACM Symposium on Applied Computing (SAC)

    • Enhancing discrimination power with genetic feature construction: A grammatical evolution approach

      Trabalhos em eventos

      Autores: MIQUILINI, PATRICIA; Barros, Rodrigo C.; DE MELO, VINICIUS V.; Márcio Porto Basgalupp

      Conteúdo completo

      2016

      Fonte: 2016 IEEE Congress on Evolutionary Computation (CEC) , p. 3824


    2015


    • Clustering Molecular Dynamics Trajectories with a Univariate Estimation of Distribution Algorithm

      Trabalhos em eventos

      Autores: Barros, Rodrigo C.; Christian V. Quevedo; Renata de Paris; Márcio Porto Basgalupp

      Conteúdo completo

      2015

      Fonte: 2015 IEEE Congress on Evolutionary Computation (CEC)

    • Evolving Balanced Decision Trees with a Multi-Population Evolutionary Algorithm

      Trabalhos em eventos

      Autores: Vili Podgorelec; Saso Karakatic; Barros, Rodrigo C.; Márcio Porto Basgalupp

      Conteúdo completo

      2015

      Fonte: 2015 IEEE Congress on Evolutionary Computation (CEC)

    • Evolving Decision-Tree Induction Algorithms with a Multi-Objective Hyper-Heuristic

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Barros, Rodrigo C.; Vili Podgorelec

      Conteúdo completo

      2015

      Fonte: Proceedings of the 30th ACM Symposium On Applied Computing (SAC)

    • #Worldcup2014 on Twitter

      Trabalhos em eventos

      Autores: Wilson Seron; Ezequiel Roberto Zorzal; Quiles; Márcio Porto Basgalupp; Fabricio Breve

      2015

      Fonte: Computational Science and Its Applications , p. 447


    2014


    • Construção automática de algoritmos de indução de árvores de decisão: uma abordagem multiobjetiva

      Trabalhos em eventos

      Autores: Melis Mendes; Rodrigo Coelho Barros; Márcio Porto Basgalupp

      2014

      Fonte: Anais do XII Encontro Nacional de Inteligência Artificial e Computacional

    • A grammatical evolution based hyper-heuristic for the automatic design of split criteria

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Barros, Rodrigo C.; Tiago Barabasz

      Conteúdo completo

      2014

      Fonte: Proceedings of the 2014 Conference on Genetic and Evolutionary Computation (GECCO '14) , p. 1311

    • Evolutionary Design of Decision-Tree Algorithms Tailored to Microarray Gene Expression Data Sets

      Artigo publicado

      Autores: Rodrigo Barros; Márcio Basgalupp; Alex Freitas; André Carlos Ponce de Leon Ferreira de Carvalho

      Conteúdo completo

      2014

      Fonte: IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION , v. 18 , p. 873

    • Evolving decision trees with beam search-based initialization and lexicographic multi-objective evaluation

      Artigo publicado

      Autores: Márcio Basgalupp; Rodrigo Barros; André Carlos Ponce de Leon Ferreira de Carvalho; Alex Freitas

      Conteúdo completo

      2014

      Fonte: Information Sciences , v. 258 , p. 160

    • Investigating fitness functions for a hyper-heuristic evolutionary algorithm in the context of balanced and imbalanced data classification

      Artigo publicado

      Autores: Rodrigo C. Barros; BASGALUPP, MÁRCIO P.; André Carlos Ponce de Leon Ferreira de Carvalho

      Conteúdo completo

      2014

      Fonte: Genetic Programming and Evolvable Machines (Print) , v. 16 , p. 241


    2013


    • A grammatical evolution approach for software effort estimation

      Trabalhos em eventos

      Autores: Rodrigo C. Barros; BASGALUPP, MÁRCIO P.; Ricardo Cerri; DA SILVA, TIAGO S.; André Carlos Ponce de Leon Ferreira de Carvalho

      Conteúdo completo

      2013

      Fonte: Proceeding of the fifteenth annual conference on Genetic and evolutionary computation conference - GECCO '13 , p. 1413

    • Software effort prediction

      Trabalhos em eventos

      Autores: BASGALUPP, MÁRCIO P.; Rodrigo C. Barros; DA SILVA, TIAGO S.; André Carlos Ponce de Leon Ferreira de Carvalho

      Conteúdo completo

      2013

      Fonte: Proceedings of the 28th Annual ACM Symposium on Applied Computing - SAC '13 , p. 1109

    • An Oscillatory Correlation Model for Semi-Supervised Classification

      Artigo publicado

      Autores: Quiles; Márcio Porto Basgalupp; Barros, Rodrigo C.

      2013

      Fonte: Learning and Nonlinear Models , v. 11 , p. 3

    • Automatic Design of Decision-Tree Algorithms with Evolutionary Algorithms

      Artigo publicado

      Autores: Rodrigo Coelho Barros; Márcio P. Basgalupp; André Carlos Ponce de Leon Ferreira de Carvalho; Alex A. Freitas

      Conteúdo completo

      2013

      Fonte: EVOLUTIONARY COMPUTATION , v. 21 , p. 659

    • Algoritmos Genéticos em Problemas de Classificação

      Capítulo de livro publicado

      Autores: Márcio Porto Basgalupp; André L. D. Rossi; Ana Carolina Lorena

      2013

      Fonte: Manual de Computação Evolutiva e Metaheurística , p. 381


    2012


    • Predicting software maintenance effort through evolutionary-based decision trees

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Barros, Rodrigo C.; Ruiz, Duncan D.

      Conteúdo completo

      2012

      Fonte: Proceedings of the 27th Annual ACM Symposium on Applied Computing - SAC '12

    • A hyper-heuristic evolutionary algorithm for automatically designing decision-tree algorithms

      Trabalhos em eventos

      Autores: Rodrigo Barros; Márcio Basgalupp; André Carlos Ponce de Leon Ferreira de Carvalho; Alex Freitas

      Conteúdo completo

      2012

      Fonte: Proceedings of the fourteenth international conference on Genetic and evolutionary computation conference (GECCO '12) , p. 1237

    • Um Modelo de Correlação Oscilatória para Classificação Semi-Supervisionada

      Trabalhos em eventos

      Autores: Quiles; Márcio Porto Basgalupp; Barros, Rodrigo C.

      2012

      Fonte: Anais do X Encontro Nacional de Inteligência Artificial (ENIA)

    • A Survey of Evolutionary Algorithms for Decision Tree Induction

      Artigo publicado

      Autores: Rodrigo Barros; Márcio Basgalupp; André Carlos Ponce de Leon Ferreira de Carvalho; Alex Freitas

      Conteúdo completo

      2012

      Fonte: IEEE Transactions on Systems, Man and Cybernetics. Part C, Applications and Reviews , v. 42 , p. 291

    • Automatic Design of Decision-Tree Induction Algorithms Tailored to Flexible-Receptor Docking Data

      Artigo publicado

      Autores: Rodrigo Barros; Ana T. Winck; Karina Machado; Márcio Basgalupp; André Carlos Ponce de Leon Ferreira de Carvalho; Duncan Ruiz; Osmar Norberto de Souza

      Conteúdo completo

      2012

      Fonte: BMC Bioinformatics , v. 13 , p. 310

    • A Beam Search based Decision Tree Induction Algorithm

      Capítulo de livro publicado

      Autores: Márcio Porto Basgalupp; Rodrigo Coelho Barros; André C. P. L. F. de Carvalho; Alex A. Freitas

      Conteúdo completo

      2012

      Fonte: Machine Learning Algorithms for Problem Solving in Computational Applications: Intelligent Techniques , p. 1

    • Clus-DTI: Improving Decision-Tree Classification with a Clustering-based Decision-Tree Induction Algorithm

      Artigo publicado

      Autores: Rodrigo Barros; Márcio Basgalupp; M.Quiles; André Carlos Ponce de Leon Ferreira de Carvalho

      Conteúdo completo

      2012

      Fonte: Journal of the Brazilian Computer Society (Impresso) , v. 18 , p. 351


    2011


    • Towards the Automatic Design of Decision Tree Induction Algorithms

      Trabalhos em eventos

      Autores: Rodrigo Barros; Márcio Basgalupp; André Carlos Ponce de Leon Ferreira de Carvalho; Alex Freitas

      Conteúdo completo

      2011

      Fonte: 1st Workshop on Evolutionary Computation for Designing Generic Algorithms - GECCO 2011 , p. 1

    • Um algoritmo de indução de árvore de decisão baseado em agrupamento

      Trabalhos em eventos

      Autores: Rodrigo Barros; Márcio Basgalupp; André Carlos Ponce de Leon Ferreira de Carvalho; M.Quiles

      2011

      Fonte: Anais do IX Encontro Nacional de Inteligência Artificial (ENIA) , p. 1

    • Evolutionary model trees for handling continuous classes in machine learning

      Artigo publicado

      Autores: Rodrigo Coelho Barros; Márcio Porto Basgalupp; Duncan Ruiz

      Conteúdo completo

      2011

      Fonte: Information Sciences , v. 181 , p. 954

    • A clustering-based decision tree induction algorithm

      Trabalhos em eventos

      Autores: Barros, Rodrigo C.; DE CARVALHO, ANDRE C. P. L. R; Márcio Porto Basgalupp; QUILES, MARCOS G.

      Conteúdo completo

      2011

      Fonte: 2011 11th International Conference on Intelligent Systems Design and Applications , p. 543


    2010


    • Evolutionary Model Tree Induction

      Trabalhos em eventos

      Autores: Rodrigo Barros; Márcio Basgalupp; Duncan Ruiz; André Carlos Ponce de Leon Ferreira de Carvalho; Alex Freitas

      Conteúdo completo

      2010

      Fonte: Proceedings ACM SAC 2010 , p. 1131


    2009


    • LEGAL-tree: a lexicographic multi-objective genetic algorithm for decision tree induction

      Trabalhos em eventos

      Autores: Márcio Basgalupp; Rodrigo Barros; André Carlos Ponce de Leon Ferreira de Carvalho; Alex Freitas; Duncan Ruiz

      Conteúdo completo

      2009

      Fonte: Proceedings of the 2009 ACM symposium on Applied Computing , p. 1085

    • Issues on Estimating Software Metrics in a Large Software Operation

      Trabalhos em eventos

      Autores: Barros, Rodrigo C.; Márcio Porto Basgalupp; Nélson Tenório; Duncan Ruiz; Karin Becker

      Conteúdo completo

      2009

      Fonte: proceedings of 32nd Annual IEEE Software Engineering Workshop

    • Lexicographic multi-objective evolutionary induction of decision trees

      Artigo publicado

      Autores: Márcio Basgalupp; André Carlos Ponce de Leon Ferreira de Carvalho; Rodrigo Barros; Duncan Ruiz; Alex Freitas

      Conteúdo completo

      2009

      Fonte: International Journal of Bio-Inspired Computation (Print) , v. 1 , p. 105


    2007


    • Seleção de atributos genética em classificação de processos de negócio

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Karin Becker; André C. P. L. F. de Carvalho

      2007

      Fonte: Anais do XIII Brazilian Symposium on Multimedia and the Web


    2006


    • A Study of Multi-Objective Fitness Functions for a Feature Selection Genetic Algorithm

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Karin Becker; Duncan Dubugras Ruiz

      2006

      Fonte: Proceedings of the Second Workshop on Feature Selection for Data Mining: Interfacing Machine Learning and Statistics , p. 123

    • MODELLING AND FORECAST OF THE ANNUAL RAINFALL AT PELOTAS, RIO GRANDE DO SUL, BRAZIL

      Trabalhos em eventos

      Autores: João Baptista da Silva; Ivan Saraiva; Márcio Porto Basgalupp

      2006

      Fonte: Abstracts of the XIII International Biometric Conference , p. 229

    • ALGORITMOS GENÉTICOS PARA SELEÇÃO DE ATRIBUTOS EM CLASSIFICAÇÃO DE PROCESSOS DE NEGÓCIO

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Karin Becker

      2006

      Fonte: Anais do XXI Simpósio Brasileiro de Banco de Dados (SBBD 2006)

    • MODELLING AND FORECAST OF THE ANNUAL RAINFALL AT PELOTAS, RIO GRANDE DO SUL, BRAZIL

      Trabalhos em eventos

      Autores: João Baptista da Silva; Márcio Porto Basgalupp; Ivan Saraiva

      2006

      Fonte: Anais do XV Congresso Mexicano de Meteorologia , p. 93


    2005


    • ANÁLISE DAS CHUVAS MENSAIS POR MODELOS DE BOX & JENKINS: UM ESTUDO PRELIMINAR

      Trabalhos em eventos

      Autores: João Baptista da Silva; Ivan Saraiva; Márcio Porto Basgalupp

      2005

      Fonte:

    • PREVISÃO DAS CHUVAS DO MÊS DE OUTUBRO EM PELOTAS, RS, USANDO UMA REDE NEURAL MLP COM CONFIGURAÇÃO OTIMIZADA POR ALGORITMOS GENÉTICOS

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Mário Lúcio Mesquita Machado; João Artur de Souza; João Baptista da Silva

      2005

      Fonte:

    • ANÁLISE DAS CHUVAS MENSAIS EM PELOTAS, RS, USANDO MODELOS DE BOX & JENKINS: UM ESTUDO PRELIMINAR

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Ivan Saraiva; João Baptista da Silva

      2005

      Fonte: Anais , p. 76

    • ANÁLISE DAS CHUVAS MENSAIS EM PELOTAS, RS, USANDO MODELOS DE BOX & JENKINS

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Ivan Saraiva; Joao Baptista da Silva

      2005

      Fonte: Anais do III Congresso Cubano de Meteorologia , p. 8

    • UTILIZAÇÃO DAS TÉCNICAS DE REDES NEURAIS ARTIFICIAIS E ALGORITMOS GENÉTICOS PARA MODELAGEM E PREVISÃO DE PRECIPITAÇÕES PLUVIAIS EM PELOTAS, RS, BRASIL

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Mário Lúcio Mesquita Machado; João Artur de Souza; João Baptista da Silva

      2005

      Fonte: ANAIS DO IX CONGREMET. BUENOS AIRES , p. 87

    • COMPORTAMENTO DAS PRECIPITAÇÕES PLUVIAIS MENSAIS EM PELOTAS, RIO GRANDE DO SUL

      Artigo publicado

      Autores: João Baptista da Silva; Márcio Porto Basgalupp; Sheila Radmann da Paz

      2005

      Fonte: Revista Brasileira de Agrometeorologia , v. 13 , p. 55

    • ANÁLISE DO COMPORTAMENTO DAS CHUVAS EM ALGUMAS LOCALIDADES DO SEMI ÁRIDO DO NORDESTE BRASILEIRO

      Artigo publicado

      Autores: João Baptista da Silva; Felipe Böhm Cunha; Sheila Radmman da Paz; Márcio Porto Basgalupp

      2005

      Fonte: Revista Brasileira de Agrometeorologia , v. 13 , p. 73


    2004


    • Chuvas Anuais em Pelotas, RS: Análise Espectral

      Trabalhos em eventos

      Autores: Joao Baptista da Silva; Márcio Porto Basgalupp; Diego Oliveira de Souza; Nathalie Boiaski; Marta Pereira Llopart

      2004

      Fonte: Meteorologia e o Desenvolvimento Sustentável

    • Estimativa do Potencial Eólico do Estado do Rio Grande do Sul - Parte I

      Trabalhos em eventos

      Autores: Joao Baptista da Silva; Diego Oliveira de Souza; Márcio Porto Basgalupp; Nathalie Boiaski; Marta Pereira Llopart

      2004

      Fonte: Meteorologia e o Desenvolvimento Sustentável

    • Radiação Solar em Pelotas, RS - Tabelas de Probabilidades das Médias Pentadais

      Trabalhos em eventos

      Autores: Joao Baptista da Silva; Nathalie Boiaski; Marta Pereira Llopart; Márcio Porto Basgalupp; Diego Oliveira de Souza

      2004

      Fonte: Meteorologia e o Desenvolvimento Sustentável

    • Temperatura Máxima do Ar em Pelotas, RS - Tabelas de Probabilidades das Médias das Máximas Pentadais

      Trabalhos em eventos

      Autores: Joao Baptista da Silva; Marta Pereira Llopart; Nathalie Boiaski; Márcio Porto Basgalupp; Diego Oliveira de Souza

      2004

      Fonte: Meteorologia e o Desenvolvimento Sustentável

    • Temperatura Média do Ar em Pelotas, RS - Tabelas de Probabilidades das Máximas Absolutas Pentadais

      Trabalhos em eventos

      Autores: Joao Baptista da Silva; Marta Pereira Llopart; Nathalie Boiaski; Diego Oliveira de Souza; Márcio Porto Basgalupp

      2004

      Fonte: Meteorologia e o Desenvolvimento Sustentável

    • ANÁLISE ESTATÍSTICA DAS CHUVAS ANUAIS EM PELOTAS, RS.

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; João Baptista da Silva

      2004

      Fonte:

    • Análise da Melhor Opção de Ferramenta de Middleware para Extração de Dados do Orkut

      Trabalhos em eventos

      Autores: Hugo Vares Vieira; Márcio Porto Basgalupp; Flávia Azambuja

      2004

      Fonte: Anais do XIII Congresso de Iniciação Científica

    • Análise da Solução do Problema do Caixeiro Viajante através do Uso de um Algoritmo Genético

      Trabalhos em eventos

      Autores: Letícia Marins; Ana Paula Lemke; Márcio Porto Basgalupp; Ricardo Azambuja Silveira

      2004

      Fonte: Anais do XIII Congresso de Iniciação Científica

    • Uso de Redes Neurais na Modelagem e Previsão das Chuvas Mensais em Pelotas, RS

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; João Artur de Souza; Gertrudes Aparecida Dandolini; Joao Baptista da Silva

      2004

      Fonte: Anais do XIII Congresso de Iniciação Científica

    • Análise Espectral das Chuvas Anuais em Pelotas, RS

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Joao Baptista da Silva

      2004

      Fonte: Anais do XIII Congresso de Iniciação Científica

    • Modelagem e Previsão das Precipitações Pluviais em Pelotas, RS: Análise Harmônica

      Trabalhos em eventos

      Autores: Joao Baptista da Silva; Márcio Porto Basgalupp; Diego Oliveira de Souza; Nathalie Boiaski; Marta Pereira Llopart

      2004

      Fonte: Agrometeorología y seguridad alimentaria en América Latina

    • Probabilidades de Ocorrência da Radiação Solar Média em Pelotas, RS

      Trabalhos em eventos

      Autores: Joao Baptista da Silva; Nathalie Boiaski; Marta Pereira Llopart; Márcio Porto Basgalupp; Diego Oliveira de Souza

      2004

      Fonte: Agrometeorología y seguiridad alimentaria en Améria Latina

    • Tabelas de Probabilidades da Temperatura Média do Ar em Pelotas, RS

      Trabalhos em eventos

      Autores: Joao Baptista da Silva; Marta Pereira Llopart; Nathalie Boiaski; Diego Oliveira de Souza; Márcio Porto Basgalupp

      2004

      Fonte: Agrometeorología y seguridad alimentaria en América Latina


    2003


    • Análise Estatística das Chuvas Mensais em Pelotas, RS: Uma Abordagem no Domínio da Freqüência

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Joao Baptista da Silva; Sheila R da Paz

      2003

      Fonte: Anais do XII Congresso de Iniciação Científica

    • Análise Espectral das Chuvas Anuais em Pelotas, RS

      Trabalhos em eventos

      Autores: Márcio Porto Basgalupp; Joao Baptista da Silva

      2003

      Fonte: Anais do XII Congresso de Iniciação Científica

    • Análise Harmônica das Chuvas Mensais em Pelotas, RS

      Trabalhos em eventos

      Autores: João Baptista da Silva; Sheila Radmann da Paz; Márcio Porto Basgalupp

      2003

      Fonte: Situação Atual e Perspectivas da Agrometeorologia , p. 721

    • Modelagem das Chuvas Trimestrais no Semi-Árido do Nordeste Brasileiro

      Trabalhos em eventos

      Autores: João Baptista da Silva; Felipe B Cunha; Sheila Radmann da Paz; Márcio Porto Basgalupp

      2003

      Fonte: Situação Atual e Perspectivas da Agrometeorologia , p. 869

    Atuações

    Universidade Federal de São Paulo

    • Prof. Associado

      Desde 2010

    Computational Intelligence (Online)

    • Revisor de periódico

      Desde 2011

    Computational Intelligence

    • Revisor de periódico

      Desde 2011

    Information Sciences

    • Revisor de periódico

      Desde 2012

    IEEE Transactions on Evolutionary Computation

    • Revisor de periódico

      Desde 2012

    Neurocomputing (Amsterdam)

    • Revisor de periódico

      Desde 2012

    Scientific Reports Nature

    • Revisor de periódico

      Desde 2020

    Universidade de São Paulo

    • Desde 2022

    Universidade Federal de São Carlos

    • 2016 a 2018

    Intelligent Data Analysis

    • Membro de corpo editorial

      Desde 2022

    Universidade Federal de Pernambuco

    • Desde 2022

    Ensino

    Orientações e supervisões

    Tese de doutorado em andamento

    • Alexandre Moreira Nascimento.

      Construção automatizada de modelos de Dinâmica de Sistemas

      Ciência da Computação

      Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

      Universidade Federal de São Paulo

      Desde 2019

    • Thiago Zafalon Miranda

      Geração de Redes Neurais Profundas com Algoritmos Evolutivos

      Ciência da Computação

      Universidade Federal de São Carlos

      Desde 2021

    Dissertação de mestrado em andamento

    • Pedro Henrique Pontes Gonçalves

      Automatização de processos em operações de cartões de crédito utilizando técnicas de aprendizado de máquina

      Engenharia de Produção

      Universidade Estadual Paulista Júlio de Mesquita Filho

      Desde 2020

    • Leandro Oliveira da Silva

      Técnicas de reamostragem para PLN

      Programa de Pós-Graduação em Ciência da Computação

      Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

      Universidade Federal de São Palulo - Campus São José dos Campos

      Desde 2023

    Tese de doutorado concluídas

    • Severino Pinto dos Santos

      Investigação da Fusão da Técnica de Controle Fuzzy e/ou SDRE/H Visando Projetar um Controlador Robusto para um Satélite Rígido-Flexível

      ENGENHARIA E TECNOLOGIA ESPACIAIS

      Instituto Nacional de Pesquisas Espaciais

      Concluído em 2015

    • Léo Françoso Dal Piccol Sotto

      Development of Estimation of Distribution Algorithms for Linear Genetic Programming

      Ciência da Computação

      Fundação de Amparo à Pesquisa do Estado de São Paulo

      Universidade Federal de São Paulo

      Concluído em 2020

    Dissertação de mestrado concluídas

    • Melis Mendes Silva

      Construção automática de algoritmos de indução de árvores de decisão: uma abordagem multiobjetiva

      Programa de Pós-Graduação em Ciência da Computação

      Universidade Federal de São Paulo - São José dos Campos

      Concluído em 2015

    • Aruã de Mello Sousa

      Construção Automática de Funções de Kernel para Support Vector Machines por meio de Evolução Gramatical

      Ciência da Computação

      Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

      Universidade Federal de São Paulo

      Concluído em 2017

    • Patrícia Miquilini

      Evolução Gramatical para Construção Automática de Funções de Dissimilaridade no Contexto de Aprendizado Semissupervisionado

      Programa de Pós-Graduação em Ciência da Computação

      Fundação de Amparo à Pesquisa do Estado de São Paulo

      Universidade Federal de São Palulo - Campus São José dos Campos

      Concluído em 2017

    • Jeferson Souza Santos

      Um estudo sobre redes profundas aplicadas a dados de fMRI

      Ciência da Computação

      Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

      Universidade Federal de São Paulo

      Concluído em 2016

    Gestão

    Pesquisa

    Universidade Federal de São Paulo

    • Programação Genética para evolução de algoritmos de indução de árvores de decisão

      Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de mineração de dados. Geralmente, algoritmos de indução de árvores de decisão usam uma estratégia gulosa, \emph{top down} e com particionamento recursivo para a construção das árvores. No entanto, há pelo menos dois problemas relacionados a essas características: (i) estratégias gulosas geralmente produzem soluções ótimas locais ao invés de globais, (ii) particionamento recursivo degrada iterativamente a qualidade do \emph{dataset} e, consequentemente, a qualidade dos resultados obtidos. Para lidar com essas dificuldades, diferentes abordagens foram sugeridas, tais como \emph{Options Trees}, \emph{ensembles} (ex: \emph{boosting} e \emph{bagging}), e algoritmos evolutivos. No entanto, tais algoritmos evolutivos são usados para evoluir árvores de decisão específicas para cada problema de classificação, e não para evoluir algoritmos genéricos para indução de árvores de decisão para qualquer problema de classificação. Uma das subáreas de algoritmos evolutivos, a Programação Genética (PG) é uma ferramenta adequada para evoluir programas de computadores. Um programa evoluído por Programação Genética pode produzir a mesma solução desenvolvida por um humano para solucionar um problema, mas também pode produzir algo completamente diferente e talvez melhor. Nesse contexto, o objetivo deste projeto é estudar programação genética com o intuito de utilizá-la para evoluir algoritmos de indução de árvores de decisão. A ideia é evoluir algoritmos genéricos para indução de árvores de decisão, ou seja, o resultado final da PG será um algoritmo de indução árvores de decisão, e não apenas uma árvore de decisão. Nesse sentido, pode-se considerar um algoritmo de \emph{meta-learning}, pois o objetivo é aprender um algoritmo de aprendizagem.

      2011 a 2015

    • Aprendizado Semi-Supervisionado Dinâmico Baseado em Grafos

      O desenvolvimento de técnicas que possam "aprender" com base na observação do ambiente é um dos grandes objetivos da área de Aprendizado de Máquina. Para a construção de classificadores, as técnicas tradicionais de aprendizado de máquina necessitam de uma grande quantidade de dados rotulados a fim de induzir um bom classificador. Estes dados rotulados são geralmente caros de serem obtidos, principalmente quando envolvem a rotulação manual por parte de um especialista. Por outro lado, a aquisição de dados não rotulados pode ser uma tarefa simples em diversos domínios. Recentemente, uma nova vertente da área de aprendizado de máquina, denominada aprendizado semi-supervisionado, tem se destacado como uma linha bastante promissora. Esta forma de aprendizado utiliza tanto dados rotulados como dados não rotulados na geração de classificadores. Outro tópico importante relacionado ao tratamento de dados está na forma dinâmica como esses podem são obtidos, pois, no mundo real, os dados não são estáticos, mas sofrem alterações continuamente. Nesse contexto, este projeto tem como objetivo principal o desenvolvimento de novos modelos de aprendizado semi-supervisionado capazes de tratar dados dinâmicos sem a necessidade de um processo de reaprendizagem. Como base para o desenvolvimento desta pesquisa, alguns modelos com dinâmica espaço-temporal em grafos, como a sincronização de neurônios e a competição de partículas, serão considerados..

      Autores: Márcio Porto Basgalupp, André C. P. L. F. de Carvalho, Rodrigo Coelho Barros, Alex A. Freitas, Marcos G. Quiles, Vili Podgorelec, Márcio Porto Basgalupp, Zhao Liang, Marcos G. Quiles, Elbert Macau

      2011 a 2013

    • Aprendizado Semi-Supervisionado Dinâmico e Ativo Baseado em Redes Complexas

      Este projeto tem como objetivo principal o desenvolvimento de novas técnicas de aprendizado semi-supervisionado baseadas em redes para conjuntos de dados dinâmicos. Para o desenvolvimento dessas técnicas, serão utilizadas propriedades das redes complexas que representarão os dados e modelos computacionais dinâmicos para propagação dos rótulos. Das redes complexas serão extraídas medidas a serem utilizadas como parâmetros de seleção de vértices. Essa seleção terá duas finalidades: indicar ao especialista quais exemplos necessitam de rotulação (aprendizado ativo) e a quais vértices da rede os novos exemplos serão conectados (crescimento dinâmico da rede). A propagação dos rótulos na rede (classificação semi-supervisionada) será realizada por modelos computacionais dinâmicos, com enfoque nos modelos de competição de partículas e modelos de sincronização de neurônios. A partir dos estudos realizados ao longo deste projeto e com o desenvolvimento das novas técnicas, espera-se gerar contribuições originais em três linhas: 1) uma proposta de representação em redes de conjuntos de dados dinâmicos; 2) desenvolvimento de técnicas capazes de tratar dados dinâmicos; e 3) utilização do aprendizado ativo utilizando propriedades das redes complexas como forma de otimizar o trabalho do especialista no processo de rotulação.

      Autores: Márcio Porto Basgalupp, Zhao Liang, Marcos G. Quiles

      2012 a 2017

    • Construção automática de medidas de split para indução de árvores de decisão

      Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de mineração de dados. Geralmente, algoritmos de indução de árvores de decisão usam uma estratégia gulosa, top-down e com particionamento recursivo dos conjuntos de dados para a construção das árvores. Uma das questões chave dos algoritmos top-down para indução de árvores de decisão é a escolha do(s) melhor(es) atributo(s) para dividir um conjunto de dados em subconjuntos de acordo com a medida de split empregada. A literatura dispõe de uma grande quantidade de trabalhos que são dedicados ao projeto e à investigação de novas medidas de split, no entanto, até onde se sabe, todas essas medidas foram propostas por humanos, manualmente. Por outro lado, algoritmos de Programação Genética (PG) têm sido empregados para construção automática de funções matemáticas em várias aplicações, e têm cada vez mais se mostrado capaz de produzir automaticamente funções similares e até melhores que o seres-humanos. No entanto, não foi encontrado na literatura nenhum trabalho que evolua funções matemáticas que representem medidas de split para construção de árvores de decisão. Nesse contexto, este projeto propõe o desenvolvimento de um algoritmo de Programação Genética, em particular baseada em gramática (GGP, do inglês Grammar-based Genetic Programming) para a construção automática de medidas de split a serem incorporadas nos principais algoritmos top-down de indução de árvores de decisão.

      Autores: Márcio Porto Basgalupp, André C. P. L. F. de Carvalho, Alex A. Freitas, Barros, Rodrigo C., DA SILVA, TIAGO S., Gisele Lobo Pappa

      2013 a 2016

    • Projeto automatizado de meta-heurísticas para otimização global

      Ao longo dos últimos anos, diversas meta-heurísticas têm sido propostas para a resolução de vários tipos de problemas. Em geral, as meta-heurísticas utilizam operações que combinam soluções atuais para gerar novas soluções com o intuito de encontrar soluções cada vez melhores ao longo das iterações. Uma maneira de melhorar o desempenho de meta-heurísticas é desenvolver novos procedimentos operadores explorem melhor o espaço de pesquisa e evitem ou escapem de regiões denominadas ótimos locais. Outra possibilidade é adicionar estratégias para que as meta-heurísticas sejam adaptativas, alterando seu comportamento automaticamente ao longo do processo de otimização. O desenvolvimento desses novos componentes (procedimentos operadores e estratégias adaptativas) é uma tarefa difícil que requer um grande esforço dos pesquisadores, podendo levar dias, semanas ou meses. Essa tarefa geralmente exige criatividade e conhecimento de fundo do pesquisador para identificar alguma informação extra que possa melhorar o desempenho da meta-heurística. Depois de identificada, essa informação deve ser inserida de alguma maneira que seja eficaz na criação de soluções de melhor qualidade, o que também pode requerer grande esforço e criatividade do pesquisador. Caso essa nova informação seja empregada de maneira inadequada, a alteração pode, inclusive, apresentar resultados inferiores aos daqueles gerados sem ela. Por esses motivos, uma linha de pesquisa tem sido cada vez mais investigada nos últimos anos: hiper-heurísticas. Com técnicas dessa natureza é possível automatizar a criação de algoritmos diversos, tirando do pesquisador a tarefa de encontrar essa melhoria por meio de tentativa e erro. Face ao exposto, neste projeto objetiva-se desenvolver uma ferramenta para auxiliar no projeto automatizado de meta-heurísticas para otimização global. Contudo, em vez de fazer seleção automática de componentes previamente criados e codificados, como é comumente empregado na literatura, a ferramenta proposta para este projeto deverá ser capaz de criar códigos, substituindo parte do trabalho manual que o pesquisador precisa fazer na composição do componente, experimentação e avaliação de resultados. As meta-heurísticas resultantes poderão superar significativamente as meta-heurísticas originais, trazendo ganhos consideráveis na resolução de problemas de otimização.

      Autores: Márcio Porto Basgalupp, Vinícius Veloso de Melo, Grazieli Luiza Costa Carosio, Alexandre Cláudio Botazzo Delbem

      2013 a 2017

    • Hiper-heurísticas evolutivas para construção automática de algoritmos de Aprendizado de Máquina

      No contexto de aprendizado de máquina, as árvores de decisão constituem uma alternativa natural aos poderosos métodos do tipo "caixa-preta", tais como SVM e Redes Neurais Artificiais, devido à facilidade de compreensão de suas decisões, as quais são semelhantes à forma do raciocínio humano. Além da interpretabilidade, os algoritmos de indução de árvores de decisão também apresentam outras vantagens, tais como como robustez a ruídos, baixo custo computacional e capacidade para lidar com atributos redundantes. No entanto, a busca pela árvore de decisão ótima para um determinado conjunto de dados é considerada uma tarefa difícil, e com isso heurísticas se tornaram essenciais para tratar o problema em tempo hábil. Dentre as heurísticas propostas na literatura, nenhuma tem obtido tanto sucesso em gerar árvores de decisão compreensivas, precisas (em ternos de acurácia) e com baixo esforço computacional como a estratégia de indução top-down. Tendo em vista a imensa gama de trabalhos nos últimos 40 anos propondo novos design components - todos manualmente desenvolvidos por humanos - o presente projeto destaca uma ótima oportunidade para que sejam desenvolvidas novas abordagens para construção automática de algoritmos de aprendizado de máquina. Nesse contexto, o presente projeto propõe o desenvolvimento de algoritmos evolutivos de programação genética e evolução gramatical como híper-heurísticas para construção automática de algoritmos de indução de árvores de decisão. Adicionalmente, o presente projeto visa também contribuir na construção automática de design components específicos de algoritmos top-down de indução de árvores de decisão, tais como funções de split e métricas utilizadas em métodos de poda (pruning).

      Desde 2014

    • Hiper-heurísticas para Construção de Algoritmos de Indução de Árvores de Decisão em Problemas de Classificação Hierárquica Multirrótulo

      Problemas de Classificação Hierárquica Multirrótulo são problemas de classificação complexos, nos quais as classes envolvidas no problema são estruturadas em uma hierarquia contendo centenas ou até milhares de classes. Adicionalmente, exemplos sendo classificados podem ser atribuídos simultaneamente a mais de um caminho dessa hierarquia. Esses problemas são muito comuns, por exemplo em tarefas de predição de funções de proteínas e anotação de imagens médicas. Dentre os diferentes algoritmos que podem ser utilizados nesses problemas, estão os algoritmos de indução de árvores de decisão, por sua robustez e eficiência, além de produzirem modelos interpretáveis e com taxas de acerto satisfatórias. Apesar disso, ainda há muitas questões em aberto sobre a utilização desses algoritmos no contexto de problemas de classificação hierárquica multirrótulo, como por exemplo quais critérios de parada e de poda utilizar, qual tipo de divisão utilizar em um nó interno, e como considerar os relacionamentos entre as classes. Além disso, até agora apenas a estratégia de indução top-down foi utilizada. Dadas essas muitas possibilidades de configuração, esse projeto tem por objetivo implementar uma hiper-heurítica para a construção de algoritmos de indução de árvores de decisão aplicados em problemas de classificação hierárquica multirrótulo. Ao contrário das meta-heurísticas, as hiper-heurísticas operam em um nível maior de abstração, podendo ser utilizadas na procura das melhores combinações de componentes no espaço de possibilidades, componentes esses utilizados para a construção de algoritmos de indução de árvores de decisão.

      Autores: Márcio Porto Basgalupp

      2015 a 2017

    • Hyper-heuristics and Decision Trees for Hierarchical Multi-label Classification Problems

      Hierarchical Multi-label Classification (HMC) is a complex problem, in which classes involved are structured in a hierarchy with hundreds or even thousands of classes. Additionally, instances can be simultaneously classified into more than one path in this hierarchy. These problems are very common, for example, in protein function prediction and annotation of medical images. Among the different algorithms that can be used in these problems, decision tree induction algorithms are a good choice, due their robustness and efficiency, and also because they produce interpretable models with satisfactory performances. However, there are still many open questions about the use of these algorithms in the HMC context, such as which stop and prune criteria to use, which split to use in an internal node, and how to consider the relationships between classes. In addition, only the top-down strategy was used until now. Given such many configuration possibilities, this project aims at implementing a hyper-heuristic for the construction of decision tree induction algorithms, tailored to HMC problems. In contrast to meta-heuristics, hyper-heuristics operate in a higher abstraction level, being used in the search for the best combination of components in the space of possibilities. These components are used to construct the decision tree induction algorithms.

      Autores: Márcio Porto Basgalupp, Ricardo Cerri, Celine Vens, Leander Schietgat, Márcio Porto Basgalupp, CERRI, RICARDO, Leander Schietgat

      2016 a 2016

    • Hiper-heurísticas multi-objetivas para construção automática de algoritmos de indução de árvores de decisão com múltiplos testes

      Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de aprendizado de máquina e mineração de dados, principalmente em virtude da facilidade de interpretação do conhecimento adquirido. Em contraste com os algoritmos tradicionais de indução de árvores de decisão - todos manualmente desenvolvidos por humanos - o algoritmo HEAD-DT constitui uma abordagem de hiper-heurística evolutiva para construção automática de algoritmos de indução de árvores de decisão. HEAD-DT trabalha sobre diversos componentes manualmente desenvolvidos para indução de árvores de decisão, combinando os componentes mais adequados para o problema em questão. Recentemente, foi introduzido o conceito de árvores de decisão com múltiplos testes (MTDT, do inglês Multi-Test Decision Trees), uma nova forma de representação de árvores de decisão. Nas MTDT, cada nó da árvore pode ser composto por múltiplos testes univariados, o que pode ser visto como um caso intermediário (em termos de interpretabilidade) entre as árvores de decisão univariadas e as árvores de decisão multivariadas. Em relação aos algoritmos tradicionais de árvores de decisão univariadas, os algoritmos de indução das MTDT possuem certas particularidades. O critério de split é um exemplo claro, em que pode ser conduzido por um mecanismo de votação majoritária em que todos os testes univariados têm a mesma importância. No entanto, diversas outras estratégias podem ser desenvolvidas para realizar essa tarefa. Nesse contexto, o presente projeto propõe estender o algoritmo HEAD-DT em dois principais aspectos: (i) construir automaticamente algoritmos de indução de árvores de decisão com múltiplos testes, e algumas extensões; e (ii) adotar três abordagens multi-objetivas para guiar o processo evolutivo. Embora muitos trabalhos utilizem algoritmos evolutivos para indução de árvores de decisão, o que se propõe aqui é algo totalmente diferente, pois a ideia é evoluir algoritmos genéricos para indução de árvores de decisão de múltiplos testes, ou seja, o resultado final do método será um algoritmo de indução, e não apenas uma árvore de decisão. Isso caracteriza um algoritmo de meta-learning, pois o objetivo é aprender um algoritmo de aprendizagem.

      Autores: Márcio Porto Basgalupp, André C. P. L. F. de Carvalho, Alex A. Freitas, Barros, Rodrigo C.

      2016 a 2018

    • Construção automática de algoritmos de indução de árvores de decisão com híper-heurística multi-objetiva usando a abordagem de Pareto

      O objetivo da proposta de colaboração de pesquisa é projetar, desenvolver e avaliar uma versão estendida de um algoritmo de indução de árvore de decisão com uma híper-heurística multi-objetiva usando abordagem de dominância de Pareto. Os resultados prévios já mostraram as vantagens de evoluir algoritmos de indução de árvores de decisão com uma híper-heurística considerando somente o desempenho de classificação. No entanto, a acurácia e outras medidas de desempenho de classificadores não são os únicos indicadores de qualidade das árvores geradas. Uma vantagem muito importante das árvores de decisão é a transparência das decisões tomadas pelo modelo, cuja interpretabilidade é semelhate ao pensamento humano. Isso tem sido mostrado em diversas aplicações do mundo real, em que a validação dos resultados de classificação é tão importante como a classificação por si só (em Medicina, por exemplo), que a simplicidade de uma árvore não deveria ser comprometida às custas da acurácia. Ambos os objetivos (acurácia e complexidade das árvores de decisão), no entanto, são geralmente conflitantes. Para solucionar este problema, é proposto o uso de uma abordagem de otimização multi-objetiva apropriadamente projetada e implementada.

      2015 a 2015

    • Construção e seleção automática de algoritmos de aprendizado de máquina

      O uso de meta-learning para recomendação de algoritmos é uma área de pesquisa que tem sido amplamente explorada nos últimos anos. Sistemas de meta-learning para recomendação de algoritmos podem ser divididos em dois grandes grupos: (a) sistemas que realizam seleção de algoritmos ou modelos baseados em meta-features; e (b) sistemas que buscam pelo melhor algoritmo de classificação possível em um dado espaço de algoritmos, uma abordagem relativamente menos investigada que a anterior. Em trabalhos prévios do proponente e seus colaboradores, foram desenvolvidos três sistemas representativos de meta-learning baseados em busca para a construção automática de algoritmos. Todos eles utilizaram o paradigma de algoritmos evolutivos como método de busca, porém construindo diferentes tipos de algoritmos de classificação -- indução de regras, indução de árvores de decisão, e indução de redes bayesianas. Esses três sistemas de meta-learning, até onde se sabe, são as únicas abordagens de meta-learning para a construção automática de algoritmos encontradas na literatura. Assim, a ideia deste projeto de pesquisa é avançar na área de construção automática de algoritmos de aprendizado de máquina, mais especificamente classificação. Dentre os tópicos considerados em aberto nessa área, é possível destacar: (I) desenvolvimento de abordagens baseadas em diferentes métodos de busca; (II) evolução de árvores de decisão com múltiplos testes; (III) implementação de abordagens multi-objetivas; (IV) construção automática de funções de similaridade no contexto de aprendizado semissupervisionado; (V) evolução automática de redes neurais profundas; (VI) construção automática de comitê de classificadores; (VII) construção automática de preditores multi-target; e (VIII) estudo comparativo das abordagens de meta-learning para seleção/configuração e construção de algoritmos de classificação.

      Autores: Márcio Porto Basgalupp, Barros, Rodrigo C., Vili Podgorelec

      Desde 2022

    • Neuro-GEMA: A Grammar-based Evolutionary Method to Automatically Design Flexible Convolutional Neural Networks

      Neural Architecture Search (NAS) is a research field that utilises evolutionary algorithms to generate/optimise neural networks. In recent years, NAS-based algorithms have created models that outperform hand-craft designs in some tasks, settings the new state-of-the-art. In this research project, we will utilise grammar-based multi-objective NAS algorithms to generate deep convolutional neural networks (CNNs). The utilisation of a grammar-based approach to describe and explore the search space allows the researchers to inject domain knowledge into the search process and creates an interface between genotypes and phenotypes that facilitates experimentation, while the multi-objective approach will enable the identification of models with good compromises between predictive power and other metrics, such as model size. The Brazilian partners of this proposal are researchers in the IARA Project (Artificial Intelligence in the Remaking of Urban Environments) funded by FAPESP, a joint nationwide collaboration involving universities and companies in Brazil. Thus, the CNNs discovered are intent to be applied in smart city related problems, such as detecting breeding grounds of disease-carrying mosquitoes and detecting construction materials left on illegal locations, such as sidewalks.

      Autores: Márcio Porto Basgalupp, Ana Carolina Lorena, CERRI, RICARDO, André Carlos Ponce de Leon Ferreira de Carvalho, Teresa Bernarda Ludermir, George Darmiton da Cunha Cavalcanti, Péricles Barbosa Cunha de Miranda, Cleber Zanchettin

      Desde 2023

    • Automatic Design of Decision-Tree Induction Algorithms for Detecting Patterns of Functional Gene-Gene Interactions in Observational Gene Expression Data

      Predicting an organism?s or a cell?s response to a therapeutical intervention lies at the heart of medical research. In a functional cellular experiment, one can intervene in the expression of a gene x using RNA interference technologies and collect the downstream effects in the entire transcriptome using high throughput technologies like microarrays or RNAseq. This experiment gives us a class of genes that respond to the intervention in x (class A) and a class of genes that do not (class B). We hypothesize that also observational data that does not involve perturbations of gene x holds information whether a gene is in class A or B, since the biological mechanisms that drive the expression of these classes of genes must be different. This yields a standard classification problem: Predict whether a gene belongs to a class A or B by considering only observational data. In this project, we will investigate machine learning-based solutions to this problem by evolving decision tree induction algorithms. Decision tree induction is one of the most employed methods to extract knowledge from data, since the representation of knowledge is very intuitive and easily understandable by humans. The most successful strategy for inducing decision trees, the greedy top-down approach has been continuously improved by researchers over the years. This work, following recent breakthroughs in the automatic design of machine learning algorithms, proposes a hyper-heuristic evolutionary algorithm for automatically generating decision-tree induction algorithms, named HEAD-DT. We will automatically design a decision tree induction algorithm tailored to tdetecting functional gene-gene interactions from observational gene expression data. The designed algorithm and its induced classifiers may be a first step to develop a platform for ?virtual intervention experiments? that could be used to prioritize genes for further biological experimental studies.

      Autores: Márcio Porto Basgalupp, CERRI, RICARDO, Ferrante Neri, Spencer Thomas, Zhenhua Feng

      2013 a 2015

    Universidade de São Paulo

    Universidade Federal de São Carlos

    • Evolução automática de redes neurais profundas

      Atualmente, as redes neurais profundas (RNPs) são o estado-da-arte para a solução de problemas difíceis. Seus resultados notáveis dependem diretamente de aspectos como arquitetura e hiperparâmetros. O projeto manual de uma RNP requer conhecimento especializado e muita tentativa e erro, especialmente conforme a dificuldade do problema aumenta. Várias abordagens foram desenvolvidas para otimizar automaticamente arquiteturas e hiperparâmetros de RNPs, em uma área de pesquisa moderna chamada neuroevolução. Porém, a maioria delas se concentra em partes específicas do projeto de RNPs, como hiperparâmetros, topologia ou pesos, e não considera módulos de microarquitetura, também conhecidos como arquiteturas de Rede em Rede (ReR). Assim, neste projeto, propomos novos métodos baseados em Algoritmos Evolutivos baseados em Gramática para evoluir automaticamente arquiteturas de RNPs e seus hiperparâmetros, considerando as contribuições mais recentes do estado-da-arte, como as arquiteturas ReR.

      Autores: Márcio Porto Basgalupp, André C. P. L. F. de Carvalho, Barros, Rodrigo C., Tiago S. da Silva, Rainer Spang

      Desde 2020

    • Classificação Hierárquica de Elementos Transponíveis Utilizando Aprendizado de Máquina

      Elementos Transponíveis (TEs) são sequências de DNA que podem se mover de um local para outro dentro do genoma de uma célula. Eles contribuem para a diversidade genética das espécies, e seus mecanismos de transposição podem afetar a funcionalidade dos genes. A correta identificação e classificação de TEs é útil para a compreensão de seus efeitos no processo evolutivo dos genomas. Os TEs são organizados em uma taxonomia hierárquica, com famílias e superfamílias. Geralmente, a identificação e classificação de TEs é realizada por meio de ferramentas de Bioinformática que utilizam homologia, comparando uma sequência com várias sequências de um conjunto de dados com TEs já identificados. Esse método apresenta limitações, pois a homologia entre sequências ignora as propriedades bioquímicas das mesmas, e também os relacionamentos hierárquicos entre as diferentes famílias e superfamílias de TEs. Assim, neste projeto, serão investigados e propostos diferentes métodos de classificação hierárquica de TEs utilizando Aprendizado de Máquina (AM). Inicialmente, diferentes conjuntos de dados serão construídos com sequências de nucleotídeos e de aminoácidos já com TEs previamente identificados. Para a construção desses conjuntos de dados, serão utilizadas ferramentas de Bioinformática desenvolvidas para extrair características bioquímicas de sequências, e também diferentes estratégias para conversão de sequências em valores de atributos adequados para a utilização em técnicas de AM. Os conjuntos de dados serão, então, estruturados hierarquicamente, de acordo com as famílias e superfamílias de TEs a que pertencem. Os métodos de classificação propostos serão comparados com métodos existentes na literatura, e avaliados por meio de medidas de avaliação específicas para problemas de classificação hierárquica.

      Autores: Márcio Porto Basgalupp, Ricardo Cerri, MIRANDA, THIAGO ZAFALON

      2016 a 2018

    Universidade Federal de Pernambuco

    Outras atividades técnico científicas

    Atualização Lattes em 2023-12

    Processado em 2023-12-28