Marcos Gonçalves Quiles
Instituto de Ciência e Tecnologia
Programa de Pós-Graduação: Ciência da Computação
E-Mail: quiles@unifesp.br
Resumo
Marcos G. Quiles is an Associate Professor at the Department of Science and Technology, Federal University of São Paulo, Brazil. He received his BS degree, with honors, in 2003 from the State University of Londrina, Brazil, and his M.Sc. and Ph.D. degrees in Computer Science from the University of São Paulo, Brazil, in 2004 and 2009, respectively. From January to July of 2008, Quiles was a Visiting Scholar in the Perception and Neurodynamics Lab at The Ohio State University, Columbus-OH-US. From January to December of 2017, Quiles was an Academic Visitor at the University of York, York-UK. He was awarded a Brazilian research productivity fellowship from the Brazilian National Research Council (CNPq). His research interests include nature-inspired computing, machine learning, complex networks, and their applications in interdisciplinary problems.
Fonte: Lattes CNPq
Nomes em citações bibliográficas
Quiles, Marcos G.;QUILES, M. G.;QUILES, M.G.;QUILES, M.;Quiles, Marcos;QUILES, MARCOS GONCALVES;QUILES, MARCOS GONÇALVES;GONCALVES QUILES, MARCOS;Marcos Gonçalves Quiles;QUILES SR, MARCOS GONÇALVES
Exportar dados
Exportar produção no formato BIBTEX
Perfis na web
Tags mais usadas
Pular nuvens de palavrasIdiomas
Inglês
Compreende razoavelmente, Fala razoavelmente, Lê bem, Escreve razoavelmente
Português
Compreende bem, Fala bem, Lê bem, Escreve bem
Formação
Doutorado em Ciências da Computação e Matemática Computacional
Redes com dinâmica espaço-temporal e aplicações computacionais
Orientação: Roseli Aparecida Francelin Romero
Universidade de São Paulo
Mestrado em Ciências da Computação e Matemática Computacional
Sistema de Visão Baseado em Redes Neurais Artificiais para o Controle de Robôs Móveis
Orientação: Dra. Roseli Aparecida Francelin Romero
Universidade de São Paulo
2003 a 2004
Graduação em Ciência da Computação
Modelagem Matemática dos Neurônios Biológicos
Orientação: Dr. Pedro Paulo da Silva Ayrosa
Universidade Estadual de Londrina
1999 a 2003
Produção
2023
-
-
Evaluation of Time Series Causal Detection Methods on the Influence of Pacific and Atlantic Ocean over Northeastern Brazil Precipitation (2023)
Trabalhos em eventos
Autores: Juliano Cruz; Mary T. Kayano; Alan James Peixoto Calheiros; Sâmia R. Garcia; Marcos Gonçalves Quiles
Fonte: ICCSA'2023 - Lecture Notes in Computer Science , p. 422
2022
-
-
Importance of Numerical Implementation and Clustering Analysis in Force-Directed Algorithms for Accurate Community Detection (2022)
Artigo publicado
Autores: GOUVÊA, ALESSANDRA M.M.M.; RUBIDO, NICOLÁS; Elbert Einstein Nehrer Macau; Quiles, Marcos G.
Fonte: APPLIED MATHEMATICS AND COMPUTATION , v. 431 , p. 127310 - Extrato QUALIS: A2
-
Molecular Property Prediction and Molecular Design Using a Supervised Grammar Variational Autoencoder (2022)
Artigo publicado
Autores: OLIVEIRA, ANDRÉ F.; DA SILVA, JUAREZ L. F.; Marcos Gonçalves Quiles
Fonte: Journal of Chemical Information and Modeling , v. 62 , p. 817 - Extrato QUALIS: A1
-
SMICLR: Contrastive Learning on Multiple Molecular Representations for Semisupervised and Unsupervised Representation Learning (2022)
Artigo publicado
Autores: PINHEIRO, GABRIEL A.; DA SILVA, JUAREZ L. F.; Marcos Gonçalves Quiles
Fonte: Journal of Chemical Information and Modeling , v. 62 , p. 3948 - Extrato QUALIS: A1
-
Screening of the Role of the Chemical Structure in the Electrochemical Stability Window of Ionic Liquids: DFT Calculations Combined with Data Mining (2022)
Artigo publicado
Autores: MORAES, ALEX S.; PINHEIRO, GABRIEL A.; LOURENÇO, TUANAN C.; LOPES, MAURO C.; Marcos Gonçalves Quiles; DIAS, LUIS G.; DA SILVA, JUAREZ L. F.
Fonte: Journal of Chemical Information and Modeling , v. 1 , p. 1 - Extrato QUALIS: A1
-
Theoretical Framework Based on Molecular Dynamics and Data Mining Analyses for the Study of Potential Energy Surfaces of Finite-Size Particles (2022)
Artigo publicado
Autores: DE MENDONÇA, JOÃO PAULO A.; CALDERAN, FELIPE V.; LOURENÇO, TUANAN C.; Marcos Gonçalves Quiles; DA SILVA, JUAREZ L. F.
Fonte: Journal of Chemical Information and Modeling , v. XX , p. 1 - Extrato QUALIS: A1
-
A divide-and-conquer approach for genomic prediction in rubber tree using machine learning (2022)
Artigo publicado
Autores: AONO, ALEXANDRE HILD; DE SOUZA, ANETE PEREIRA; FRANCISCO, FELIPE ROBERTO; SOUZA, LIVIA MOURA; GONÇALVES, PAULO DE SOUZA; SCALOPPI JUNIOR, ERIVALDO J.; LE GUEN, VINCENT; FRITSCHE-NETO, ROBERTO; GORJANC, GREGOR; Marcos Gonçalves Quiles
Fonte: Scientific Reports , v. 12 , p. 1 - Extrato QUALIS: A1
2021
-
Fake news agenda in the era of COVID-19: Identifying trends through fact-checking content (2021)
Artigo publicado
Autores: CERON, WILSON; DE-LIMA-SANTOS, MATHIAS-FELIPE; Marcos Gonçalves Quiles
Fonte: Online Social Networks and Media , v. 21 , p. 100116
-
Correlation-Based Framework for Extraction of Insights from Quantum Chemistry Databases: Applications for Nanoclusters (2021)
Artigo publicado
Autores: MUCELINI, JOHNATAN; Marcos Gonçalves Quiles; Ronaldo Cristiano Prati; Juarez Lopes Ferreira da Silva
Fonte: Journal of Chemical Information and Modeling , v. 61 , p. 1125 - Extrato QUALIS: A1
-
Topological indexes and community structure for urban mobility networks: Variations in a business day (2021)
Artigo publicado
Autores: LAMOSA, JÉSSICA D.; TOMÁS, LÍVIA R.; Quiles, Marcos G.; LONDE, LUCIANA R.; SANTOS, LEONARDO B. L.; Elbert Einstein Nehrer Macau
Fonte: PLoS One , v. 16 , p. e0248126 - Extrato QUALIS: A1
-
COVID-19 fake news diffusion across Latin America (2021)
Artigo publicado
Autores: CERON, WILSON; GRUSZYNSKI SANSEVERINO, GABRIELA; DE-LIMA-SANTOS, MATHIAS-FELIPE; Marcos Gonçalves Quiles
Fonte: SOCIAL NETWORK ANALYSIS AND MINING , v. 11 , p. 47 - Extrato QUALIS: A2
-
Energy Decomposition to Access the Stability Changes Induced by CO Adsorption on Transition-Metal 13-Atom Clusters (2021)
Artigo publicado
Autores: BATISTA, KRYS E. A.; SOARES, MARINALVA D.; Marcos Gonçalves Quiles; PIOTROWSKI, MAURÍCIO J.; DA SILVA, JUAREZ L. F.
Fonte: Journal of Chemical Information and Modeling , v. 61 , p. 2294 - Extrato QUALIS: A1
-
-
The Wild Sugarcane and Sorghum Kinomes: Insights Into Expansion, Diversification, and Expression Patterns (2021)
Artigo publicado
Autores: Alexandre Hild Aono; Lucas Borges dos Santos; James Shiniti Nagai; Luciana Rossini Pinto; Marcos Guimarães de Andrade Landell; Monalisa Sampaio Carneiro; Thiago Willian Balsalobre; Marcos Gonçalves Quiles; Welison Andrade Pereira; Gabriel Rodrigues Alves Margarido; Anete Pereira de Souza; Ricardo José Gonzaga Pimenta; Ana Letycia Basso Garcia; Fernando Henrique Correr; Guilherme Kenichi Hosaka; Marishani Marin Carrasco; Claudio Benicio Cardoso-Silva; Melina Cristina Mancini; Danilo Augusto Sforça
Fonte: Frontiers in Plant Science , v. 12 , p. 589 - Extrato QUALIS: A1
-
Systematic Investigation of Error Distribution in Machine Learning Algorithms Applied to the Quantum-Chemistry QM9 Data Set Using the Bias and Variance Decomposition (2021)
Artigo publicado
Autores: CESAR DE AZEVEDO, LUIS; PINHEIRO, GABRIEL A.; Marcos Gonçalves Quiles; DA SILVA, JUAREZ L. F.; PRATI, RONALDO C.
Fonte: Journal of Chemical Information and Modeling , v. 61 , p. 4210 - Extrato QUALIS: A1
-
Automation of Article Selection Process in Systematic Reviews Through Artificial Neural Network Modeling and Machine Learning: Protocol for an Article Selection Model (2021)
Artigo publicado
Autores: Gabriel Ferraz Ferreira; Marcos Gonçalves Quiles; Tiago Santana Nazaré; Solange Oliveira Rezende; Marcelo Demarzo
Fonte: JMIR RESEARCH PROTOCOLS , v. 10 , p. e26448 - Extrato QUALIS: C
2020
-
-
Measuring the engagement level in encrypted group conversations by using temporal networks (2020)
Trabalhos em eventos
Autores: COTACALLAPA, MOSHE; BERTON, LILIAN; FERREIRA, LEONARDO N.; Quiles, Marcos G.; Zhao, Liang; Elbert Einstein Nehrer Macau; VEGA-OLIVEROS, DIDIER A.
Fonte: 2020 International Joint Conference on Neural Networks (IJCNN) , p. 1
-
-
-
Community Detection in Very High-Resolution Meteorological Networks (2020)
Artigo publicado
Autores: Wilson Seron; Leonardo Bacelar Santos Lima; Giovanni Dolif Neto; Marcos Gonçalves Quiles; Onofre A. Candido
Fonte: IEEE Geoscience and Remote Sensing Letters , v. 17 , p. 2007 - Extrato QUALIS: A1
-
Ab Initio Investigation of CO 2 Adsorption on 13-Atom 4d Clusters (2020)
Artigo publicado
Autores: BATISTA, KRYS E. A.; OCAMPO-RESTREPO, VIVIANNE K.; SOARES, MARINALVA D.; Marcos Gonçalves Quiles; PIOTROWSKI, MAURÍCIO J.; DA SILVA, JUAREZ L. F.
Fonte: Journal of Chemical Information and Modeling , v. 60 , p. 537 - Extrato QUALIS: A1
-
Ab Initio Insights into the Formation Mechanisms of 55-Atom Pt-Based Core-Shell Nanoalloys (2020)
Artigo publicado
Autores: MENDES, PAULO C. D.; JUSTO, STELLA G.; MUCELINI, JOHNATAN; SOARES, MARINALVA D.; BATISTA, KRYS E. A.; Marcos Gonçalves Quiles; PIOTROWSKI, MAURÍCIO J.; DA SILVA, JUAREZ L. F.
Fonte: Journal of Physical Chemistry C , v. 124 , p. 1158 - Extrato QUALIS: A1
-
A biochemical network modeling of a whole-cell (2020)
Artigo publicado
Autores: BURKE, PAULO E. P.; Claudia Barbosa Ladeira de Campos; COSTA, LUCIANO DA F.; QUILES, MARCOS G.
Fonte: Scientific Reports , v. 10 , p. 10:13303 - Extrato QUALIS: A1
-
Machine Learning Prediction of Nine Molecular Properties Based on the SMILES Representation of the QM9 Quantum-Chemistry Dataset (2020)
Artigo publicado
Autores: PINHEIRO, GABRIEL A.; MUCELINI, JOHNATAN; SOARES, MARINALVA D.; PRATI, RONALDO C.; DA SILVA, JUAREZ L. F.; Marcos Gonçalves Quiles
Fonte: JOURNAL OF PHYSICAL CHEMISTRY A , v. 124 , p. 9854 - Extrato QUALIS: A3
-
Spatiotemporal data analysis with chronological networks (2020)
Artigo publicado
Autores: FERREIRA, LEONARDO N.; Didier Augusto Vega Oliveros; COTACALLAPA, MOSHÉ; CARDOSO, MANOEL F.; QUILES, MARCOS G.; ZHAO, LIANG; MACAU, ELBERT E. N.
Fonte: Nature Communications , v. 11 , p. 4036 - Extrato QUALIS: A1
2019
-
From spatio-temporal data to chronological networks (2019)
Trabalhos em eventos
Autores: Didier Augusto Vega Oliveros; COTACALLAPA, MOSHÉ; FERREIRA, LEONARDO N.; QUILES, MARCOS G.; ZHAO, LIANG; MACAU, ELBERT E. N.; CARDOSO, MANOEL F.
Fonte: Proceedings of the 34th ACM/SIGAPP Symposium on Applied Computing - SAC '19 , p. 675
-
Qualitative data clustering: a new Integer Linear Programming model (2019)
Trabalhos em eventos
Autores: NOGUEIRA LORENA, LUIZ HENRIQUE; GONCALVES QUILES, MARCOS; NOGUEIRA LORENA, LUIZ ANTONIO; André Carlos Ponce de Leon Ferreira de Carvalho; CESPEDES, JULIANA GARCIA
Fonte: 2019 International Joint Conference on Neural Networks (IJCNN) , p. 1
-
-
Improving the performance of an integer linear programming community detection algorithm through clique filtering (2019)
Trabalhos em eventos
Autores: Luiz Henrique Nogueira Lorena; Marcos Gonçalves Quiles; Luiz Antonio Nogueira Lorena
Fonte: Proceedings of the 19th ICCSA, Lecture Notes in Computer Science (LNCS) , p. 1
-
How do urban mobility (geo)graph?s topological properties fill a map? (2019)
Artigo publicado
Autores: LIMA SANTOS, LEONARDO BACELAR; CARVALHO, LUIZ MAX; SERON, WILSON; COELHO, FLÁVIO C.; Elbert Einstein Nehrer Macau; Quiles, Marcos G.; V. MONTEIRO, ANTÔNIO M.
Fonte: Applied Network Science , v. 4 , p. 91 - Extrato QUALIS: A3
2018
-
-
Controle baseado em redes neurais artificiais para agentes móveis em formação (2018)
Trabalhos em eventos
Autores: FREITAS, VANDER LUIS DE SOUZA; QUILES, MARCOS GONÇALVES; Elbert Einstein Nehrer Macau
Fonte:
-
A correlation-based approach for event detection in Instagram (2018)
Artigo publicado
Autores: DOS SANTOS, ELDER DONIZETTI; QUILES, MARCOS GONÇALVES; Fabio Augusto Faria
Fonte: JOURNAL OF INTELLIGENT & FUZZY SYSTEMS , v. 1 , p. 1 - Extrato QUALIS: A2
-
Recurrence Density Enhanced Complex Networks for Nonlinear Time Series Analysis (2018)
Artigo publicado
Autores: COSTA, DIEGO G. DE B.; REIS, BARBARA M. DA F.; ZOU, YONG; Quiles, Marcos G.; Elbert Einstein Nehrer Macau
Fonte: INTERNATIONAL JOURNAL OF BIFURCATION AND CHAOS , v. 28 , p. 1850008 - Extrato QUALIS: A3
-
An approach for applying Test-Driven Development (TDD) in the development of randomized algorithms (2018)
Artigo publicado
Autores: IVO, ANDRÉ A. S.; Guerra, Eduardo M.; Sandy Moreira Porto; CHOMA, JOELMA; Marcos Gonçalves Quiles
Fonte: JOURNAL OF SOFTWARE ENGINEERING RESEARCH AND DEVELOPMENT , v. 6 , p. 9 - Extrato QUALIS: A4
2017
-
An alternative approach for binary and categorical self-organizing maps (2017)
Trabalhos em eventos
Autores: SANTANA, ALESSANDRA; MORAIS, ALESSANDRA; Marcos Gonçalves Quiles
Fonte: 2017 International Joint Conference on Neural Networks (IJCNN) , p. 2604
-
Classification of cocaine dependents from fMRI data using cluster-based stratification and deep learning (2017)
Trabalhos em eventos
Autores: Jeferson S. Santos; Ricardo M. Savii; Jaime Shinsuke Ide; Chiang-shan R. Li; Marcos Gonçalves Quiles; Marcio Porto Basgalupp
Fonte: Computational Science and Its Applications -- ICCSA 2017, Lecture Notes in Computer Science LNCC
-
-
-
Parallel Algorithm for Dynamic Community Detection (2017)
Trabalhos em eventos
Autores: RESENDE, HUGO; Álvaro Luiz Fazenda; QUILES, MARCOS GONCALVES
Fonte: 2017 International Symposium on Computer Architecture and High Performance Computing Workshops (SBAC-PADW) , p. 55
-
Community detection in complex networks via adapted kuramoto dynamics (2017)
Artigo publicado
Autores: MAIA, DANIEL M.N.; DE OLIVEIRA, JOÃO E.M.; Quiles, Marcos G.; Elbert Einstein Nehrer Macau
Fonte: Communications in Nonlinear Science and Numerical Simulation , v. 53 , p. 130 - Extrato QUALIS: A1
2016
-
-
-
An object-based visual selection framework (2016)
Artigo publicado
Autores: Alcides Xavier Benicasa; Marcos Gonçalves Quiles; SILVA, THIAGO C.; Liang Zhao; ROMERO, ROSELI A.F.
Fonte: Neurocomputing (Amsterdam) , v. 180 , p. 35 - Extrato QUALIS: A1
-
Dynamical detection of network communities (2016)
Artigo publicado
Autores: Quiles, Marcos G.; Elbert Einstein Nehrer Macau; RUBIDO, NICOLÁS
Fonte: Scientific Reports , v. 6 , p. 25570 - Extrato QUALIS: A1
2015
-
Uso de transformada wavelet discreta ortogonal e gráfico de recorrência para caracterização de sistemas dinâmicos não-lineares (2015)
Trabalhos em eventos
Autores: Barbara Maximino da Fonseca Reis; Elbert Macau; Marcos Gonçalves Quiles; Margarete Oliveira Domingues
Fonte: Proceeding Series of the Brazilian Society of Computational and Applied Mathematics , p. 1
-
Using Growing Neural Gas in Prototype Generation for Nearest Neighbor Classifiers (2015)
Trabalhos em eventos
Autores: Jussara Dias; Marcos Gonçalves Quiles; Ana Carolina Lorena
Fonte: Proceedings of the 22nd International Conference on Neural Information Processing (ICONIP2015), Lecture Notes in Computer Science LNCC , p. 276
-
-
Particle Competition and Cooperation for Semi-Supervised Learning with Label Noise (2015)
Artigo publicado
Autores: Fabricio A. Breve; Zhao; Marcos Gonçalves Quiles
Fonte: Neurocomputing (Amsterdam) , v. 160 , p. 63 - Extrato QUALIS: A1
-
Community detection, with lower time complexity, using coupled Kuramoto oscillators (2015)
Trabalhos em eventos
Autores: DE OLIVEIRA, JOÃO E. M.; Marcos Gonçalves Quiles; Marcos Daniel Nogueira Maia; MACAU, ELBERT E. N.
Fonte: Proceedings of the 30th Annual ACM Symposium on Applied Computing - SAC '15 , p. 1160
-
-
-
Interactive image segmentation using particle competition and cooperation (2015)
Trabalhos em eventos
Autores: Breve, Fabricio; Marcos Gonçalves Quiles; Zhao, Liang
Fonte: 2015 International Joint Conference on Neural Networks (IJCNN) , p. 1
2014
-
Community Detection in Complex Networks Using Coupled Kuramoto Oscillators (2014)
Trabalhos em eventos
Autores: OLIVEIRA, JOAO ELIAKIN MOTA DE; Marcos Gonçalves Quiles
Fonte: 2014 14th International Conference on Computational Science and Its Applications , p. 85
-
Development of Adaptive Information Visualization Systems with Augmented Reality (2014)
Trabalhos em eventos
Autores: Ezequiel Roberto Zorzal; SOUSA, CELSO A.R. DE; Alexandre Cardoso; Claudio Kirner; LAMOUNER, EDGARD A.; Quiles, Marcos G.
Fonte: 2014 18th International Conference on Information Visualisation , p. 211
-
An Object-Based Visual Selection Model Combining Physical Features and Memory (2014)
Trabalhos em eventos
Autores: BENICASA, ALCIDES X.; Marcos Gonçalves Quiles; SILVA, THIAGO C.; Zhao, Liang; Romero, Roseli A.F.
Fonte: 2014 Brazilian Conference on Intelligent Systems , p. 234
-
-
-
A consensus-based semi-supervised growing neural gas (2014)
Trabalhos em eventos
Autores: MAXIMO, VINICIUS R.; Marcos Gonçalves Quiles; NASCIMENTO, MARIA C. V.
Fonte: 2014 International Joint Conference on Neural Networks (IJCNN) , p. 2019
2013
-
An Oscillatory Correlation Model for Semi-Supervised Classification (2013)
Artigo publicado
Autores: Marcos Gonçalves Quiles; Marcio Porto Basgalupp; Rodrigo Barros
Fonte: LEARNING AND NONLINEAR MODELS , v. 11 , p. 3 - Extrato QUALIS: B2
-
A dynamical model for community detection in complex networks (2013)
Trabalhos em eventos
Autores: Quiles, Marcos G.; ZORZAL, EZEQUIEL R.; Elbert Einstein Nehrer Macau
Fonte: The 2013 International Joint Conference on Neural Networks (IJCNN) , p. 1
-
2012
-
Particle Competition and Cooperation in Networks for Semi-Supervised Learning (2012)
Artigo publicado
Autores: Breve, Fabricio; Zhao, Liang; Marcos Gonçalves Quiles; Pedrycz; Liu, Jiming
Fonte: IEEE Transactions on Knowledge and Data Engineering (Print) , v. 24 , p. 1686 - Extrato QUALIS: A1
-
Clus-DTI: Improving Decision-Tree Classification with a Clustering-based Decision-Tree Induction Algorithm (2012)
Artigo publicado
Autores: Rodrigo Barros; Márcio Basgalupp; M.Quiles; André Carlos Ponce de Leon Ferreira de Carvalho
Fonte: Journal of the Brazilian Computer Society (Impresso) , v. 18 , p. 351 - Extrato QUALIS: A2
-
An Object-Based Visual Selection Model with Bottom-Up and Top-Down Modulations (2012)
Trabalhos em eventos
Autores: BENICASA, ALCIDES X.; Marcos Gonçalves Quiles; Zhao, Liang; Romero, Roseli A.F.
Fonte: 2012 Brazilian Symposium on Neural Networks , p. 1
-
2011
-
Selecting salient objects in real scenes: An oscillatory correlation model (2011)
Artigo publicado
Autores: Marcos Gonçalves Quiles; Wang, DeLiang; Zhao, Liang; Romero, Roseli A.F.; Huang, De-Shuang
Fonte: Neural Networks , v. 24 , p. 54 - Extrato QUALIS: A1
-
Particle Competition and Cooperation for Uncovering Network Overlap Community Structure (2011)
Capítulo de livro publicado
Autores: Breve, Fabricio; Zhao, Liang; Marcos Gonçalves Quiles; Pedrycz; Liu, Jiming
Fonte: Lecture Notes in Computer Science , p. 426
-
-
-
A clustering-based decision tree induction algorithm (2011)
Trabalhos em eventos
Autores: Barros, Rodrigo C.; DE CARVALHO, ANDRE C. P. L. R; Márcio Porto Basgalupp; QUILES, MARCOS G.
Fonte: 2011 11th International Conference on Intelligent Systems Design and Applications , p. 543
2010
-
Artificial Neural Networks and the Study of the Psychoactivity of Cannabinoid Compounds (2010)
Artigo publicado
Autores: Honório, Káthia M.; De Lima, Emmanuela F.; Marcos Gonçalves Quiles; Romero, Roseli A. F.; Molfetta, Fábio A.; Da Silva, Albérico B. F.
Fonte: Chemical Biology & Drug Design (Print) , v. 75 , p. 632 - Extrato QUALIS: A4
-
Label Propagation Through Neuronal Synchrony (2010)
Trabalhos em eventos
Autores: Marcos Gonçalves Quiles; Zhao; Fabricio A. Breve; ROCHA
Fonte: Proceedings of the 2010 International Joint Conference on Neural Networks (IJCNN'2010) , p. 2517
-
Semi-Supervised Learning from Imperfect Data through Particle Cooperation and Competition (2010)
Trabalhos em eventos
Autores: Fabricio A. Breve; Zhao; Marcos Gonçalves Quiles
Fonte: Proceedings of the 2010 International Joint Conference on Neural Networks (IJCNN'2010) , p. 3686
2009
-
A network of integrate and fire neurons for visual selection (2009)
Artigo publicado
Autores: Marcos Gonçalves Quiles; Zhao, Liang; Breve, Fabricio A.; Romero, Roseli A.F.
Fonte: Neurocomputing (Amsterdam) , v. 72 , p. 2198 - Extrato QUALIS: A1
-
Chaotic phase synchronization and desynchronization in an oscillator network for object selection (2009)
Artigo publicado
Autores: Breve, Fabricio A.; Zhao, Liang; Quiles, Marcos G.; Elbert Einstein Nehrer Macau
Fonte: Neural Networks , v. 22 , p. 728 - Extrato QUALIS: A1
-
Particle Competition in Complex Networks for Semi-supervised Classification (2009)
Capítulo de livro publicado
Autores: Breve, Fabricio; Zhao, Liang; Marcos Gonçalves Quiles
Fonte: Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering , p. 163
-
Uncovering Overlap Community Structure in Complex Networks Using Particle Competition (2009)
Capítulo de livro publicado
Autores: Breve, Fabricio; Zhao, Liang; Marcos Gonçalves Quiles
Fonte: Lecture Notes in Computer Science , p. 619
-
An Oscillatory Correlation Model of Object-based Attention (2009)
Trabalhos em eventos
Autores: Marcos Gonçalves Quiles; D.L. Wang; Liang Zhao; Roseli; De-Shuang Huang
Fonte: Proceedings of the 2009 International Joint Conference on Neural Networks (IJCNN'2009) , p. 2596
-
Chaotic Phase Synchronization for Visual Selection (2009)
Trabalhos em eventos
Autores: Fabricio A. Breve; Liang Zhao; Marcos Gonçalves Quiles; Elbert Macau
Fonte: Proceedings of the 2009 International Joint Conference on Neural Networks (IJCNN'2009) , p. 383
-
2008
-
Particle competition for complex network community detection (2008)
Artigo publicado
Autores: Marcos Gonçalves Quiles; Zhao, Liang; Alonso, Ronaldo L.; Romero, Roseli A. F.
Fonte: Chaos (Woodbury) , v. 18 , p. 033107 - Extrato QUALIS: A1
-
Visual Selection with Feature Contrast-Based Inhibition in a Network of Integrate and Fire Neurons (2008)
Trabalhos em eventos
Autores: Marcos Gonçalves Quiles; Fabricio A. Breve; Roseli Aparecida Francelin Romero; Liang Zhao
Fonte: IEEE Proceedings of the 4th International Conference on Natural Computation (ICNC'08) , p. 601
2007
-
Visual Selection and Shifting Mechanisms Based on a Network of Chaotic Wilson-Cowan Oscillators (2007)
Trabalhos em eventos
Autores: Liang Zhao; Fabricio A. Breve; Marcos Gonçalves Quiles; Roseli Aparecida Francelin Romero
Fonte: 3rd International Conference on Natural Computation , p. 754
-
A Visual Selection Mechanism Based on a Pulse-Coupled Neural Network (2007)
Trabalhos em eventos
Autores: Marcos Gonçalves Quiles; Liang Zhao; Roseli Aparecida Francelin Romero
Fonte: Proceedings of the 20th International Joint Conference on Neural Networks (IJCNN'2007) , p. 1566
-
A Network of Dynamically Coupled Elements for Pixel Clustering (2007)
Trabalhos em eventos
Autores: Liang Zhao; Marcos Gonçalves Quiles; Antônio P. Damiance Jr.; Roseli Aparecida Francelin Romero
Fonte: Proceedings of the 20th International Joint Conference on Neural Networks (IJCNN'2007) , p. 2770
-
A Visual Selection Mechanism Based on Network of Chaotic Wilson-Cowan Oscillators (2007)
Trabalhos em eventos
Autores: Marcos Gonçalves Quiles; Fabricio A. Breve; Liang Zhao; Roseli Aparecida Francelin Romero
Fonte: Proceedings of the 7th International Conference on Intelligent Systems Design and Applications (ISDA'07) , p. 919
2006
-
-
A Pulse-Coupled Neural Network as a Simplified Bottom-up Visual Attention Model (2006)
Trabalhos em eventos
Autores: Marcos Gonçalves Quiles; Roseli Aparecida Francelin Romero; Liang Zhao
Fonte: Proceedings of the IX Brazilian Symposium on Artificial Neural Networks , p. 178
2005
2004
-
-
-
-
Um Ambiente Computacional para Modelagem e Simulação do Efeito de Priming Semântico (2004)
Trabalhos em eventos
Autores: Pedro Paulo da Silva Ayrosa; Alan Salvany Felinto; Jandira Genka Palma; Maria Angélica de Oliveira Camargo Brunetto; Marcos Gonçalves Quiles
Fonte: Anais da 3ra Conferencia Iberoamericana en Sistemas, Cibernética e Informática (CISCI'2004) , p. 1
-
2002
2001
2000
Atuações
Universidade de São Paulo
-
Aluno de Mestrado
Bolsista Aluno de Mestrado
2003 a 2004
-
Aluno de Doutorado
Bolsista Aluno de Doutorado
2005 a 2009
-
Bolsista de Pós-Doutorado
Pós-Doutorando
2009 a 2009
Centro Universitário da Fundação Octávio Bastos
-
Professor Mestre I
Professor
2005 a 2005
Neural Networks
-
Revisor de periódico
Desde 2009
Neurocomputing (Amsterdam)
-
Revisor de periódico
Desde 2009
Universidade Federal de São Paulo
-
Professor Adjunto II
2011 a 2013
-
Professor Adjunto I
2009 a 2011
-
Professor Adjunto III
2013 a 2015
-
Professor Adjunto IV
2015 a 2017
-
Professor Associado I
2017 a 2019
-
Professor Associado II
2019 a 2021
-
Professor Associado III
Desde 2021
IEEE Transactions on Neural Networks
-
Revisor de periódico
Desde 2010
International Journal of Imaging
-
Revisor de periódico
2010 a 2022
Journal of Physics. Conference Series (Online)
-
Revisor de periódico
2010 a 2022
Instituto Nacional de Pesquisas Espaciais
-
Orientador no Programa de Computação Aplicada
Desde 2011
Fundação de Amparo à Pesquisa do Estado de São Paulo
-
Revisor de projeto de fomento
Desde 2010
Conselho Nacional de Desenvolvimento Científico e Tecnológico
-
Revisor de projeto de fomento
Desde 2013
Communications in Nonlinear Science & Numerical Simulation
-
Revisor de periódico
2013 a 2022
The European Physical Journal. Special Topics
-
Revisor de periódico
Desde 2014
University of York
-
Researcher
Academic Visitor
2017 a 2017
Policy & Internet
-
Revisor de periódico
2016 a 2022
INTERNATIONAL JOURNAL OF BIFURCATION AND CHAOS
-
Revisor de periódico
Desde 2018
EXPERT SYSTEMS WITH APPLICATIONS
-
Revisor de periódico
Desde 2017
IEEE Access
-
Revisor de periódico
Desde 2018
KNOWLEDGE AND INFORMATION SYSTEMS
-
Revisor de periódico
2015 a 2022
PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS
-
Revisor de periódico
Desde 2018
IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING
-
Revisor de periódico
Desde 2018
The European Physical Journal Special Topics
-
Revisor de periódico
2021 a 2022
Journal of the Mexican Chemical Society
-
Revisor de periódico
Desde 2021
Chemical Physics Letters
-
Revisor de periódico
Desde 2021
Current Opinion in Chemical Engineering
-
Revisor de periódico
Desde 2021
Briefings in Bioinformatics
-
Revisor de periódico
Desde 2022
Health Education Journal
-
Revisor de periódico
Desde 2022
Engineering Applications of Artificial Intelligence
-
Revisor de periódico
Desde 2022
Scientific Reports
-
Revisor de periódico
Desde 2023
The Journal of Physical Chemistry
-
Revisor de periódico
Desde 2023
Journal of Chemical Theory and Computation
-
Revisor de periódico
Desde 2022
Communications Chemistry
-
Revisor de periódico
Desde 2022
Ensino
Orientações e supervisões
Supervisão de pós-doutorado em andamento
Tese de doutorado em andamento
-
Machine Learning Models for Investigating Adsorption Systems: An Integrated Approach
Ciência da Computação
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Universidade Federal de São Paulo
Desde 2022
-
Gabriel Augusto Lins Leal Pinheiro
Predição de propriedades moleculares com alta acurácia: uma abordagem via aprendizado semi-supervisionado
Ciência da Computação
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Universidade Federal de São Paulo
Desde 2020
Dissertação de mestrado em andamento
-
Aprendizado de Máquina para Detecção de Falhas Incipientes
Ciência da Computação
Universidade Federal de São Paulo
Desde 2024
-
Explicabilidade de modelos de aprendizado de máquina
Ciência da Computação
Universidade Federal de São Paulo
Desde 2023
-
Predição de propriedades de capacitores via modelos de aprendizado de máquina
Computação Aplicada
Instituto Nacional de Pesquisas Espaciais
Desde 2023
-
Active Learning in Machine Learning Force Fields
Computação Aplicada
Instituto Nacional de Pesquisas Espaciais
Desde 2021
Tese de doutorado concluídas
-
Arcabouço para Detecção Automática de Cadeia Causal em Dados Climáticos
Computação Aplicada
Instituto Nacional de Pesquisas Espaciais
Concluído em 2023
-
Wilson Francisco Moreira de Souza Seron
Complex Networks Across Disciplines: Community Detection Methods in Social and Meteorological Networks
Ciência da Computação
Universidade Federal de São Paulo
Concluído em 2022
-
Detecção de Comunidades em Redes Complexas por Dinâmica de Partículas
Ciência da Computação
Fundação de Amparo à Pesquisa do Estado de São Paulo
Universidade Federal de São Paulo
Concluído em 2022
-
Frank Moshé Cotacallapa Choque
Detecção de padrões em dados espaciais e temporais via redes complexas
Computação Aplicada
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Instituto Nacional de Pesquisas Espaciais
Concluído em 2020
-
Novas Formulações e Técnicas de Pré-Processamento para o Prolema de Particionamento de Grafos em Cliques
Ciência da Computação
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Universidade Federal de São Paulo
Concluído em 2019
-
Rede Protótipo: um algoritmo para agrupamento de fluxo de dados baseado em redes complexas
Computação Aplicada
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Instituto Nacional de Pesquisas Espaciais
Concluído em 2019
Dissertação de mestrado concluídas
-
Carlos Augusto Guimarães Junior
Recomendação de Modelos do Sistema Terrestre via Índices de Redes Complexas e Aprendizado de Máquina
Computação Aplicada
Instituto Nacional de Pesquisas Espaciais
Concluído em 2022
-
Gabriel Augusto Lins Leal Pinheiro
Predição de propriedades moleculares via aprendizado de máquina e representação SMILES
Computação Aplicada
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Instituto Nacional de Pesquisas Espaciais
Concluído em 2020
-
Machine learning systems applied in lithium-ion battery set impedance estimation
Computação Aplicada
Instituto Nacional de Pesquisas Espaciais
Concluído em 2018
-
Mobilidade urbana em um dia típico - (Geo)grafos variantes no tempo
Computação Aplicada
Conselho Nacional de Desenvolvimento Científico e Tecnológico
Instituto Nacional de Pesquisas Espaciais
Concluído em 2018
-
A Comparative Study on Regression Approaches for Event Detection in Instagram
Ciência da Computação
Universidade Federal de São Paulo
Concluído em 2017
-
Associações de MiRNAs via Mapas Auto-Organizáveis Binários e Categóricos
Ciência da Computação
Universidade Federal de São Paulo
Concluído em 2017
-
Representacão de células completas utilizando redes complexas
Ciência da Computação
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Universidade Federal de São Paulo
Concluído em 2016
-
Barbara Maximino da Fonseca Reis
Uso de Gráfico de Recorrência e Transformada Wavelet Discreta para Caracterização de Sistemas Dinâmicos
Computação Aplicada
Conselho Nacional de Desenvolvimento Científico e Tecnológico
Instituto Nacional de Pesquisas Espaciais
Concluído em 2016
-
Utilização da rede Growing Neural Gás para geração de protótipos
Ciência da Computação
Universidade Federal de São Paulo
Concluído em 2016
-
Wilson Francisco Moreira de Souza Seron
Análise de Redes Sociais: Um Estudo do Twitter
Ciência da Computação
Universidade Federal de São Paulo
Concluído em 2015
-
Detecção de Comunidades em Redes Complexas: Uma Abordagem com Modelos Dinâmicos
Ciência da Computação
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Universidade Federal de São Paulo
Concluído em 2015
-
Metodologia para evolução de comunidades em redes complexas dinâmicas
Computação Aplicada
Conselho Nacional de Desenvolvimento Científico e Tecnológico
Instituto Nacional de Pesquisas Espaciais
Concluído em 2014
-
Diego Guimarães de Brito Costa
Uso de Gráfico de Recorrência e Redes Complexas para Caracterização de Sistemas Complexos de Baixa Dimensão
Computação Aplicada
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Instituto Nacional de Pesquisas Espaciais
Concluído em 2014
Gestão
Universidade Federal de São Paulo
-
Vice-Coordenador do Bacharelado em Ciência da Computação
Campus São José dos Campos
-
Coordenador dos Trabalhos de Conclusão de Curso
Campus São José dos Campos
-
Coordenador em Exercício do Bacharelado em Ciência da Computação
Campus São José dos Campos
Pesquisa
Universidade de São Paulo
-
Ciência Computacional de Materiais
Grande parte da energia consumida no mundo vem da queima de combustíveis fósseis à base de petróleo (óleo diesel, gasolina, querosene para aviação e gás liquefeito). Além dos combustíveis utilizados em nossa sociedade moderna, o petróleo também é matéria-prima de uma extensa cadeia de produtos, por exemplo, parafina, produtos de asfalto, nafta petroquímica, solventes, plásticos, etc. Apesar da grande importância dos combustíveis fósseis, existem vários motivos para a pesquisa de fontes de energia alternativas e renováveis, que inclui problemas ambientais e o fato de que o petróleo vai se esgotar no futuro. Por conseguinte, existe um grande interesse no uso de recursos de energia renovável, como a energia hidrelétrica, a biomassa, o mar, o vento interior, a energia fotovoltaica, o hidrogênio, bem como o desenvolvimento de novos veículos de energia a partir da conversão de metano e/ou do CO2 capturado de ar combinado com H2 da água. Devido à grande demanda, acreditamos que essas tecnologias serão combinadas no futuro para produzir um planeta sustentável. A Divisão de Computação de Ciência e Química de Materiais (CMSC) se concentrará apenas em algumas dessas vias. Acreditamos firmemente que, entre todas essas fontes de energia, devem seguir-se quatro caminhos, a saber: (i) conversão de fótons para elétrons que utilizando dispositivos fotovoltaicos, como a energia fotovoltaica deve contribuir com cerca de 30 por cento (relatório Shell) para a nossa matriz de energia no futuro, (ii) armazenamento de energia com baterias e supercapacitores para suportar o crescimento da energia eólica, (iii) captura de CO2 e conversão para produtos de valor agregado - metanol, gasolina -range hidrocarbonetos, que podem fornecer um papel crucial para o nosso futuro como um problema ambiental pode ser parte da solução, (iv) conversão de metano em novos combustíveis de alta densidade - metanol, etc., que deverá desempenhar um papel importante devido à grande oferta de gás natural no mundo todo. Para abordar esses problemas, propomos empregar o estado da arte nas ferramentas de Ciência Computacional de Materiais para oferecer soluções de ponta. Para a organização prática, propomos nove projetos, que incluem dois projetos de conversão de fótons para elétrons à utilizando fotovoltaica (em particular perovskites) e fotoquímica, dois projetos para estudar a conversão de metano e CO2 capturados de ar para produtos de alto valor, como altos portadores de energia de densidade (metanol) empregando materiais porosos combinados com partículas de tamanho finito de metal de transição. Para o armazenamento de energia, exploramos baterias e supercapacitores, em particular, estamos interessados em tecnologias além de Li e empregamos condutores iônicos baratos. Além dos seis projetos, propusemos três projetos transversais com o potencial de contribuir para os seis projetos anteriores, bem como para oferecer sua contribuição individual, que inclui: engenharia de nanocatalisadores, dinâmica de fluidos para abordar o fluxo de líquidos iônicos e as técnicas de aprendizado da máquina, que serão aplicadas para explorar dados teóricos e experimentais das três divisões restantes. Portanto, nossa Divisão combinada com as três Divisões Centrais adicionais têm um grande potencial para produzir importantes contribuições para a geração de Novas Energias.
Desde 2018
-
Transmissão de Sinal Neural em Redes Complexas (Edital nº 09/2010 - PDI - CNPq)
O cérebro humano (animal) são sistemas altamente não lineares e complexos. Modelagem e simulação computacional de sistemas neurais são abordagens importantes não apenas para a neurociência, mas também para o desenvolvimento de técnicas de inteligência artificial bio-inspiradas. Esta proposta de pesquisa visa estudar a transmissão de sinal neural em redes complexas. Diferentemente de estudos anteriores baseados principalmente em topologias de redes estáticas, nós investigamos a influência de estruturas de rede variantes no tempo na transmissão de sinal neural. Especificamente, consideramos redes de pequeno mundo e redes de comunidade que são construídas de acordo com experimentos recentes em redes cerebrais. Esperamos que nosso trabalho possa servir como uma explanação alternativa para entender ambos os mecanismos funcionais e patológicos de transmissão de sinal neural em redes cerebrais. Além disso, como as redes neurais artificiais atuais usam topologias de rede regulares e estáticas, o estudo de transmissão de sinal neural em redes com topologia complexa e variante no tempo pode ser uma abordagem alternativa para o desenvolvimento de novas e mais poderosas redes neurais artificiais.
Autores: Marcos Gonçalves Quiles, Juarez Lopes Ferreira da Silva, Ataualpa Albert Carmo Braga, Leonardo José Amaral de Siqueira, Luis Gustavo Dias, Matheus Paes Lima, Ronaldo Cristiano Prati
2010 a 2013
-
Redes Complexas para Clusterização de Dados
A clusterização de dados pode oferecer diversas maneiras de entender e extrair informações relevantes de grandes conjuntos de dados. Através da detecção de grupos é possível organizar padrões com características semelhantes e estabelecer hierarquias, permitindo uma análise mais detalhada desses dados. As técnicas desse processo são utilizadas cada vez mais em diversas áreas, tais como: reconhecimento de padrões, mineração de dados, bioinformática, tomada de decisão, aprendizado de máquina, segmentação de imagens, etc. A presente proposta visa o desenvolvimento de novas técnicas de clusterização de dados baseadas em redes complexas. O processo de clusterização consistirá em duas etapas: formação da rede a partir de um conjunto de dados de entrada, e partição da rede produzindo clusters. Inicialmente, a técnica de formação da rede será baseada na extensão de um método desenvolvido recentemente pelo presente grupo. Na segunda etapa, várias técnicas de partição da rede serão investigadas, tais como partição via sincronização, via movimentação dos vértices e via caminhada aleatória. A representação de dados em rede pode revelar estruturas topológicas dos dados de entrada, portanto, espera-se que as técnicas desenvolvidas sejam capazes de detectar clusters de formas, densidades e tamanhos variados. Além disso, espera-se que estas técnicas também viabilizem uma representação hierárquica de clusters, permitindo a escolha da melhor partição dentre várias possibilidades. As técnicas de partiçao de rede que serão desenvolvidas neste projeto não possuem como objetivo encontrar soluções ótimas via busca exaustiva, mas sim soluções aproximadamente ótimas com grande eficiência e robustez que são características desejáveis para processamento de grande quantidade de dados..
Autores: Marcos Gonçalves Quiles, Liang Zhao, Fabricio A. Breve, Elbert Macau
2007 a 2009
-
FAPESP TIDIA-Aprendizado Eletronico sobre Plataforma de Redes de Alta Velocidade
Os principais objetivos do Projeto de Aprendizagem Eletrônica (TIDIA-Ae) são a pesquisa e o desenvolvimento na área de tecnologia da informação voltada para especificação, projeto e implementação de ferramentas aplicáveis à área de Educação a Distância (EaD). A idéia é desenvolver soluções flexíveis de grande impacto social, porém a um baixo custo, devido à utilização de plataformas livres no seu desenvolvimento. O TIDIA-Ae também prevê o desenvolvimento de um ambiente de aprendizagem eletrônica (Ae), que servirá como base para a criação de novas ferramentas de EaD. O desenvolvimento desse ambiente deverá ser fundamentado em uma arquitetura baseada em componentes, facilitando, assim, sua elaboração, implementação, manutenção e principalmente, sua evolução, permitindo que novas funcionalidades sejam acrescidas ao longo do tempo. A principal aplicação do projeto TIDIA-Ae é dar suporte à EaD via software livre, tanto em termos teóricos-metodológicos quanto tecnológicos. Para ser executado, o projeto envolverá técnicas de Engenharia de Software para análise, projeto, implementação e teste dos componentes, bem como teorias das áreas de Educação a Distância, Interfaces Humano-Computador, Inteligência Artificial, além das tecnologias empregadas para o desenvolvimento de sistemas Hipermídia e outras que sejam necessárias para a conclusão dos objetivos iniciais previstos.
Autores: Marcos Gonçalves Quiles, Liang Zhao, Fabricio A. Breve, João Roberto Bertini Junior, Roseli A. F. Romero
2005 a 2005
Universidade Federal de São Paulo
-
Caracterização de Redes Complexas Dinâmicas
O estudo de sistemas reais via redes complexas tem sido uma área bastante ativa nos últimos anos. Contudo, grande parte do progresso obtido nesse período está relacionado ao estudo das propriedades de redes com topologia fixa (estática). Comumente, o estudo e a síntese de redes complexas faz uso de medidas capazes de caracterizar seus principais atributos topológicos. A caracterização da rede é útil tanto no entendimento e reconhecimento de sistemas reais quanto em modelagem e simulação de sistemas sintéticos. No cenário dinâmico, a estrutura topológica pode variar ao longo do tempo, podendo, inclusive, acarretar na alteração de funções e propriedades do sistema em estudo. Dessa forma, a definição de medidas capazes de caracterizar as propriedades estruturais de redes dinâmicas e suas respectivas alterações ao longo do tempo são essenciais em diversos cenários não estacionários, i.e. o clima. Nesse contexto, este projeto de pesquisa tem como um de seus objetivos desenvolver novas abordagens para caracterizar redes dinâmicas tanto em micro quanto em macro escala. Em especial, pretende-se estender o modelo proposto por Quiles et al. \citep{quiles2016dynamical} nos seguintes aspectos: 1) caracterização da estrutura de comunidades em redes dinâmicas genéricas e 2) estudo da representação via espaço de partículas para extração de novas medidas. Este projeto também prevê a aplicação dos métodos desenvolvidos no estudo da evolução de redes reais, como redes meteorológicas, climáticas e redes de queimadas.
Autores: Marcos Gonçalves Quiles, Maria da Graca Campos Pimentel
2018 a 2022
-
Modelos Dinâmicos em Aprendizado de Máquina
O desenvolvimento de técnicas de aprendizado de máquina capazes de lidar com dados dinâmicos tem sido pouco explorado. Nesse contexto, este projeto de pesquisa tem como objetivo principal desenvolver novas técnicas de aprendizado de máquina baseadas em redes, tanto no paradigma não-supervisionado quanto no paradigma semi-supervisionado. Para isso, utilizar-se-a da capacidade de representação das redes complexas para modelagem dos dados e modelos dinâmicos como base para o desenvolvimento das técnicas propostas. Especificamente, partindo-se da técnica de interação de partículas proposta por Quiles et al. (2016), novos modelos serão confeccionados, analisados e aplicados em domínios reais. Dentre as diversas contribuições almejadas, as seguintes podem ser destacadas: 1)desenvolvimento de novas técnicas de aprendizado de máquina capazes de tratar dados dinâmicos de maneira intrínseca. Em especial, novos modelos de detecção de comunidades, técnicas de agrupamento de dados e técnicas de classificação semi-supervisionadas; 2) incorporação do aprendizado ativo nos modelos de classificação semi-supervisionada; 3) aplicação dos modelos em problemas reais, como por exemplo na detecção de comunidades em redes climáticas; 4) formação de recursos humanos.
Autores: Marcos Gonçalves Quiles, João Eliakin Mota de Oliveira, Alessandra Marli M. Morais, Wilson Seron, Elbert Einstein Nehrer Macau, Frank Moshé, Manoel Cardoso Ferreira, Leonardo Bacelar Santos Lima, Sâmia Regina Garcia Calheiros
2016 a 2019
-
Cadastro de ativos em redes compartilhadas via Visão Computacional
Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.
Autores: Marcos Gonçalves Quiles, Sandy Porto, Alessandra Marli M. Morais, Wilson Seron, Frank Moshé, DE OLIVEIRA, JOÃO E.M., Luiz Henrique Nogueira Lorena
2015 a 2018
-
Aprendizado Ativo: Uma Abordagem Utilizando Redes Complexas
A velocidade de aquisição e a grande capacidade de armazenamento de dados têm sido algo surpreendente nos últimos anos. Embora o processo de aquisição possa ser considerado algo relativamente simples e barato, a analise e rotulação desses dados é algo que demanda trabalho manual por parte de um especialista, logo, acarretando num alto custo. Com o objetivo de reduzir esse custo minimizando o trabalho do especialista, técnicas de aprendizado ativo têm sido propostas e utilizadas para guiar o processo de seleção de exemplos a serem rotulados. Tais técnicas buscam solicitar ao especialista apenas a análise e rotulação de exemplos importantes e fornecem uma grande vantagem à seleção e rotulação aleatória de exemplos. Neste projeto será investigado a utilização de medidas topológicas de redes complexas como forma alternativa de aprendizado ativo. Para isso, numa primeira etapa, um conjunto de dados é transformado numa rede. Após, medidas topológicas serão extraídas da rede, analisadas e utilizadas para guiar o processo de seleção de vértices (exemplos) a serem rotulados. Dois cenários podem ser observados nesse contexto: 1) redes estáticas e 2) redes dinâmicas. No cenário 1), a rede é gerada a partir dos dados existentes e não é alterada, este é um cenário mais simples, contudo, menos realista. No cenário 2), uma rede inicial é gerada a partir dos dados disponíveis, porém, ao longo do tempo, novos exemplos podem ser agregados, removidos, ou mesmo reclassificados pelo especialista. Os dois cenários serão abordados nesse projeto. A análise da representatividade de cada medida no processo de seleção será conduzida utilizando o paradigma de aprendizado semi-supervisionado. Por fim, os resultados obtidos serão comparados àqueles produzidos por técnicas tradicionais de aprendizado ativo.
Autores: Marcos Gonçalves Quiles, Fabio Augusto Faria, Fábio Augusto Menocci Cappabianco, Jurandy Gomes de Almeida Junior
2014 a 2017
-
Dynamic Semi-Supervised and Active Learning Based on Complex Networks
The main purpose of this project is the development of new techniques for semi-supervised learning-based networks for dynamic data sets. Properties of complex networks that represent the data and dynamic computational models for label propagation will be taken into account. Measures of complex networks will be extracted and used as parameters for selection of vertices. This selection is two-fold: indicate which are the best samples for labeling (active learning); and which vertices of the network attach the new instances (dynamic network). The label propagation in the network (semi-supervised classification) is performed by dynamic computational models, focusing on particle competition and neuronal synchronization models. From the study conducted during this project and the development of new techniques, we expected to generate original contributions in three main fields: 1) representation of dynamic datasets in networks; 2) development of techniques capable of dealing with dynamic data; and 3) active learning based on properties of complex networks to optimize the annotator work.
Autores: Marcos Gonçalves Quiles, Fabricio A. Breve, Sandy Porto, João Eliakin Mota de Oliveira
2012 a 2016
-
Aprendizado Semi-Supervisionado Dinâmico Baseado em Grafos (CNPq Universal 14/2011)
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: Marcos Gonçalves Quiles, Liang Zhao, Elbert Macau, Marcio Porto Basgalupp, Marcos Gonçalves Quiles, Liang Zhao, Elbert Macau, Marcio Porto Basgalupp
2011 a 2013
-
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, 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 Options Trees, ensembles (ex: boosting e 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 meta-learning, pois o objetivo é aprender um algoritmo de aprendizagem..
Autores: Marcos Gonçalves Quiles, Marcio Porto Basgalupp, Rodrigo Barros, André Ponce de Leon F de Carvalho, Alex A. Freitas
2011 a 2015
Instituto Nacional de Pesquisas Espaciais
-
Projeto de Pesquisa Temático da FAPESP - Fenômenos Dinâmicos em Redes Complexas: Fundamentos e Aplicações
Processo 2015/50122-0 - Ao longo da última década, o enfoque de rede entre agentes dinâmicos com topologias complexas tem se tornado uma poderosa e eficaz metodologia a ser usada para entender sistemas elaborados, envolvendo um número muito elevado de agentes que interagem entre si. Esse enfoque vem sendo utilizado em várias áreas, desde Neurociência e Engenharia, até Sociologia e Economia. Contudo, até agora, a maior parte dos estudos têm se concentrado em situações onde a topologia é fixa, o que restringe sobremaneira sua utilização em cenários mais elaborados e próprios dos sistemas reais. Este projeto tem por objetivo estudar os princípios e fundamentos da auto-organização em redes complexas mais gerais, onde a topologia não é simples e a complexidade é muito elaborada. Visando aplicações em situações atuais de interesse, pretende-se, por conseguinte, compreender o papel que a heterogeneidade da estrutura, os atrasos em múltiplas escalas de tempo e espaço e a estocasticidade têm na dinâmica da rede. Esses estudos teóricos estão interconectados a investigações experimentais da dinâmica de redes naturais com complexidade crescente, o que compreende sistemas de distribuição de energia, propagação de infecções, interação entre neurônios híbridos e o sistema Terra. Este último representa um formidável desafio para a teoria das redes complexas e é um dos tópicos centrais no âmbito da presente iniciativa. Assim, via utilização do enfoque de redes complexas, tenciona-se entender a dinâmica de interação entre os vários subsistemas da Terra diante de condições variantes, em especial no que se refere ao aquecimento global e ao desmatamento da Amazônia. Este projeto é uma iniciativa internacional de colaboração envolvendo pesquisadores brasileiros e alemães do Instituto Nacional de Pesquisas Espaciais (INPE), Humboldt University at Berlin, Potsdam Institute for Climate Impact Research (PIK), Universidade de São Paulo (USP), Technical University of Berlin (TU), Potsdam University (UP), Universidade Estadual de Campinas (UNICAMP), Universidade Federal do ABC (UFABC), Universidade Federal de São Paulo (UNIFESP) and Centro Nacional de Monitoramento e Alestras de Desastres Naturais (CEMADEM). Esta iniciativa de pesquisa é financiada conjuntamente pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) e pela Deutshe Forschungsgemeinschaft (DFG).
2017 a 2022
-
Fenômenos Dinâmicos em Redes Complexas: Fundamentos e Aplicações
Projeto Temático FAPESP 2011/50151-0 de colaboração internacional entre Brasil e Alemanha envolvendo as instituições Instituto Nacional de Pesquisas Espaciais (INPE), Universidade de São Paulo (USP), UNICAMP, Universidade Federal do ABC (UFABC), Potsdam Institute for Climate Impact Research (PIK) e Humboldt University at Berlin, que também conta com o financiamento da agência alemã DFG. - Ao longo da última década, o enfoque de rede entre agentes dinâmicos com topologias complexas tem se tornado uma poderosa e eficaz metodologia a ser usada para entender sistemas elaborados, envolvendo um número muito elevado de agentes que interagem entre si. Esse enfoque vem sendo utilizado em várias áreas, desde Neurociência e Engenharia, até Sociologia e Economia. Contudo, até agora, a maior parte dos estudos tem se concentrado em situações onde a topologia é fixa, o que restringe sobremaneira sua utulização em cenários mais elaborados e próprios dos sistemas reais. Este projeto tem por objetivo estudar os princípios e fundamentos da auto-organização em redes complexas mais gerais, onde a topologia não é simples e a complexidade é muito elaborada. Visando aplicações em situações atuais de interesse, pretende-se, por conseguinte, compreender o papel que a heterogeneidade da estrutura, os atrasos em múltiplas escalas de tempo e espaço e a estocasticidade têm na dinâmica da rede. Esses estudos teóricos estarão interconectados a investigações experimentais da dinâmica de redes naturais com complexidade crescente, partindo de sistemas que envolvem alguns lasers, passando pela interação entre neurônios híbridos e chegando-se no sistema Terra. Esse último representa um formidável desafio para a teoria das redes complexas e será um dos tópicos centrais no âmbito desta iniciativa. Assim, via utilização do enfoque de redes complexas, tenciona-se entender a dinâmica de interação entre os vários subsistemas da Terra diante de condições variantes, em especial no que se refere ao aquecimento.
Autores: Marcos Gonçalves Quiles, Jürgen Kurths, Ibere Luiz Caldas, Henrique M. J. Barbosa, Tiago Pereira, Arkady Pikovsky, Francisco Rodrigues, Antônio Roque da Silva Filho, Sten Rüdiger, Paulo Ruffino, Gilvan Sampaio de Oliveira, Lutz Schimansky-Geier, Kirsten Thonicke, Jan Volkholz, Michael Zaks, Roland Körbele, Alexandre Kihara, Liang Zhao, MACAU, ELBERT E.N., J. J. Barroso, José A. Marengo, Igor Sokolov, Michael Rosenblum, Antônio Mário de Torres Ramos, Gabriela Antunes, Manoel Cardoso Ferreira, Pedro José Catuogno, Chou Sin Chan, Reik Donner, Martin Falcke, Benjamin Lindner, Rene Orlando Medrano Torricos, Christian Horácio Oliveira, Guillermo Obregon, Nicolas Perkowski, Susane Rolinski, Marco Antonio Saidel, Leonardo Bacelar Santos Lima, Michael Scheutzow, Ralf Toenjes, Ricarda Winkelmann, Serhly Yanchuck, Lincoln Muniz Alves, Mariana Sacrini Ferraz, Jobst Heitzig, Anja Ramming
2011 a 2016
University of York
Atualização Lattes em 2024-02
Processado em 2024-07-22