Especialistas Seniores em Covid-19 com atuação no Brasil

Joao Paulo Papa

Possui graduação em Bacharelado em Sistemas de Informação pela Universidade Estadual Paulista Júlio de Mesquita Filho (2002), mestrado em Ciência da Computação pela Universidade Federal de São Carlos (2005), doutorado em Ciência da Computação pela Universidade Estadual de Campinas (2008) e pós-doutorado em Ciência da Computação pela Universidade Estadual de Campinas (2009) e Universidade de Harvard (2015). Atualmente, é Professor Associado no Departamento de Computação da Universidade Estadual Paulista Júlio de Mesquita Filho, Unesp-Bauru, Coordenador do Programa de Pós-Graduação em Ciência da Computação da Unesp, e pesquisador colaborador junto ao Departamento de Computação da Universidade Federal de São Carlos. Atualmente é editor associado dos periódicos IEEE Signal Processing Letters e Computers & Electrical Engineering, bem como é membro do corpo editorial das revistas Computer Methods in Biomechanics and Biomedical Engineering, Journal of Next Generation Information Technology e International Journal of Bio-Inspired Computation. É co-editor de um livro na área de otimização por meta-heurísticas, bem como possui colaborações com diversas instituições internacionais. Já foi professor convidado da Ostbayerische Technische Hochschule (Alemanha), bem como é Fellow da Fundação Alexander von Humboldt apoiado pela Capes, representante brasileiro na International Association for Pattern Recognition (ICPR) e membro IEEE sênior. Foi membro titular da Comissão Especial de Computação Gráfica e Processamento de Imagens (CEGRAPI) no período 2015-2018. Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Computação, atuando principalmente nos seguintes temas: processamento de imagens, aprendizado de máquina e reconhecimento de padrões. Participa, também, de projetos na área de Engenharia de Petróleo junto ao Centro de Geociências Aplicadas ao Petróleo (UNESPETRO), Unesp/Rio Claro. Atualmente é chair da IEEE Task Force on Business Intelligence and Knowledge Management. (Texto informado pelo autor)

  • https://lattes.cnpq.br/9039182932747194 (05/10/2021)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 1D
  • Período de análise:
  • Endereço: Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade de Ciências de Bauru, Departamento de Computação. Av. Eng. Luiz Edmundo Carrijo Coube, 14-01 Jardim Paraíso 17033360 - Bauru, SP - Brasil Telefone: (19) 31036079 Ramal: 208 Fax: (19) 31036079 URL da Homepage: https://wwwp.fc.unesp.br/~papa/
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (20)
    1. 2021-Atual. ProtoRADIAR: Metodos de Captura e Disseminacao do Conhecimento, atraves de Processamento de Linguagem Natural na Area de Pocos
      Descrição: Repositórios de dados de perfuração de poços representam uma relevante e diversificada fonte de informações. Se adequadamente exploradas, podem permitir extração de conhecimento de grande valor para a comunidade de perfuração e construção de poços petróleo em diversos cenários. Em consonância com profundas alterações que o fenômeno de Transformação Digital está causando na indústria e sociedade, este projeto de pesquisa visa a investigação e desenvolvimento de métodos e ferramentas baseados em tecnologias computacionais para análise de dados estruturados e não estruturados, visando a extração, representação e a visualização do conhecimento. A pesquisa terá como foco a classificação e extração de dados textuais de operações de poços. O projeto tem como principais eixos de pesquisa e desenvolvimento os temas mais promissores identificados em pesquisa já realizada, além de contar com clientes identificados nos ambientes da indústria do petróleo. Por fim, o projeto também prevê a disseminação dos métodos e ferramentas desenvolvidas como um de seus objetivos.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) . Integrantes: João Paulo Papa - Integrante / Ivan Rizzo Guilherme - Coordenador / AFONSO, LUIS CLAUDIO SUGI - Integrante / Gustavo José de Sousa - Integrante / Pedro Ivo Monteiro Privatto - Integrante / PEDRONETTE, DANIEL CARLOS GUIMARÃES - Integrante / Rafael Bezerra de Menezes Rodrigues - Integrante / Rafael Pizzirani Murari - Integrante. Financiador(es): Petrobras - Bolsa.
      Membro: Joao Paulo Papa.
    2. 2019-Atual. Adaptacao de Dominio e suas Aplicacoes para o Diagnostico de Cancer
      Descrição: Machine learning techniques are usually helpful when we have a sufficient amount of information to teach the model how to generalize well over unseen data. However, a problem that arises with large amounts of data concerns the fact that most of them are unlabeled. Among some approaches to cope with such an issue, we can refer to domain adaptation techniques, which aim at transferring the learning acquired from some source domain to a target one. The applications vary from remote sensing imagery, engineering, and medicine, to cite a few. In this proposal, we intend to investigate whether computer-assisted cancer diagnosis can benefit from the framework provided by domain adaptation techniques. We will examine how to perform cross-domain-oriented pattern classification from multi-modal datasets in two different applications: liver and esophagus cancer diagnosis. Another primary goal is to verify whether we can learn from one type of cancer to help the automatic diagnosis of one another, i.e., can we perform liver cancer classification by learning from examples from esophagus cancerous images? The proposal comprises undergraduate, graduate, post-docs, and collaborators from German academic institutions and clinics.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Doutorado: (1) . Integrantes: João Paulo Papa - Coordenador / Clayton Reginaldo Pereira - Integrante / Luis Antônio de Souza Júnior - Integrante / Christoph Palm - Integrante / Nilceu, Aparecido - Integrante / Fernanda Tostes Marana - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    3. 2018-Atual. SiSuSMS - Sistema Supervisorio de SMS para Sondas
      Descrição: A segurança dos trabalhadores é uma das maiores preocupações para uma empresa, principalmente em locais que exigem altos níveis de segurança e monitoramento constante, como ocorre nas plataformas de perfuração de petróleo marítimas. Dependendo do tamanho do local de trabalho, fica inviável o seu monitoramento de forma manual, ou seja, por inspeção visual humana. Nesse sentido, a presente proposta de projeto de pesquisa visa o estudo e desenvolvimento de técnicas baseadas em visão computacional e inteligência artificial para o monitoramento automático de situações de risco em uma plataforma. Com base em informações obtidas das câmeras de vigilância, o sistema poderá monitorar, em tempo real e de forma constante, todo o seu campo de visão e, em caso de alguma situação irregular, emitir alertas para a posterior tomada de decisão.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (2) . Integrantes: João Paulo Papa - Coordenador / Ivan Rizzo Guilherme - Integrante / Clayton Reginaldo Pereira - Integrante / Rafael Gonçalves Pires - Integrante / Kelton Augusto Pontara da Costa - Integrante / Leandro Aparecido Passos Junior - Integrante / Daniel Felipe Silva Santos - Integrante / Daniel Carlos Guimarães Pedronette - Integrante / Nilceu, Aparecido - Integrante / Danilo Colombo - Integrante / Henrique Leal Tavares - Integrante / Claudio Filipi Gonçalves dos Santos - Integrante / Marcos Cleison Silva Santana - Integrante / Thierry Pinheiro Moreira - Integrante / Diego de Souza Oliveira - Integrante / Leonardo Tadeu Lopes - Integrante / Lucas Pascotti Valem - Integrante.
      Membro: Joao Paulo Papa.
    4. 2017-2020. RADIAR: Metodo para a disseminacao do conhecimento
      Descrição: Objetivo deste projeto de pesquisa aplicada é o desenvolvimento experimental de métodos, utilizando as mais modernas técnicas da inteligência artificial, visando a inovação dos processos de aquisição do conhecimento de textos para a posterior catalogação semiautomática por conteúdo na área de petróleo (processo inexistente no mundo) e da disseminação do conhecimento na forma textual disponível na comunidade de construção de poços de petróleo. No desenvolvimento do método a ser proposto, estudos serão desenvolvidos para identificar as novas abordagens da inteligência artificial, em particular a da indexação e a recuperação semântica de textos, aprendizado de máquina e de processamento da linguagem natural. Um protótipo será desenvolvido e a avaliação dos métodos propostos serão feita comparando com outras abordagens existentes e experimentalmente através da utilização dos métodos por profissionais da comunidade de construção de poços de petróleo.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (1) . Integrantes: João Paulo Papa - Integrante / Ivan Rizzo Guilherme - Coordenador / Alexandro José Baldassin - Integrante / Daniel Carlos Guimarães Pedronette - Integrante. Financiador(es): Petrobras - Outra.
      Membro: Joao Paulo Papa.
    5. 2017-Atual. Modelos Probabilisticos para Deteccao de Perdas Comerciais
      Descrição: Detecção de perdas não técnicas é um problema de grande interesse atualmente, principalmente no Brasil, onde a quantidade de ligações clandestinas pode chegar a níveis bastante preocupantes. Tais ligações podem comprometer a vida útil de dispositivos utilizados para transmissão e transformação de energia, dado que foram dimensionados para trabalhar de acordo com a quantidade de usuários conhecida pela concessionária de energia. O presente projeto de pesquisa objetiva o estudo e desenvolvimento de algoritmos probabilísticos para a detecção de fraudes em sistemas de energia domésticos e industriais. Tais técnicas conseguem modelar a dinâmica de padrões de dados, podendo ser mais eficazes em dados que mudam conforme o tempo como, por exemplo, usuários de energia. Assim, a ideia seria também prever quando um usuário pode vir a tornar-se clandestino, e não apenas identificá-lo após ele se tornar um fraudador. Tal sistema é de grande valia para o acompanhamento do perfil dos usuários, possibilitando, assim, a tomada de ações mais eficazes no combate à esse tipo de ilegalidade. Cabe destacar que medidas preventivas e educacionais podem ser realizadas, principalmente no intuito de evitar com que uma determinada região, por exemplo, com mais propensão à cometer fraudes, venha a prejudicar a companhia de energia e, por conseguinte, a população como um todo. A presente proposta também contempla pesquisadores de. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: João Paulo Papa - Integrante / André Nunes de Souza - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    6. 2017-Atual. Modelos de Aprendizado Baseados em Energia e suas Aplicacoes
      Descrição: Modelos de aprendizado baseados em energia têm sido utilizados nas mais variadas áreas de pesquisa, dado que fazem parte de um amplo arcabouço que compreende técnicas probabilísticas e não probabilísticas. Dentre os principais representantes desse segmento, podemos citar as Máquinas de Boltzmann Restritas e suas variantes no contexto de aprendizado em profundidade: Redes de Crença em Profundidade e Máquinas de Boltzmann em Profundidade. Tais modelos possuem, também, certos pontos fracos que serão explorados na presente proposta de projeto de pesquisa, tais como a otimização de seus parâmetros de maneira automática, a melhoria da eficácia do seu processo de treinamento por meio de amostragem em campos de Markov, e como diferentes técnicas de regularização baseadas em temperaturas e corte de neurônios podem ser empregadas. O projeto de pesquisa irá atuar em duas frentes: (i) aplicação e (ii) teoria. Na primeira delas, buscaremos aplicações que ainda não avaliaram os modelos de aprendizado baseados em energia acima citados, principalmente aquelas baseadas em biometria e da área médica. Já na parte teórica, esperamos contribuir com diferentes modelos para amostragem em cadeias de Markov visando uma melhoria no processo de inferência desses modelos. A presente proposta também conta com colaboradores nacionais e internacionais, bem como diversos alunos de graduação e pós-graduação. Dado que não existem muitos grupos de pesquisa no Brasil que trabalham na temática dessa proposta, acredita-se que a mesma poderá trazer muitos benefícios para toda a comunidade.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (3) . Integrantes: João Paulo Papa - Coordenador / Aparecido Nilceu Marana - Integrante / Dinesh Kant Kumar - Integrante / Gustavo Kunde Rohde - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    7. 2017-Atual. AnImaLS: Anotacao de Imagem em Larga Escala: O que maquinas e especialistas podem aprender interagindo?
      Descrição: Em muitas áreas das Ciências e Engenharia, imagens fornecem informações sobre problemas reais e a associação por uma máquina de um ou mais rótulos por imagem (anotação), com base nessas informações, conduz a uma decisão sobre o problema. No entanto, o aprendizado de máquina requer que o conteúdo de interesse, denominado amostra, seja manualmente isolado e identificado (rotulado) em imagens de treinamento. À medida que as imagens e amostras por imagem não rotuladas crescem em número, a anotação manual delas se torna inviável, nos conduzindo às seguintes questões: Qual é a forma mais intuitiva dos especialistas ensinarem às máquinas a anotar imagens? Quais são as tarefas e desafios envolvidos neste processo? Como minimizar o esforço do especialista com máxima eficácia no aprendizado de máquina? O que máquinas e especialistas podem aprender interagindo? Este projeto temático visa encontrar respostas para estas questões por meio do estudo e desenvolvimento de métodos para anotação de imagem em larga escala, e construção de sistemas de tomada de decisão (sem a participação do usuário) e de sistemas de apoio à decisão, onde especialistas e máquinas cooperam e aprendem uns com os outros continuamente. A metodologia explora as habilidades complementares dos seres humanos, melhores em abstrair o conhecimento, e máquinas, superiores no processamento de dados em larga escala, de modo repetitivo e sem fadiga. O problema é dividido em duas etapas: extração de amostras das imagens e aprendizado interativo de máquina, visando a construção de uma sequência de operações para anotar novas imagens automaticamente ou com o mínimo de intervenção humana. O estudo busca combinar características de imagem obtidas dos dados com características provenientes do conhecimento sobre a aplicação. O projeto visa ainda inovações científicas e tecnológicas para o diagnóstico de parasitos gastrintestinais em humanos e animais vertebrados, por meio da aquisição e anotação automatizadas de imagens microscópicas, e para demonstrar a extensão dos métodos em outros domínios, o projeto inclui estudos de anotação de imagem médica por modelos de forma multi-objeto, e anotação interativa de imagem de sensoriamento remoto.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: João Paulo Papa - Integrante / Jancarlo Ferreira Gomes - Integrante / Paulo André Vechiatto de Miranda - Integrante / Falcão, A. X. - Coordenador / Pedro Jussieu de Rezende - Integrante / Hélio Pedrini - Integrante / TORRES, RICARDO DA S. - Integrante / Priscila Tiemi Maeda Saito - Integrante / Luis Gustavo Nonato - Integrante / Marcelo Finger - Integrante / Katia Denise Saraiva Bresciani - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    8. 2016-2019. istema de Monitoramento e Diagnostico por Meio de Processamento de Imagens na Identificacao Ocorrencias e Falhas na Seguranca em Areas de Preservacao Permanente (APPs) e Reservatorios de UHEs
      Descrição: O projeto de pesquisa contempla o desenvolvimento de um sistema computacional inteligente de monitoramento aplicado ao diagnóstico de ocorrências (desmatamento, queimadas, invasão de pessoas e animais, pesca predatória, construções indevidas, construção de cercas, rede elétricas, etc.) avaliando os aspectos de segurança ambiental e humana em áreas de preservação permanentes (APPs) e reservatórios utilizando técnicas não convencionais de processamento de imagem.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) . Integrantes: João Paulo Papa - Integrante / Kelton Augusto Pontara da Costa - Integrante / Gustavo Henrique de Rosa - Integrante / Willian Paraguassu Amorim - Integrante / MARANA, A. - Integrante / Rogério Thomazella - Coordenador / José Eduardo Cogo Castanho - Integrante / Ricardo Achilles Filho - Integrante / Breno Augusto Canson Caldato - Integrante / Fernando de Rosa - Integrante / Marcos César de Carvalho - Integrante / Richard José Algarve - Integrante / Wenderson Nascimento Lopes - Integrante.
      Membro: Joao Paulo Papa.
    9. 2016-Atual. Development of Cardiovascular Disease and Diabetes Risk Assessment model for Ethnically diverse Populations
      Descrição: We aim to develop an improved cardiovascular disease model and diabetic risk assessment approach, overcoming the weakness of the current risk assessment methods shortcomings that are only suitable for narrow demographics. We also aim to test methods for improving the current approach of risk assessment by using non-linear machine learning approaches instead of the linear equation methods currently being used. The project will also test the relevance of many of the health parameters that are being recorded but not being used by the current risk assessment equations.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (1) / Mestrado profissional: (0) / Doutorado: (1) . Integrantes: João Paulo Papa - Coordenador / Dinesh Kant Kumar - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    10. 2016-Atual. Meta-Heuristic-based Optimization of Probabilistic Neural Networks
      Descrição: Probabilistic Neural Networks (PNNs) have been of great interest considering pattern recognition-oriented applications, mainly due to their very good results in several applications. However, the main problems related to such techniques are the presence of outliers and how to choose proper architectures for PNNs. The former shortcoming has been wisely addressed by the American coordinator of this proposal by considering the information about nearby samples when modeling the probability density function that describes the training data. But we still have the problem of choosing good architectures for such models, i.e., the number of Gaussian distributions and their parameters. In this proposal, we aim at modeling such task as a meta-heuristic-based optimization problem by employing techniques based on swarm and evolutionary intelligence. The reason why using such techniques concern with their simplicity and very good results in several research areas.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Doutorado: (1) . Integrantes: João Paulo Papa - Coordenador / Hojjat Adeli - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T & A: 1
      Membro: Joao Paulo Papa.
    11. 2015-Atual. Sobre a Aplicacao de Floresta de Caminhos Otimos em Ambientes de Aprendizado em Profundidade
      Descrição: Arquiteturas de aprendizado em profundidade tem sido amplamente estudadas nos últimos anos, dado que a sua filosofia consiste na utilização de uma complexa estrutura hierárquica para o aprendizado e representação de informações, de maneira análoga ao processamento neural humano. Tais arquiteturas consistem em várias etapas, que correspondem, basicamente, em submeter uma imagem (no caso de aplicações voltadas à estudos na área de visão computacional, por exemplo) a um processo de filtragem utilizando um banco de filtros para posterior extração de informações e amostragem da mesma. Em seguida, essa imagem modificada é então submetida a uma nova camada de operações, iguais às conduzidas na camada anterior. Ao final do processo, obtém-se uma descrição em alta dimensão dessa imagem, sendo esta representação então utilizada em um processo de classificação tradicional. Geralmente, técnicas tradicionais de reconhecimento de padrões tem sido aplicadas nesta última etapa, tais como Máquinas de Vetores de Suporte, por exemplo. Ocorre que tais abordagens são bastante conhecidas pelo alto custo computacional de sua etapa de treinamento, a qual é bastante sensível à escolha dos seus parâmetros. Esse projeto de pesquisa objetiva o estudo e emprego do classificador Floresta de Caminhos Ótimos em ambientes de aprendizado em profundidade, o qual foi ainda pouco abordado nesse contexto, bem como possui versões não paramétricas que tem obtido resultados similares e, muitas vezes, superiores aos resultados obtidos por classificadores estado-da-arte, porém com uma etapa de treinamento muito mais rápida. Outros objetivos incluem a orientação de alunos de iniciação científica, mestrado, doutorado e pós-doutorado no âmbito dessa proposta, que também contempla a renovação do projeto de pesquisa em produtividade vigente do proponente.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: João Paulo Papa - Coordenador / Rafael Gonçalves Pires - Integrante / Luis Alexandre da Silva - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Número de produções C, T & A: 1
      Membro: Joao Paulo Papa.
    12. 2015-Atual. Sobre a Otimizacao de Parametros em Tecnicas de Aprendizado de Maquina: Avancos e Paradigmas
      Descrição: Técnicas de aprendizado de máquina tem sido bastante empregadas nos últimos anos em diversas área de pesquisa. Embora sejam conhecidas pelo seu alto poder de generalização, muitas dessas técnicas são paramétricas, o que resulta em um alto custo computacional para o aprendizado desse conjunto de parâmetros, tornando seu emprego inviável em aplicações que envolvem grandes bases de dados e situações onde a resposta ao usuário deve ser dada em tempo real. O presente projeto de pesquisa visa o estudo de técnicas de otimização por meta-heurísticas mono e multi-objetivos e suas aplicações para otimização de arquiteturas de aprendizado de máquina, tais como seleção de modelos e funções de núcleo (kernels), seleção de características e fusão de informações, dentre outras aplicações. A proposta objetiva também investigar a viabilidade da otimização de parâmetros em arquiteturas de aprendizado em profundidade com vistas à sua eficiência e eficácia, principalmente em Redes Neurais por Convolução, Máquinas de Boltzmann Restritas, Redes de Crença por Profundidade e Auto-codificadores. Este projeto focará, principalmente, em abordagens de otimização multi-objetivos, dado que muito pouco trabalho nessa área tem sido realizado com vistas ao aprendizado de parâmetros em abordagens de reconhecimento de padrões, por exemplo. A proposta também conta com a presença do Prof. Dr. Xin-She Yang (Middlesex University, Inglatera), o qual é um pesquisador bastante ativo na área de otimização por meta-heurísticas, sendo que os novos algoritmos recentemente desenvolvidos por ele serão utilizados e validados pela presente proposta de projeto de pesquisa.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Especialização: (1) / Doutorado: (2) . Integrantes: João Paulo Papa - Coordenador / Yang, Xin-She - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    13. 2015-Atual. Sobre a Deteccao de Anomalias em Redes de Computadores Utilizando Floresta de Caminhos Otimos: Avancos e Aplicacoes em Redes de Computadores
      Descrição: Nota-se, nesses últimos anos, que o número de pessoas interessadas em acessar informações não autorizadas vem crescendo exponencialmente em conjunto com o diferente número de ataques que acompanham na mesma velocidade. Considera-se, também, que certas ferramentas, tais como antivírus e firewalls são importantes para a segurança de uma rede de computadores, porém devido a grande quantidade de anomalias presentes em tais ambientes, torna-se difícil uma aplicação apresentar grande eficiência e eficácia na detecção desses códigos maliciosos. Assim, considerando a diversificação dos ataques, bem como suas complexidades, empresas tem aumentado seus investimentos em estudos para a elaboração de sistemas de detecção de intrusões mais eficientes utilizando técnicas de inteligência artificial. O presente projeto de pesquisa objetiva o estudo e desenvolvimento de técnicas de detecção de anomalias em redes de computadores utilizando o classificador por Floresta de Caminhos Ótimos, o qual ainda não foi empregado nesse contexto. Ademais, o projeto visa contribuir com uma biblioteca para o classificador OPF no intuito de ampliar a sua divulgação entre pesquisadores nacionais e internacionais.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: João Paulo Papa - Integrante / Kelton Augusto Pontara da Costa - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    14. 2013-2016. ARPaVid: Aprendizado e Reconhecimento de Padroes em Videos
      Descrição: Abordagens para processamento e aprendizado de padrões em vídeos tem obtido crescente atenção nos últimos anos, principalmente devido à grande quantidade de conteúdo digital que vem sendo disponibilizado diariamente na internet, em especial via redes sociais. Sistemas de recomendação de filmes, por exemplo, amplamente empregados em lojas virtuais, são umas das principais aplicações de avanços nos estudos na área de processamento de vídeos. Com o intuito de acelerar o processo de recomendação e economizar armazenamento, técnicas para categorização e sumarização de vídeos utilizando aprendizado de máquina tem sido utilizadas para explorar conteúdo informativo e também redundante. Características que são inerentes de vídeos como, por exemplo, classificação com múltiplos-rótulos, tem permitido o desenvolvimento de uma nova classe de algoritmos de aprendizado de máquina, possibilitando, assim, novos estudos nessa área. Codificadores e compressores de sinais também são explorados visando uma transmissão de dados com mais qualidade e eficiência, beneficiando os novos padrões de transmissão de TV digital e interativa. Esse projeto de pesquisa objetiva o estudo e aplicação de novos algoritmos de aprendizado de máquina nas diversas áreas que envolvem o reconhecimento de padrões em vídeos. Objetiva-se, também, aplicar algoritmos de otimização evolucionistas nesse contexto, dado que poucos trabalhos tem abordado essa frente de pesquisa. O presente projeto também descreve trabalhos que serão derivados do mesmo, os quais empregarão alunos de iniciação científica, mestrado, doutorado e pós-doutorado.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . Integrantes: João Paulo Papa - Coordenador / Yang, Xin-She - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    15. 2012-2015. Alem das Tecnicas Tradicionais de Reconhecimento Supervisionado de Padroes: Explorando Aprendizado Sequencial e Suporte a Multiplos Rotulos por Floresta de Caminhos Otimos
      Descrição: Abordagens tradicionais de reconhecimento supervisionado de padrões, geralmente, assumem que os dados são amostrados por uma distribuição idêntica e independente. Nesse contexto, um conjunto de treinamento é utilizado pelo método com o intuito de aprender o comportamento dos dados para posterior classificação dos mesmos em um conjunto de teste, atribuindo a cada amostra um rótulo. Ocorre que, muitas vezes, os dados não são independentes e possuem uma correlação espacial, no caso de pixels de uma determinada vizinhança, e uma correlação temporal. Nesse caso, abordagens de aprendizado sequencial levam em consideração tais dependências entre as amostras. Em um outro contexto, existem várias aplicações que permitem com que uma dada amostra possua mais de um rótulo como, por exemplo, classificação de documentos: podemos encontrar um artigo de jornal que possa ser rotulado como sendo científico e, ao mesmo tempo, possa ser classificado como religioso. Aplicações de aprendizado sequencial com suporte a múltiplos rótulos tem sido bastante investigadas nos últimos anos para vários classificadores, dentre eles Redes Neurais Artificiais e Máquinas de Vetores de Suporte, inclusive por pesquisadores brasileiros. Nesse contexto, o presente projeto de pesquisa objetiva estudar os paradigmas de aprendizado supervisionado sequencial e aprendizado com suporte a múltiplos rótulos para um classificador recentemente proposto na literatura, denominado Floresta de Caminhos Ótimos (OPF - Optimum-Path Forest), dado que o mesmo ainda não foi adaptado para estes fins. O presente projeto espera contribuir sobremaneira com os avanços nessa área de pesquisa, dado que seus resultados serão incorporados a uma biblioteca de código aberto disponível para o classificador OPF. Processo #303182/2011-3.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (2) / Mestrado profissional: (0) / Doutorado: (1) . Integrantes: João Paulo Papa - Coordenador / Daniel Osaku - Integrante / Rodrigo Yuji Mizobe Nakamura - Integrante / Luís Augusto Martins Pereira - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Número de produções C, T & A: 8
      Membro: Joao Paulo Papa.
    16. 2011-2013. Reconhecimento Automatico Robusto de Impressoes Digitais Baseado em Caracteristicas Biometricas de Terceiro Nivel
      Descrição: Dentre as diversas características biométricas possíveis de serem utilizadas para identificação de pessoas, a impressão digital é a mais utilizada. Os sistemas atuais de identificação automática de impressões digitais são baseados nos padrões das cristas, classificadas como características de primeiro nível, e nas minúcias (terminações ou bifurcações das cristas), classificadas como características de segundo nível. No entanto, com a evolução dos sensores de captura das impressões digitais e a crescente demanda por sistemas mais seguros, torna-se possível, e necessário, o uso de um conjunto adicional de características discriminativas presentes no interior das cristas, conhecidas como características de terceiro nível. Nesse conjunto de características incluem-se os poros sudoríparos, cujo emprego já está consolidado em exames de impressões latentes realizados manualmente por especialistas forenses e que podem ser encontrados em abundância nas impressões digitais. Pesquisas recentes têm focado no desenvolvimento de métodos para extração e casamento de poros, com ênfase na segmentação, uma etapa bastante crítica no processo de extração. Também têm recebido a atenção dos pesquisadores as aplicações de reconhecimento de impressões digitais nas quais as técnicas baseadas em características de primeiro e segundo níveis geralmente apresentam baixas taxas de reconhecimento correto, tais como no reconhecimento de fragmentos de impressões digitais ou no reconhecimento de impressões digitais latentes. O objetivo principal desse projeto de pesquisa é propor métodos mais robustos de reconhecimento de impressões digitais baseados em características de terceiro nível. Pretende-se também promover a fusão dos novos métodos propostos com métodos já descritos na literatura, baseados em características de segundo nível. Outro objetivo é criar uma base de dados de impressões digitais cujas imagens sejam capturadas por meio de sensores eletrônicos com resolução adequada para a extração. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: João Paulo Papa - Integrante / Aparecido Nilceu Marana - Coordenador / Marcus de Assis Angeloni - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Joao Paulo Papa.
    17. 2010-2014. Novas Tendencias em Reconhecimento de Padroes baseado em Floresta de Caminhos Otimos (FAPESP - Jovem Pesquisador)
      Descrição: Classificadores de padrões tradicionais, tais como Máquinas de Vetores de Suporte (Support Vector Machines - SVM) e redes neurais, pagam o preço de uma etapa de treinamento muito custosa para atingir taxas de exatidão aceitáveis em um conjunto de teste. Ainda assim, são inviáveis em situações que exigem um constante retreinamento dos dados e, principalmente, em aplicações com grande volume de dados (segmentação interativa de imagens de ressonância magnética do cérebro e de partículas de ferro em imagens metalográficas de alta resolução, por exemplo). Recentemente, um novo algoritmo de reconhecimento de padrões denominado Floresta de Caminhos Ótimos (Optimum-Path Forest - OPF) foi proposto na literatura, o qual demonstrou ser superior a redes neurais e classificadores bayesianos e similar às SVM, porém extremamente mais rápido (500x-1000x, dependendo do tamanho da base de dados), sendo ainda contemplado com 3 prêmios no ano de 2009. O classificador OPF modela a tarefa de classificação dos dados como sendo um problema de partição de um grafo induzido pelo espaço de características em árvores de caminhos ótimos (Optimum-Path Tree - OPT), onde cada amostra está mais fortemente conexa à raiz de sua árvore do que a qualquer outra raiz nessa floresta. Amostras pertencentes a uma mesma OPT recebem o mesmo rótulo no processo de classificação dos dados. Embora o classificador OPF tenha sido utilizado em diversas áreas de pesquisa nos últimos 2 anos, tais como sensoriamento remoto, visão computacional (impressão digital e reconhecimento de faces), identificação de doenças parasitárias em humanos e processamento de sinais biomédicos, existem ainda muitas outras que necessitam validar a sua aplicabilidade. O presente projeto de pesquisa objetiva um amplo e completo estudo do classificador OPF, bem como o desenvolvimento de novas variantes do mesmo, sua implementação em GPU (Graphics Processing Unit) e sua aplicação em diversas outras áreas de pesquisa.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (6) / Mestrado acadêmico: (6) / Doutorado: (2) . Integrantes: João Paulo Papa - Coordenador / Aparecido Nilceu Marana - Integrante / Falcão, A. X. - Integrante / Caio Oba Ramos - Integrante / André Nunes de Souza - Integrante / Luis Cláudio Súgi Afonso - Integrante / André Franco Pagnin - Integrante / Daniel Osaku - Integrante / Clayton Reginaldo Pereira - Integrante / Rodrigo Yuji Mizobe Nakamura - Integrante / Alex Fernandes Mansano - Integrante / Ariane Dutra Vieira - Integrante / Marcos Vinícius Trigo Romero - Integrante / Rafael Gonçalves Pires - Integrante / Luís Augusto Martins Pereira - Integrante / Adriana Sayuri Iwashita - Integrante / Luís Augusto Pereira - Integrante / Talissa Gaspareli de Barros - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T & A: 47
      Membro: Joao Paulo Papa.
    18. 2010-2012. Desenvolvimento e Avaliacao de Tecnicas de Localizacao de Faltas em Sistemas de Distribuicao Subterraneos
      Descrição: A proposta deste Projeto consiste em estudar, avaliar e implementar técnicas de localização de faltas em sistemas de distribuição subterrâneos. Após um levantamento do estado da arte sobre o assunto, pretende-se aplicar alguns dos métodos disponíveis na literatura. Para atingir satisfatoriamente estes objetivos, será necessário avaliar o comportamento dinâmico de sistemas de distribuição de energia, os modelos físicos consagrados para sua representação, os modelos matemáticos propostos para solução numérica e as técnicas e os recursos computacionais disponíveis para o tratamento do problema. Esses fatores evidenciam a dimensão deste estudo de maneira original, uma vez que o Brasil possui um dos maiores sistemas subterrâneos da América latina.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: João Paulo Papa - Integrante / André Nunes de Souza - Coordenador / Pedro da Costa Júnior - Integrante / Karila Martins dos Santos - Integrante.
      Membro: Joao Paulo Papa.
    19. 2010-2011. Inteligencia Artificial Aplicada na Identificacao e Classificacao de Harmonicos em Redes de Distribuicao de Energia Eletrica
      Descrição: Os altos níveis de distorções harmônicas em uma instalação elétrica podem causar vários problemas para as redes de distribuição das concessionárias, para a própria instalação e também para os equipamentos instalados no sistema. Como conseqüência destes problemas, pode-se ocorrer a parada total de importantes equipamentos em linhas de produção, acarretando grandes prejuízos, tanto para a concessionária como também para os consumidores. Não obstante, essas ocorrências acabam interferindo de maneira negativa no relacionamento entre a concessionária e seus clientes, sobretudo, na confiança da conta de energia paga pelo cliente. Devido à importância destes casos, é crescente a pesquisa na área. O estudo detalhado de cada caso é essencial para uma solução eficaz do problema, trazendo benefícios para as empresas e seus clientes. Dentro deste contexto, situa-se esta pesquisa, que se caracteriza principalmente pela proposta de integrar elementos da Inteligência Computacional com ensaios experimentais visando identificar os efeitos e as causas das interferências de harmônicas nas medições de energia, buscando melhorar a eficiência energética.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: João Paulo Papa - Integrante / Caio Oba Ramos - Integrante / André Nunes de Souza - Coordenador / Lucas I Pereira - Integrante / Danilo S. Gastaldello - Integrante / Maria Goretti ZAgo - Integrante / José Roberto Sanches Mantovani - Integrante / André Christóvão Pio Martins - Integrante / Paulo Sérgio da Silva - Integrante / Manoel Rodrigues Porcino da Silva - Integrante / Rubén Romero - Integrante / Sérgio Azevedo de Oliveira - Integrante / Antonio Padilha Feltrin - Integrante.
      Membro: Joao Paulo Papa.
    20. 2010-2011. Reconhecimento Facial Humano Utilizando Transformada Census Modificada e Floresta de Caminhos Otimos
      Descrição: Muito embora a impressão digital seja a técnica de reconhecimento biométrico mais utilizada, esta abordagem é muito sensível a imperfeições nos dedos, sejam elas congênitas ou adquiridas com o passar do tempo. O reconhecimento através da íris é uma alternativa, embora sistemas deste porte ainda possuam um elevado custo, sendo também bastante desconfortáveis para o usuário. Outras abordagens têm utilizado o reconhecimento facial como uma alternativa, pois é uma técnica pouco invasiva. Entretanto, tais sistemas são muito sensíveis a variações de luminosidade e oclusões na face. Entretanto, objetivando solucionar o problema de luminosidade em imagens faciais do espectro visível, uma filtragem não linear foi proposta com o nome de Transformada Census, sendo que posteriormente uma melhoria da mesma foi apresentada com o nome de Transformada Census Modificada. Outro problema é que as técnicas convencionais de classificação consideram cada pixel da imagem facial como sendo uma amostra a ser classificada, originando bases com milhares de dados, inviabilizando as tradicionais técnicas de reconhecimento de padrões como Redes Neurais Artificiais e Máquinas de Vetores de Suporte, por exemplo, de serem utilizadas em sistemas de vigilancia com treinamento dos dados em tempo real, devido ao alto custo computacional para treinamento dessas abordagens. Recentemente, um novo classificador de padrões chamado Floresta de Caminhos Ótimos foi proposto com o intuito de aliar eficiência e eficácia na solução de problemas de reconhecimento de padrões, mesmo em grandes volumes de dados. Assim, a proposta do presente projeto de pesquisa é explorar o reconhecimento facial de humanos combinando as técnicas Transformada Census Modificada e o classificador Floresta de Caminhos Ótimos, objetivando o desenvolvimento de um sistema de reconhecimento facial menos sensível a variações de iluminação com alta eficiência e eficácia.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) . Integrantes: João Paulo Papa - Coordenador / Aparecido Nilceu Marana - Integrante / Jéssica Akemi Matsuoka - Integrante. Financiador(es): Universidade Estadual Paulista Júlio de Mesquita Filho - Auxílio financeiro. Número de produções C, T & A: 3
      Membro: Joao Paulo Papa.

Prêmios e títulos

  • Total de prêmios e títulos (13)
    1. Chair of the IEEE Task Force on Business Intelligence and Knowledge Management, IEEE.. 2020.
      Membro: João Paulo Papa.
    2. 3o Lugar no XXXII Congresso de Iniciação Científica da Unesp na categoria "Ciências, Exatas, da Terra e Engenharias" pela orientação do aluno Rafael Junqueira Martarelli, Universidade Estadual Paulista.. 2020.
      Membro: João Paulo Papa.
    3. Prêmio Inventores 2019 - Categoria Patente Concedida, Agência de Inovação Inova - Unicamp.. 2019.
      Membro: João Paulo Papa.
    4. Best Paper Award na 2nd International Conferenceon Biosignal Analysis, Processing and Systems, IEEE Signal Processing Society Malaysia Chapter.. 2018.
      Membro: João Paulo Papa.
    5. Menção Honrosa no VIII Workshop do Programa de Pós-Graduação em Ciência da Computação da da Unesp, Universidade Estadual Paulista "Júlio de Mesquita Filho".. 2018.
      Membro: João Paulo Papa.
    6. Capes-Humboldt Research Fellow, Capes/Alexander von Humboldt Foundation.. 2017.
      Membro: João Paulo Papa.
    7. IEEE Senior Member, IEEE.. 2017.
      Membro: João Paulo Papa.
    8. Menção honrosa durante o "V Workshop do Programa de Pós-Graduação em Ciência da Computação" pelo trabalho "Análise do Classificador Baseado em Floresta de Caminhos Ótimos no Contexto de Spam"., Universidade Estadual Paulista "Júlio de Mesquita Filho".. 2015.
      Membro: João Paulo Papa.
    9. Menção honrosa no "V Workshop do Programa de Pós-Graduação em Ciência da Computação" pelo trabalho "Sumarização Estática de Vídeos utilizando Agrupamento de Dados por Floresta de Caminhos Ótimos"., Universidade Estadual Paulista "Júlio de Mesquita Filho".. 2015.
      Membro: João Paulo Papa.
    10. Best paper award, 12th International Conference on Applied Computing.. 2015.
      Membro: João Paulo Papa.
    11. Pattern Recognition - Best Paper Award at International Conference on Pattern Recognition 2014, Centre for Pattern Recognition and Machine Intelligence.. 2014.
      Membro: João Paulo Papa.
    12. Eleito como um dos três melhores trabalhos com apresentação oral durante o VII Workshop de Visão Computacional., .. 2011.
      Membro: João Paulo Papa.
    13. Menção Honrosa no 18 SIICUSP - Simpósio Internacional de Iniciação Científica, Universidade de São Paulo - USP.. 2010.
      Membro: João Paulo Papa.

Participação em eventos

  • Total de participação em eventos (63)
    1. 2021 International Conference on Pattern Recognition. 2021. (Congresso).
    2. 2020 IEEE 33rd International Symposium on ComputerBased Medical Systems (CBMS). O2PF: Oversampling via Optimum-Path Forest for Breast Cancer Detection. 2020. (Congresso).
    3. 33nd SIBGRAPI Conference on Graphics, Patterns and Image. 2020. (Congresso).
    4. XL Congresso da Sociedade Brasileira de Computação. 2020. (Congresso).
    5. 16th International Symposium on Computer Methods in Biomechanics and Biomedical Engineering. Breast Cancer Categorization using Convolutional Neural Networks. 2019. (Congresso).
    6. 2019 Congress on Evolutionary Computation. Quaternion-Based Backtracking Search Optimization Algorithm. 2019. (Congresso).
    7. 2019 International Joint Conference on Neural Networks. Multiple-Instance Learning through Optimum-Path Forest. 2019. (Congresso).
    8. 2018 IEEE Congress on Evolutionary Computation. EEG-based Person Authentication Using Multi-objective Flower Pollination Algorithm. 2018. (Congresso).
    9. 2018 International Joint Conference on Neural Networks. Stroke Lesion Detection Using Convolutional Neural Networks. 2018. (Congresso).
    10. 21st International Conference on Medical Image Computing and Computer Assisted Intervention. 2018. (Congresso).
    11. 31st Conference on Graphics, Patterns and Images. 2018. (Congresso).
    12. 7th Brazilian Conference on Intelligent Systems. Efficient Width-Extended Convolutional Neural Network for Robust Face Spoofing Detection. 2018. (Congresso).
    13. BRAGFOST 2018: The Brazilian-German Frontiers of Science and Technology Symposia.Computer-assisted Barrett?s Esophagus Identification. 2018. (Encontro).
    14. IEEE 12th International Symposium on Applied Computational Intelligence and Informatics. 2018. (Congresso).
    15. IEEE 12th International Symposium on Applied Computational Intelligence and Informatics. 2018. (Congresso).
    16. IEEE International Geoscience and Remote Sensing Symposium. Land-use Classification Using Finite Element Machines. 2018. (Congresso).
    17. III Fórum de Pós-Graduação da UNESP. 2018. (Encontro).
    18. International Conference on Pattern Recognition. Improving Optimum-Path Forest Classification Using Unsupervised Manifold Learning. 2018. (Congresso).
    19. 17th international Conference on Computer Analysis of Images and Patterns. Blur Parameter Identification Through Optimum-Path Forest. 2017. (Congresso).
    20. 2017 International Joint Conference on Neural Networks. FEMaR: A Finite Element Machine for Regression Problems. 2017. (Congresso).
    21. The Genetic and Evolutionary Computation Conference. Feature Selection Using Geometric Semantic Genetic Programming. 2017. (Congresso).
    22. VI ECCOMAS Thematic Conference on Computational Vision and Medical Image Processing. Co-reference Analysis Through Descriptor Combination. 2017. (Congresso).
    23. XXXVII Congresso da Sociedade Brasileira de Computação. 2017. (Congresso).
    24. 7th International IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition. On the Harmony Search Using Quaternions. 2016. (Congresso).
    25. 9th Workshop on Pattern Recognition in Remote Sensing. River Sediment Yield Classification Using Remote Sensing Imagery. 2016. (Congresso).
    26. SIBGRAPI 2016 - Conference on Graphics, Patterns and Images. Temporal- and Spatial-Driven Video Summarization Using Optimum-Path Forest. 2016. (Congresso).
    27. 12th International Conference on Applied Computing. Parameter-Setting Free Harmony Search Optimization of Restricted Boltzmann Machines and its Applications to Spam Detection. 2015. (Congresso).
    28. 14th International Conference on Machine Learning and Applications. SMS Spam Identification Through Optimum-Path Forest-based Classifiers. 2015. (Congresso).
    29. 28th Conference on Graphics, Patterns and Images. 2015. (Congresso).
    30. Genetic and Evolutionary Computation Conference. On the Model Selection of Bernoulli Restricted Boltzmann Machines Through Harmony Search. 2015. (Congresso).
    31. IEEE International Geoscience and Remote Sensing Symposium. Unsupervised Land-cover Classification Through Hyper-heuristic-based Harmony Search. 2015. (Congresso).
    32. International Conference on Computational Science. Model Selection for Discriminative Restricted Boltzmann Machines Through Meta-heuristic Techniques. 2015. (Congresso).
    33. XX Iberoamerican Congress on Pattern Recognition. Fine-Tuning Convolutional Neural Networks Using Harmony Search. 2015. (Congresso).
    34. 22nd International Conference on Pattern Recognition. On the Training of Artificial Neural Networks with Radial Basis Function Using Optimum-Path Forest Clustering. 2014. (Congresso).
    35. IEEE Symposium Series on Computational Intelligence.A Social-Spider Optimization Approach for Support Vector Machines Parameters Tuning. 2014. (Simpósio).
    36. International Conference on Computer Vision Theory and Applications. Fast Optimum-Path Forest Classification on Graphics Processors In: International Conference on Computer Vision Theory and Applications. 2014. (Congresso).
    37. 2013 IEEE International Symposium on Circuits and Systems (ISCAS). BCS: A Binary Cuckoo Search algorithm for feature selection. 2013. (Congresso).
    38. Escola Unesp de Liderança e Gestão. 2013. (Encontro).
    39. IEEE International Conference on Computer as a Tool. Harmony search applied for support vector machines training optimization. 2013. (Congresso).
    40. III Workshop do Programa de Pós-Graduação em Ciência da Computação. 2013. (Encontro).
    41. 16th IEEE International Conference on Intelligent Engineering Systems. Fast Fault Diagnosis in Power Transformers Using Optimum-Path Forest. 2012. (Congresso).
    42. 2012 IEEE International Conference on Image Processing. Automatic Visual Dictionary Generation Through Optimum-Path Forest Clustering. 2012. (Congresso).
    43. 21st International Conference on Pattern Recognition. Speeding Up Optimum-Path Forest Training by Path-cost Propagation. 2012. (Congresso).
    44. 21st International Conference on Pattern Recognition. Speeding Up Optimum-Path Forest Training by Path-cost Propagation. 2012. (Congresso).
    45. Fórum de Discussão dos Primeiros Projetos. 2012. (Encontro).
    46. I Congresso de Iniciação Científica da Faculdade Orígenes Lessa. Técnicas de Reconhecimento de Padrões e suas Aplicações em Segurança e Redes de Computadores. 2012. (Congresso).
    47. IEEE International Goscience and Remote Sensing Symposium.Hyperspectral Band Selection Through Optimum-Path Forest and Evolutionary-based Algorithms. 2012. (Simpósio).
    48. 12th International Conference on Music Information Retrieval. New trends in musical genre classification using Optimum-Path Forest. 2011. (Congresso).
    49. 14th International Workshop on Combinatorial Image Analysis. Precipitates Segmentation from Scanning Electron Microscope Images through Machine Learning Techniques. 2011. (Congresso).
    50. 19 SIICUSP - Simpósio Internacional de Iniciação Científica. Classificação Supervisionada por Floresta de Caminhos Ótimos aplicada à Identificação de Plantas Daninhas Aquáticas. 2011. (Congresso).
    51. 33rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Automatic Classification of Fish Germ Cells through Optimum-Path Forest. 2011. (Congresso).
    52. 36th Annual IEEE Conference on Local Computer Networks. Intrusion Detection System Using Optimum-Path Forest. 2011. (Congresso).
    53. 36th International Conference on Acoustics, Speech and Signal Processing. Feature Selection Through Gravitational Search Algorithm. 2011. (Congresso).
    54. Fórum de Pesquisa e Pós-Graduação da Faculdade de Ciências.A Política da Unesp para Pesquisa e a Pós-Graduação. 2011. (Outra).
    55. IEEE International Geoscience and Remote Sensing Symposium. Is it Possible to Make Pixel-based Radar Image Classification User-Friendly?. 2011. (Congresso).
    56. XXIV Sibgrapi ? Conference on Graphics, Patterns and Images. Optimum-path forest pruning parameter estimation through harmony search. 2011. (Congresso).
    57. 15th Iberoamerican Congress On Pattern Recognition. Improving the Accuracy of the Optimum-Path Forest Supervised Classifier for Large Datasets. 2010. (Congresso).
    58. 17th International Conference on Systems, Signals and Image Processing. Multimodal Pattern Recognition Through Particle Swarm Optimization. 2010. (Congresso).
    59. 20th International Conference on Pattern Recognition. Optimizing Optimum-Path Forest Classification for Huge Datasets. 2010. (Congresso).
    60. 23rd SIBGRAPI ? Conference on Graphics, Patterns and Images. How Far You Can Get Using Machine Learning Black-Boxes. 2010. (Congresso).
    61. 35th International Conference on Acoustics, Speech, and Signal Processing. Robust and Fast Vowel Recognition using Optimum-Path Forest. 2010. (Congresso).
    62. I Workshop de Modelagem Matemática e Computacional da Unesp. 2010. (Encontro).
    63. XVIII Congresso Brasileiro de Automática. On the Evaluation of Different Metrics for Non-Technical Losses Estimation Through Optimum-Path Forest. 2010. (Congresso).

Organização de eventos

  • Total de organização de eventos (8)
    1. CARNEIRO, G. ; Tavares, João Manuel R. S. ; BRADLEY, A. P. ; Papa, João Paulo ; NASCIMENTO, J. C. ; CARDOSO, J. S. ; BELAGIANNIS, V. ; LU, Z.. II Workshop on Deep Learning in Medical Image Analysis. 2016. Congresso
    2. Weber, S. A. T. ; HOOK, CHRISTIAN ; Papa, João Paulo. Workshop Sensors, Pattern Recognition, Classification: What is about it in Medicine. 2016. Outro
    3. MARANA, A. N. ; Spolon, R. ; Papa, João P. ; GARCIA, R. E. ; OLIVEIRA, H. C. ; MARRANGHELLO, N.. V Workshop do Programa de Pós-Graduação em Ciência da Computação da Unesp. 2015. Congresso
    4. CARNEIRO, G. ; TAVARES, JOAO MANUEL R.S. ; BRADLEY, A. P. ; Papa, João P. ; NASCIMENTO, J. C. ; CARDOSO, J. S. ; LU, Z. ; BELAGIANNIS, V.. I Workshop on Deep Learning in Medical Image Analysis. 2015. Congresso
    5. Papa, João P.. International Conference on Computer Vision Theory and Applications. 2014. (Congresso).. . 0.
    6. Papa, João Paulo. III Workshop do Programa de Pós-Graduação em Ciência da Computação. 2013. (Congresso).. . 0.
    7. Papa, João P.. Workshop of Undergraduate Works - 25th Conference on Graphics, Patterns and Images. 2012. (Congresso).. . 0.
    8. MARANA, A. N. ; Guilherme, Ivan R. ; Papa, João Paulo ; Lobato, R. S. ; Spolon, R.. I Workshop do Programa de Pós-Graduação em Ciência da Computação. 2011. Congresso

Lista de colaborações



(*) Relatório criado com produções desde 2010 até 2021
Data de processamento: 06/11/2021 15:22:47