Thiago Henrique Lemos Fonseca

Idiomas

Áreas de atuação

Participação em eventos

Participação em bancas

Produções bibliográficas

• Fonseca, Thiago Henrique Lemos ; NASSAR, SILVIA MODESTO ; de Oliveira, Alexandre Cesar Muniz ; AGARD, BRUNO . Low-dimensional Space Modeling-based Differential Evolution for Large Scale Global Optimization Problems. IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION , v. 1, p. 1-1, 2022.

• HENRIQUE, THIAGO ; CESAR, ALEXANDRE . Metaheuristic Tuning Generalisation by Cross-Validated Racing. INTERNATIONAL JOURNAL OF COMPUTER APPLICATIONS , v. 177, p. 1-9, 2020.

• Fonseca, Thiago Henrique Lemos ; NASSAR, SILVIA MODESTO ; de Oliveira, Alexandre César Muniz ; AGARD, BRUNO . Low-Dimensional Space Modeling-Based Differential Evolution: A Scalability Perspective on bbob-largescale suite. Lecture Notes in Computer Science. 1ed.: Springer Nature Switzerland, 2023, v. , p. 16-28.

• Fonseca, Thiago Henrique Lemos ; de Oliveira, Alexandre Cesar Muniz . Tuning of Clustering Search Based Metaheuristic by Cross-Validated Racing Approach. Lecture Notes in Computer Science. 1ed.: Springer International Publishing, 2017, v. 10305, p. 62-72.

• FONSECA, T. H. L. ; ACM De Oliveira . Tuning of Clustering Search based Metaheuristic by Cross-Validated Racing Approach. 2017. (Apresentação de Trabalho/Conferência ou palestra).

• FONSECA, T. H. L. ; SOUZA, V. M. . Maximização do Determinante: Aplicações e Algoritmos. 2016. (Apresentação de Trabalho/Simpósio).

• FONSECA, T. H. L. ; SOUZA, V. M. . Aplicações do algoritmo Pagerank na Genética. 2014. (Apresentação de Trabalho/Seminário).

• FONSECA, T. H. L. ; SOUZA, V. M. . Mapeamento de frequências alélicas usando o Biopagerank. 2014. (Apresentação de Trabalho/Congresso).

Outras produções

Projetos de pesquisa

• 2014 - 2015

  O problema da Maximização do Determinate: Aplicações e Algoritmos, Descrição: Recentemente, Problemas de Programação Semidefinida (SDP) têm sido uma das áreas de pesquisa mais interessantes e ativas na otimização. Esse enorme interesse foi estimulado pela descoberta de importantes aplicações em Otimização Combinatória eTeoria de Controle e o desenvolvimento de eficientes algoritmos de pontos interiores para resolver problemas SDP. Em geral, um problema de programação SDP é um problema de Otimização Convexa que consiste em minimizar uma função linear sob o cone das matrizes semidefinidas positivas. A Programação SDP é uma extensão da Programação Linear onde as variáveis vetoriais são substituídas por matrizes e as restrições relativas a cada elemento não negativo são substituídas por matrizes semidefinidas positivas. Essa generalização engloba várias propriedades importantes da programação linear: convexidade do conjunto factível, uma rica teoria de dualidade e admite solução eficiente baseada em métodos de pontos interiores. A Programação SDP teve sua origem na teoria das desigualdades matriciais lineares (LMIs) desenvolvidas na União Soviética nos anos 40, 50 e 60, porém a principal contribuição foi a publicação de Nesterov e Nemiroviski. Eles mostraram que os métodos de pontos interiores para a programação linear podem ser generalizados para todos os problemas de otimização convexa. O elemento chave é a existência de uma função barreira auto-concordante. Além disso, Alizadeh generalizou métodos de pontos interiores da programação linear para a programação semidefinida positiva. Este trabalho tem como foco o problema de maximizar o determinante de uma matriz, tanto no seu aspecto teórico quanto no seu aspecto prático. O aspecto teórico baseia-se no estudo do conceito e aplicações dos problemas maxdet e o aspecto prático será a implementação dos algoritmos dos elipsoides e dos pontos interiores utilizando linguagem de programação Java.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Thiago Henrique Lemos Fonseca - Integrante / Valeska Martins de Souza - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa ao Desenvolv. Científico e Tecnológico - MA - Bolsa.

• 2013 - 2014

  Aplicações do Algoritmo PageRank na Genética, Descrição: O algoritmo PageRank é usado pelo motor de busca Google para ajudar a determinar a relevância de uma página. Foi desenvolvido em 1998 pelos fundadores do Google, Larry Page e Sergey Brin enquanto cursavam a Universidade de Stanford. Este algoritmo pode ser interpretado em termos de uma cadeia de Markov, não levando em consideração como o processo chegou a tal estado, na qual os estados são as páginas e as transições entre os estados são os links entre as páginas da Internet. O vetor estacionário desta cadeia de Markov, chamado de vetor PageRank, tem como componentes as probabilidades de que uma página seja visitada. Com o estudo das funcionalidades do algoritmo PageRank foi observado que sua aplicação não se restringe apenas ao seu objetivo principal, mas também a uma séries de atividades que possuem em sua modelagem matemática os processos markovianos. Em especial as nuanças da movimentação de ações na Bolsa de Valores e o estudo da diversidade genética na Biologia. Muitos processos físicos e biológicos que ocorrem na natureza envolvem sequências de observações. Os processos markovianos têm uma aplicação muito ampla em várias áreas, como, por exemplo, genética, ciência da informação e mercado financeiro. Um processo de Markov é um processo estocástico cujo comportamento dinâmico é tal que as distribuições de probabilidade para o seu desenvolvimento futuro depende apenas do estado atual. Os processos markovianos são modelados por sistemas de transições de estados, onde os estados são representados em termos de seus vetores probabilísticos e as transições entre estados são probabilísticas e dependem somente do estado presente. Esses processos vêm cada vez mais sendo usados para estudar fenômenos do mundo real, e suas aplicações na Genética têm aumentado bastante nos últimos anos. As cadeias de Markov podem modelar os seguintes problemas da genética: o fenômeno da deriva genética, modelos para predição de família de proteínas e alinhamentos múltiplos e mapas genéticos. Neste trabalho, estuda-se algumas aplicações da genética utilizando o algoritmo PageRank.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Thiago Henrique Lemos Fonseca - Integrante / Valeska Martins de Souza - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa ao Desenvolv. Científico e Tecnológico - MA - Bolsa.

Projetos de desenvolvimento

• 2022 - 2023

  Detecção de vivacidade aplicada à plataforma de pagamentos por biometria facial, Descrição: O objetivo geral do projeto é desenvolver uma tecnologia de liveness para as operações de pagamento com biometria facial da Payface. A detecção de vivacidade desenvolvida deve ser homologada por um órgão certificador e também atender aos requisitos da norma ISO/IEC 30107.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Thiago Henrique Lemos Fonseca - Integrante / Elder Rizzon Santos - Coordenador / Gabriel Arthur Gerber Andrade - Integrante / Thiago Ângelo Gelaim - Integrante / Luiz Henrique Susin - Integrante / Fábio Rafael Segundo - Integrante / Alexandre Gonçalves Silva - Integrante / Daniel Sottovia Gomide - Integrante.

• 2020 - 2021

  Sistema Inteligente de Quebrador e Laminador para Produção de Soja, Descrição: Desenvolver sistemas inteligentes para controle, automação e manutenção de máquinas existentes na linha crítica do processo de preparação de soja com base em resultados de inspeção em tempo real de seus parâmetros e variáveis através da integração da Indústria 4.0, conceitos e algoritmos avançados de inteligência artificial.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Thiago Henrique Lemos Fonseca - Integrante / Renan Bonnard - Coordenador / Marcio da Silva Arantes - Integrante / Mário Costa Junior - Integrante / Herberth Birck Frohlich - Integrante / Ramiro Saraiva da Silva - Integrante., Financiador(es): Instituto Senai de Inovação em Sistemas Embarcados - Remuneração.

• 2019 - 2020

  Sistema Inteligente de Monitoramento de Barragens, Descrição: Desenvolver um protótipo de sistema inteligente para monitorar e verificar a estrutura geral de uma barragem de concreto, seu reservatório e a respectiva margem do rio. O sistema deve fornecer uma resposta rápida aos riscos geotécnicos, ambientais e de fatores hídricos por meio de análise de dados e aprendizado de máquina. Os dados devem ser fornecidos por sensores, parcialmente desenvolvidos por este projeto, instalados em toda a estrutura e imagens de drones, e o sistema deve ter acesso remoto.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Thiago Henrique Lemos Fonseca - Integrante / Santiago Piovesan - Integrante / Gustavo Calandrini - Integrante / Giancarlo Marchesini - Integrante / Alexandre Reeberg de Mello - Coordenador., Financiador(es): Instituto Senai de Inovação em Sistemas Embarcados - Remuneração.

Prêmios