Adriana Takahashi

Idiomas

Áreas de atuação

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• BEDREGAL, B ; TAKAHASHI, A. . The best interval representations of t-norms and automorphisms. Fuzzy Sets and Systems , v. 157, p. 3220-3230, 2006.

• TAKAHASHI, A. ; BEDREGAL, Benjamín René Callejas . T-Normas, T-Conormas, Complementos e Implicações Intervalares. TEMA - Tendências em Matemática Aplicada e Computacional, 2005.

• TAKAHASHI, A. ; BEDREGAL, Benjamín René Callejas ; LYRA, Aarão . Uma Versão Intervalar do Método de Segmentação de Imagens utilizando o K-means. TEMA. Tendências em Matemática Aplicada e Computacional , v. 6, 2005.

• TAKAHASHI, A. ; DÓRIA NETO, A. D. ; BEDREGAL, Benjamín René Callejas . An Introduction Interval Kernel-Based Methods applied on Support Vector Machines. In: 8th International Conference on Natural Computation (ICNC'12), 2012, Chongqing. Proceedings 8th International Conference on Natural Computation (ICNC'12), 2012. p. 58-64.

• TAKAHASHI, A. ; BEDREGAL, Benjamín René Callejas ; DÓRIA NETO, A. D. . SVM intervalar linearmente separável. In: XXXI CNMAC - Congresso Nacional de Matemática Aplicada e Computacional, 2008, Belém. CNMAC 2008, 2008.

• TAKAHASHI, A. ; DÓRIA NETO, A. D. ; BEDREGAL, Benjamín René Callejas . Máquinas de vetor de suporte intervalar. In: VIII CBRN - Congresso Nacional de Redes Neurais, 2007, Forianópolis. CBRN, 2007.

• BEDREGAL, Benjamín René Callejas ; TAKAHASHI, A. . Interval Valued Versions of T-Conorms, Fuzzy Negations and Fuzzy Implications. In: IEEE World Congress on Computational Intelligence, 2006, Vancouver. IEEE International Conference on Fuzzy Systems, 2006.

• BEDREGAL, Benjamín René Callejas ; TAKAHASHI, A. . Interval t-norms as interval representations of t-norms. In: 2005 IEEE International Conference on Fuzzy Systems, 2005, Nevada. 2005 IEEE International Conference on Fuzzy Systems, 2005. p. 909-914.

• TAKAHASHI, A. ; BEDREGAL, Benjamín René Callejas ; LYRA, Aarão . Uma ferramenta de auxílio para detecção de câncer de mama. In: ERMAC - V Encontro Regional de Matemática Aplicada e Computacional, 2005, Natal. ERMAC - V Encontro Regional de Matemática Aplicada e Computacional, 2005.

• TAKAHASHI, A. ; BEDREGAL, Benjamín René Callejas . T-Normas intervalares. In: III Workshop Técnico -Científico do DIMAp, 2004, Natal. III Workshop Técnico -Científico do DIMAp, 2004.

• ALVES, A. O. ; NUNES, J. C. G. C. ; Gameleira, Tiago de Albuquerque ; TAKAHASHI, A. . Implementação de sistemas para classificação e gerenciamento de categorias taxonômicas dos animais vertebrados. In: VII Seminário de Ensino, Pesquisa e Extensão do CERES/UFRN- VII SEPE, 2016, Caicó. VII Seminário de Ensino, Pesquisa e Extensão do CERES/UFRN- VII SEPE, 2016.

• MORENO, F. S. ; SANTOS, W. R. M. ; TAKAHASHI, A. . Uma ferramenta de auxílio turístico usando realidade aumentada. In: IX CONNEPI, 2014. IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014.

• TAKAHASHI, A. ; BEDREGAL, Benjamín René Callejas . T-Normas, T-Conormas, Complementos e Implicações intervalares. In: XXVII CNMAC - Congresso Nacional de Matemática Aplicada e Computacional, 2004, Porto Alegre. XXVII CNMAC - Congresso Nacional de Matemática Aplicada e Computacional, 2004.

• TAKAHASHI, A. ; BEDREGAL, Benjamín René Callejas ; LYRA, Aarão . Uma versão intervalar do método de segmentação de imagens utilizando o k-means. In: XXVII CNMAC - Congresso Nacional de Matemática Aplicada e Computacional, 2004, Porto Alegre. XXVII CNMAC - Congresso Nacional de Matemática Aplicada e Computacional, 2004.

• TAKAHASHI, A. ; BEDREGAL, Benjamín René Callejas . Um estudo na concepção da teoria fuzzy intervalar. In: ERMAC - III Encontro Regional de Matematica Aplicada e Computacional, 2003, João Pessoa. ERMAC - III Encontro Regional de Matematica Aplicada e Computacional, 2003.

• TAKAHASHI, A. ; YONENAGA, W. H. . Neuro-Fuzzy em aplicações na finanças e negócios. In: X CIC - Congresso de Iniciação Científica da UFSCar, 2002, São Carlos. X CIC - Congresso de Iniciação Científica da UFSCar, 2002.

• TAKAHASHI, A. . Utilização de sistemas Neuro-Fuzzy em aplicações financeiras. In: X Simpósio Internacional de Iniciação Científica da USP, 2002, São Carlos. X Simpósio Internacional de Iniciação Científica da USP, 2002.

• ALVES, A. O. ; TAKAHASHI, A ; Gameleira, Tiago de Albuquerque . Desenvolvimento de um sistema inteligente para apoio à Sala de aula no Ensino/Aprendizado da taxonomia utilizando redes neurais artificiais. 2016. (Apresentação de Trabalho/Congresso).

• ALVES, A. O. ; NUNES, J. C. G. C. ; TAKAHASHI, A ; Gameleira, Tiago de Albuquerque . axoMobile: Protótipo de um aplicativo android inteligente para apoio à sala de aula no ensino/aprendizado da taxonomia.. 2016. (Apresentação de Trabalho/Congresso).

• ALVES, A. O. ; TAKAHASHI, A . Implementação do sistema de reconhecimento de animais do subfilo 'Vertebrata' utilizando Redes Neurais Artificais. 2016. (Apresentação de Trabalho/Seminário).

• ALVES, A. O. ; NUNES, J. C. G. C. ; TAKAHASHI, A ; Gameleira, Tiago de Albuquerque . Implementação de Sistema para Classificação e Gerenciamento de Categorias Taxonômicas de Animais Vertebrados. 2016. (Apresentação de Trabalho/Seminário).

• TAKAHASHI, A. ; DÓRIA NETO, A. D. ; BEDREGAL, Benjamín René Callejas . SVM intervalar linearmente separável. 2008. (Apresentação de Trabalho/Congresso).

• TAKAHASHI, A. ; DÓRIA NETO, A. D. ; BEDREGAL, Benjamín René Callejas . Máquinas de vetor de suporte intervalar. 2007. (Apresentação de Trabalho/Congresso).

Projetos de pesquisa

• 2025 - Atual

  Inteligência Artificial no monitoramento de sinais fisiológicos associados a emoções, Descrição: O comportamento humano é influenciado por uma relação complexa entre fatores biológicos,neurológicos, psicológicos e socioculturais, com as emoções desempenhando um papel fundamental nasações e reações. A regulação emocional é essencial para a saúde mental e física, pois seu desequilíbriopode contribuir para o desenvolvimento de transtornos mentais e condições crônicas. A saúde mentalimpacta diretamente o bem-estar, a resiliência ao estresse e a qualidade das relações interpessoais. Odiagnóstico precoce e preciso de transtornos mentais ainda é um desafio, e a Inteligência Artificial (IA)surge como uma ferramenta promissora para aprimorar a identificação, tratamento e monitoramentodessas condições, permitindo análises personalizadas a partir de sinais fisiológicos. A pesquisa propostavisa estudar como a IA pode monitorar emoções através desses sinais para fornecer feedback e aprimorar acompreensão e o gerenciamento emocional, buscando avanços no tratamento de transtornos mentais e napromoção da saúde mental.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Adriana Takahashi - Coordenador.

• 2024 - 2025

  Super resolução de imagem com inteligência artificial generativa, Descrição: Super-resolução é o processo de aprimorar a qualidade de imagens de baixa resolução para alcançar níveismais elevados de detalhes em imagens de alta resolução. Nos últimos anos, as técnicas de super-resoluçãotêm experimentado notáveis avanços, impulsionados pelo progresso na inteligência artificial e técnicas deprocessamento de imagens e visão computacional. Especificamente, super-resolução de imagem baseadoem técnicas de aprendizado tem demonstrado resultados promissores, com o uso de redes neuraisconvolucionais para gerar imagens de alta resolução. No entanto, com os recentes desenvolvimentos naárea de inteligência artificial generativa, surgem novas oportunidades para aprimorar ainda mais aresolução de imagens digitais de forma significativa. Este projeto propõe uma pesquisa detalhada sobre osavanços da super-resolução de imagens utilizando a abordagem de aprendizado, com redes neuraisconvolucionais e redes adversárias generativas, analisando e comparando os resultados obtidos,considerando a complexidade das redes, arquiteturas, modelos, tempo de execução, custoscomputacionais, parâmetros que configuram o aprendizado das redes, análise das métricas de treinamentoe validação, e avaliação da qualidade das imagens.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador.

• 2024 - 2025

  Visualização de abstração gráfica em tela LCD com Arduino, Descrição: As ilustrações são desenhos que carregam conteúdos para transmitir informações. Existem diversos tipos eformas de criar uma ilustração. Neste projeto, propomos o desenvolvimento de um sistema para geraçãoautomática de uma ilustração digital que sintetiza conteúdo e mantém características marcantes doelemento principal, bem como sua visualização em módulo de Arduino. Duas etapas são usadas paraobtenção desse sistema: um modelo de rede neural profundo para extração de características e geração deilustração sintetizada, simplificando o resultado sem perder traços marcantes da imagem original (pessoasou objetos), e visualização dessa ilustração utilizando um módulo de tela para Arduino.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Adriana Takahashi - Coordenador.

• 2023 - 2024

  Avaliação da qualidade de imagens de super-resolução, Descrição: Os avanços tecnológicos possibilitaram o crescimento exponencial de áreas da computação, tais como,visão computacional e inteligência artificial, devido ao alto poder de processamento e análise de grandes volumes de dados. Pesquisas sobre deep learning, subárea da inteligência artificial, tem se destacado muito nos últimos anos, abrangendo aplicações nas mais diversas áreas. As Convolutional Neural Networks (CNN) é um tipo de rede neural que utiliza múltiplas camadas de processamento que permite encontrar diversas representações de dados com múltiplos níveis de abstrações, os transformers é um tipo de arquitetura de rede neural que utiliza codificador e decodificador para processar sequências completas de uma só vez se destacando quanto ao tempo de processamento quando comparados às CNNs. A super-resolução, da área de visão computacional, são técnicas que alteram a qualidade de imagens considerando a percepção visual humana. Este projeto propõe uma pesquisa detalhada sobre os avanços da super-resolução de imagens utilizando deep learning (CNN e transformer), considerando a complexidade da rede, arquitetura, profundidade, filtros, tempo de execução, custos computacionais, parâmetros que configuram o aprendizado da rede e análise das métricas e avaliação da qualidade das imagens.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) . , Integrantes: Adriana Takahashi - Coordenador.

• 2022 - 2023

  Estudo de técnicas baseadas em Deep Learning para Super-Resolução de Imagens, Descrição: A Computação Gráfica (Síntese de Imagens) trata de técnicas de modelagem de sólidos e criação deimagens realísticas através do computador. Para esse processo é considerado a geometria da cena, ailuminação, os tipos dos materiais dos objetos que compõem a cena, a posição da câmera e observaçãoda cena. Rendering define o processo de conversão de dados em uma imagem realística, ou seja, criauma imagem digital de aparência foto realística a partir de uma cena tridimensional gerada porcomputador. O nível de realismo na imagem resultante demanda em um custo de renderização, tempo ecusto de processamento para a geração da imagem. Para a geração de imagens realísticas em cenáriosestáticos, existem vários estudos e técnicas poderosas utilizadas atualmente. Super-resolução deimagem é um campo importante em Processamento de Imagens e Visão Computacional para melhoriada resolução (espacial) de imagens e vídeos. Este projeto de pesquisa propõe o estudo de técnicas deInteligência Artificial para renderização, considerando a precisão e a qualidade das imagens resultantes,investigando técnicas de super-resolução de imagens associadas a deep learning.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador / Bruno Cruz de Oliveira - Integrante.

• 2022 - 2023

  Imagens de Super-Resolução com Ray Tracing e Deep Learning, Descrição: Síntese de imagens estuda técnicas de modelagem de sólidos e criação/geração de imagens realísticas através do computador. Para esse processo é considerado a geometria da cena, a iluminação, os tipos dos materiais dos objetos que compõem a cena, a posição da câmera e a observação da cena. Rendering define o processo de conversão de dados em uma imagem realística, ou seja, cria uma imagem digital de aparência foto realística a partir de uma cena tridimensional gerada por computador. O nível de realismo na imagem resultante demanda em um custo de renderização, tempo e custo de processamento para a geração da imagem. Para a geração de imagens realísticas em cenários estáticos, existem vários estudos e técnicas poderosas utilizadas atualmente. Super-resolução de imagem é um campo importante em Processamento de Imagens e Visão Computacional para melhoria da resolução (espacial) de imagens e vídeos. Este projeto de pesquisa propõe o estudo de técnicas de Inteligência Artificial para renderização, considerando a precisão e a qualidade das imagens resultantes, investigando técnicas de super-resolução de imagens associadas a deep learning.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) . , Integrantes: Adriana Takahashi - Coordenador.

• 2021 - 2022

  Rendering de imagens com raytracing e deep learning, Descrição: Síntese de imagens trata de técnicas de modelagem de sólidos e criação de imagens realísticas através do computador. Para esse processo é considerado a geometria da cena, a iluminação, os tipos dos materiais dos objetos que compõem a cena e a posição de observação da cena. Rendering define o processo de conversão de dados em uma imagem realística, ou seja, cria uma imagem de aparência mais realística possível a partir de uma cena tridimensional criada por computador. O nível de realismo na imagem resultante demanda em um custo de renderização, tempo e custo de processamento para a geração da imagem. Para a geração de imagens realísticas em cenários estáticos, existem várias técnicas poderosas utilizadas atualmente. As renderizações off-lines não priorizam ou possuem uma boa performance no tempo de processamento para geração de imagens realísticas, e quando as tratam em tempo real, diminui a qualidade (geralmente o realismo visual) das cenas. Este projeto de pesquisa propõe o estudo de técnicas de Inteligência Artificial para qualificar a renderização considerando o tempo, o tipo de renderização, e principalmente a qualidade da imagem resultante, com objetivo de melhorar a performance da renderização.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador.

• 2020 - 2021

  Aplicação de Deep Learning no reconhecimento de larvas de camarão, Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador.

• 2019 - 2020

  Desenvolvimento de uma ferramenta para reconhecimento e contagem de larvas de camarão, Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador.

• 2019 - 2020

  Desenvolvimento de uma ferramenta para auxiliar o ensino e aprendizagem utilizando realidade aumentada, Descrição: Os avanços tecnológicos proporcionam evolução e revolução nas formas de comunicação, relacionamentos, produção, consumo, informação, dentre outras muitas transformações na sociedade e no indivíduo. A integração da tecnologia digital com metodologias de ensino pode ser uma forma de melhor qualificar o processo de ensino e aprendizagem, estimulando a interação e curiosidade dos alunos, bem como motivar a capacitar a qualificação dos alunos para o mundo globalizado.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador / Bruno Cruz de Oliveira - Integrante.

• 2018 - 2019

  Um estudo de técnicas de agrupamento para dados não convencionais, Descrição: Um estudo sobre alguns métodos de classificação de dados pela técnica de agrupamento, visando o tratamento dos dados e a qualidade dos resultados, considerando dados imprecisos, faltosos ou com defeitos.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador / Rosiery da Silva Maia - Integrante / Iago Henrique de Oliveira - Integrante.

• 2016 - 2017

  Uma ferramenta para auxiliar o desenvolvimento da coordenação motora, Descrição: A coordenação motora possui grande importância para os seres humanos, pois, permite realizações de tarefas do cotidiano utilizando sua capacidade em usar de forma eficiente a capacidade do cérebro em estimular e controlar a intensidade e velocidade de movimentos controlados pela musculatura esquelética. Buscando auxiliar no desenvolvimento da coordenação motora, bem como melhorar ou refinar a coordenação motora, este projeto propõe uma ferramenta composta por um conjunto de jogos digitais que trabalhará com estímulos motores tanto para a coordenação motora grossa quanto fina.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Adriana Takahashi - Coordenador / Nathanael Silva de Moura - Integrante / Wellison Raul Mariz Santos - Integrante.

• 2015 - 2016

  Sistema de classificação de categorias taxonômicas dos animais vertebrados, Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador / Alisson de Oliveira Alves - Integrante.

• 2015 - 2016

  Sistema de reconhecimento de animais do subfilo Vertebrata utilizando redes neurais artificiais, Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador.

• 2014 - 2015

  Sightseeing: uma ferramenta de auxílio turístico da cidade de Natal, Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador.

• 2013 - 2014

  Uso de tecnologias mobilee realidade aumentada como ferramenta turística da cidade de Natal, Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Adriana Takahashi - Coordenador.

• 2012 - 2013

  Implementação de um sistema para dispositivos móveis usando visão computacional, Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) . , Integrantes: Adriana Takahashi - Coordenador / Raul Benites Paradeda - Integrante., Número de produções C, T & A: 1

• 2011 - 2012

  Exploração e implementação de técnicas de modelagem de objetos 3D, Descrição: A modelagem de uma imagem gerada por computador é importante em Computação Gráfica, tanto em Realidade Virtual e Realidade Aumentada quanto em simulações, diminuindo muitas vezes os custos por meio de virtualização do processo para avaliação que antecede a implementação. Para a modelagem de um objeto, deve-se sempre observar as limitações resultantes das técnicas disponíveis, que apesar de serem eficientes para algumas situações, podem não corresponder ao problema. A modelagem de objetos, ou sólidos, designa um conjunto de teorias, técnicas e sistemas que permitem criar um sólido, e também o conhecimento, experiências e intuição do modelador. Existem sólidos possíveis de serem representados através da geometria euclidiana, contudo, alguns sólidos exigem representações e modelagens bem mais complexas. Este projeto irá tratar de sólidos bem definidos e também de sólidos de difícil modelagem, por exemplo, a água, e construir módulos para utilização em aplicativos existentes no mercado e um sistema de modelagem. A escolha de técnicas de modelagem deste projeto será feito explorando as técnicas existentes na literatura para modelagem e posteriormente implementadas em um sistema para modelagem, abordando as modelagens: manual, automática e matemática. Com base neste sistema será possível construir sólidos elaborados buscando uma simplificação na exposição das técnicas utilizadas, facilitando o processo, que demanda muito tempo, da modelagem, e permitindo criar ambientes e imagens tridimensional combinando os sólidos construídos.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Adriana Takahashi - Coordenador / Isaiane de Mendonça Silva - Integrante / José Rodrrigues Guimarães Filho - Integrante.