Márcio Porto Basgalupp

Pós-doutorado

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• SILVA, C. A. ; ROSA, D. C. ; MIRANDA, P. B. C. ; SI, T. ; CERRI, RICARDO ; BASGALUPP, M. P. . Automated CNN optimization using multi-objective grammatical evolution. APPLIED SOFT COMPUTING , v. 151, p. 111124, 2024.

• MIRANDA, THIAGO Z. ; SARDINHA, DIORGE B. ; NERI, FERRANTE ; Basgalupp, Márcio P. ; CERRI, RICARDO . A Grammar-based multi-objective neuroevolutionary algorithm to generate fully convolutional networks with novel topologies. APPLIED SOFT COMPUTING , v. 149, p. 110967, 2023.

• SOTTO, L. ; ROTHLAUF, FRANZ ; MELO, V. V. ; BASGALUPP, M. P. . An Analysis of the Influence of Noneffective Instructions in Linear Genetic Programming. EVOLUTIONARY COMPUTATION (ONLINE) , v. 30, p. 51-74, 2022.

• BASGALUPP, M. P. ; CERRI, RICARDO ; SCHIETGAT, L. ; TRIGUERO, I. ; VENS, C. . Beyond global and local multi-target learning. INFORMATION SCIENCES , p. 508-524, 2021.

• SOTTO, L. ; KAUFMANN, P. ; ATKINSON, T. ; KALKREUTH, R. ; BASGALUPP, M. P. . Graph representations in genetic programming. Genetic Programming and Evolvable Machines , v. 1, p. 1-30, 2021.

• BASGALUPP, M. P. ; BARROS, R. C. ; DE SÁ, A. G. C. ; PAPPA, G. L. ; MANTOVANI, R. G. ; DE CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . An extensive experimental evaluation of automated machine learning methods for recommending classification algorithms. Evolutionary Intelligence (Print) , v. 1, p. 1-30, 2020.

• CERRI, RICARDO ; BASGALUPP, M. P. ; BARROS, Rodrigo C. ; CARVALHO, A. C. P. L. F. . Inducing Hierarchical Multi-label Classification rules with Genetic Algorithms. APPLIED SOFT COMPUTING , v. 77, p. 584-604, 2019.

• SOTTO, L. ; MELO, V. V. ; BASGALUPP, M. P. . $${lambda }$$ λ -LGP: an improved version of linear genetic programming evaluated in the Ant Trail problem. KNOWLEDGE AND INFORMATION SYSTEMS (ELECTRONIC RESOURCE) , p. 445-465, 2017.

• Barros, Rodrigo C. ; Basgalupp, Márcio P. ; DE CARVALHO, ANDRÉ C. P. L. F. . Investigating fitness functions for a hyper-heuristic evolutionary algorithm in the context of balanced and imbalanced data classification. Genetic Programming and Evolvable Machines , v. 16, p. 241-281, 2015.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . Evolutionary Design of Decision-Tree Algorithms Tailored to Microarray Gene Expression Data Sets. IEEE Transactions on Evolutionary Computation , v. 18, p. 873-892, 2014.

• Basgalupp, Márcio P. ; Barros, Rodrigo C. ; DE CARVALHO, ANDRÉ C.P.L.F. ; Freitas, Alex A. . Evolving decision trees with beam search-based initialization and lexicographic multi-objective evaluation. Information Sciences , v. 258, p. 160-181, 2014.

• QUILES, M. G. ; BASGALUPP, M. P. ; Barros, Rodrigo C. . An Oscillatory Correlation Model for Semi-Supervised Classification. Learning and Nonlinear Models , v. 11, p. 3-10, 2013.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . Automatic Design of Decision-Tree Algorithms with Evolutionary Algorithms. Evolutionary Computation , v. 21, p. 659-684, 2013.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . A Survey of Evolutionary Algorithms for Decision Tree Induction. IEEE Transactions on Systems, Man and Cybernetics. Part C, Applications and Reviews , v. 42, p. 291-312, 2012.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; QUILES, M. G. . Clus-DTI: Improving Decision-Tree Classification with a Clustering-based Decision-Tree Induction Algorithm. Journal of the Brazilian Computer Society (Impresso) , v. 12, p. 351-362, 2012.

• BARROS, R. C. ; WINCK, Ana ; MACHADO, K. S. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; RUIZ, D. ; SOUZA, O. N. . Automatic design of decision-tree induction algorithms tailored to flexible-receptor docking data. BMC Bioinformatics , v. 13, p. 310, 2012.

• BARROS, R. C. ; BASGALUPP, M. P. ; RUIZ, Duncan . Evolutionary model trees for handling continuous classes in machine learning. Information Sciences , v. 181, p. 954-971, 2011.

• BASGALUPP, M. P. ; BARROS, R. C. ; CARVALHO, A. C. P. L. F. ; RUIZ, Duncan ; FREITAS, A. A. . Lexicographic multi-objective evolutionary induction of decision trees. International Journal of Bio-Inspired Computation (Print) , v. 1, p. 105-117, 2009.

• BAPTISTA DA SILVA, João ; BASGALUPP, M. P. ; PAZ, Sheila Radmann da . COMPORTAMENTO DAS PRECIPITAÇÕES PLUVIAIS MENSAIS EM PELOTAS, RIO GRANDE DO SUL. Revista Brasileira de Agrometeorologia , Campinas - SP, v. 13, p. 55-59, 2005.

• BAPTISTA DA SILVA, João ; CUNHA, Felipe Böhm ; PAZ, Sheila Radmman da ; BASGALUPP, M. P. . ANÁLISE DO COMPORTAMENTO DAS CHUVAS EM ALGUMAS LOCALIDADES DO SEMI ÁRIDO DO NORDESTE BRASILEIRO. Revista Brasileira de Agrometeorologia , Campinas - SP, v. 13, p. 73-81, 2005.

• BASGALUPP, M. P. ; ROSSI, A.L.D ; LORENA, A. C. . Algoritmos Genéticos em Problemas de Classificação. In: António Gaspar-Cunha; Ricardo Takahashi; Carlos Henggeler Antunes. (Org.). Manual de Computação Evolutiva e Metaheurística. 1ed.Coimbra / Minas Gerais: Imprensa da Universidade de Coimbra / Editora da Universidade Federal de Minas Gerais, 2013, v. 1, p. 381-405.

• BASGALUPP, M. P. ; BARROS, R. C. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . A Beam Search based Decision Tree Induction Algorithm. In: Siddhivinayak Kulkarni. (Org.). Machine Learning Algorithms for Problem Solving in Computational Applications: Intelligent Techniques. 1ed.: IGI Global, 2012, v. 1, p. 1-14.

• MIRANDA, P. B. C. ; MONTE, L. ; COELHO, J. ; NASCIMENTO, A. ; BASGALUPP, M. P. . Machine Learning and IoT for Predicting the Productivity of MRI Equipment. In: IEEE Congress on Evolutionary Computation (CEC), 2024, Yokohama. IEEE Congress on Evolutionary Computation (CEC), 2024.

• BASGALUPP, M. P. ; Barros, Rodrigo C. ; da SILVA, T. S. ; SILVEIRA, F. ; MIRANDA, P. B. C. ; NERI, F. . An Experimental Analysis on Automated Machine Learning for Software Defect Prediction. In: IEEE Congress on Evolutionary Computation (CEC), 2024, Yokohama. IEEE Congress on Evolutionary Computation (CEC), 2024.

• NASCIMENTO, A. M. ; MELO, V. V. ; BASGALUPP, M. P. . Swapping training optimizers and tiny partial datasets to improve performance of lighter neural networks for edge devices. In: ACM Symposium on Applied Computing (SAC), 2023, Tallinn. Proceedings of the 38th ACM Symposium on Applied Computing, 2023.

• NASCIMENTO, A. M. ; MELO, V. V. ; BASGALUPP, M. P. . A two-step approach to boost neural network generalizability in predicting defective software. In: International Conference on Information Technology : New Generations, 2023, Las Levas. 20th International Conference on Information Technology : New Generations, 2023.

• NASCIMENTO, A. M. ; MELO, V. V. ; BASGALUPP, M. P. . Tuning neural networks for superior accuracy on resource-constrained edge microcontrollers. In: International Conference on Information Technology: New Generations, 2023, Las Levas. 20th International Conference on Information Technology : New Generations, 2023.

• MIRANDA, THIAGO ZAFALON ; SARDINHA, DIORGE BROGNARA ; BASGALUPP, M. P. ; CERRI, RICARDO . A New Grammatical Evolution Method for Generating Deep Convolutional Neural Networks with Novel Topologies. In: GECCO '22: Genetic and Evolutionary Computation Conference, 2022, Boston. Proceedings of the 2022 Genetic and Evolutionary Computation Conference, 2022.

• MIRANDA, THIAGO ZAFALON ; SARDINHA, DIORGE BROGNARA ; BASGALUPP, MÁRCIO PORTO ; JIN, YAOCHU ; CERRI, RICARDO . Generation of consistent sets of multi-label classification rules with a multi-objective evolutionary algorithm. In: GECCO '20: Genetic and Evolutionary Computation Conference, 2020, Cancún Mexico. Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion. New York: ACM, 2020. p. 143.

• SOTTO, LÉO FRANÇOSO D. P. ; KAUFMANN, PAUL ; ATKINSON, TIMOTHY ; KALKREUTH, ROMAN ; BASGALUPP, MÁRCIO PORTO . A study on graph representations for genetic programming. In: GECCO '20: Genetic and Evolutionary Computation Conference, 2020, Cancún Mexico. Proceedings of the 2020 Genetic and Evolutionary Computation Conference, 2020. p. 931.

• FRANCISQUINI, RODRIGO ; NASCIMENTO, MARIA C. V. ; Basgalupp, Marcio P. . NGA-LP: A Robust and Improved Genetic Algorithm to Detect Communities in Directed Networks. In: 2018 IEEE Congress on Evolutionary Computation (CEC), 2018, Rio de Janeiro. 2018 IEEE Congress on Evolutionary Computation (CEC), 2018. p. 1.

• RIBEIRODA SILVA, GUILHERME ; Basgalupp, Marcie P. ; CAROLINA LORENA, ANA . Automatic Design of Evolutionary Algorithms Based on Entropy Triggers. In: 2018 IEEE Congress on Evolutionary Computation (CEC), 2018, Rio de Janeiro. 2018 IEEE Congress on Evolutionary Computation (CEC), 2018. p. 1.

• CAGNINI, HENRY E.L. ; Porto Basgalupp, Marcie ; Barros, Rodrigo C. . Increasing Boosting Effectiveness with Estimation of Distribution Algorithms. In: 2018 IEEE Congress on Evolutionary Computation (CEC), 2018, Rio de Janeiro. 2018 IEEE Congress on Evolutionary Computation (CEC), 2018. p. 1.

• CERRI, RICARDO ; MANTOVANI, RAFAEL G. ; Basgalupp, Marcio P. ; DE CARVALHO, ANDRE C. P. L. F. . Multi-label Feature Selection Techniques for Hierarchical Multi-label Protein Function Prediction. In: 2018 International Joint Conference on Neural Networks (IJCNN), 2018, Rio de Janeiro. 2018 International Joint Conference on Neural Networks (IJCNN), 2018. p. 1.

• CARDOSO, KARLA R. ; CINTRA, MARCOS E. ; BASGALUPP, MARCIO . Extracting Rules for Black Jack Using Machine Learning and Fuzzy Systems. In: 2018 IEEE International Conference on Fuzzy Systems (FUZZIEEE), 2018, Rio de Janeiro. 2018 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 2018. p. 1.

• CAGNINI, HENRY E. L. ; Barros, Rodrigo C. ; Basgalupp, Marcio P. . Estimation of distribution algorithms for decision-tree induction. In: 2017 IEEE Congress on Evolutionary Computation (CEC), 2017, Donostia. 2017 IEEE Congress on Evolutionary Computation (CEC), 2017. p. 2022-2029.

• SANTOS, J. S. ; SAVII, R. M. ; IDE, J. ; LI, C. R. ; QUILES, M. G. ; BASGALUPP, M. P. . Classification of cocaine dependents from fMRI data using cluster-based stratification and deep learning. In: International Conference on Computational Science and Its Applications (ICCSA'17), 2017, Trieste. Computational Science and Its Applications, 2017.

• SOUSA, ARUA DE M. ; LORENA, ANA C. ; Basgalupp, Marcio P. . GEEK: Grammatical Evolution for Automatically Evolving Kernel Functions. In: 2017 IEEE Trustcom/BigDataSE/ICESS, 2017, Sydney. 2017 IEEE Trustcom/BigDataSE/ICESS, 2017. p. 941.

• MIQUILINI, PATRICIA ; ROSSI, RAFAEL G. ; QUILES, MARCOS G. ; MELO, VINICIUS V. DE ; Basgalupp, Marcio P. . Automatically Design Distance Functions for Graph-Based Semi-Supervised Learning. In: 2017 IEEE Trustcom/BigDataSE/ICESS, 2017, Sydney. 2017 IEEE Trustcom/BigDataSE/ICESS, 2017. p. 933.

• CAGNINI, H. ; BARROS, R. C. ; QUEVEDO, C. V. ; BASGALUPP, M. P. . Medoid-based Data Clustering with Estimation of Distribution Algorithms. In: ACM Symposium on Applied Computing (SAC), 2016, Pisa. Proceedings of the 31st ACM Symposium on Applied Computing, 2016.

• SOTTO, L. ; MELO, V. V. ; BASGALUPP, M. P. . An improved λ-Linear Genetic Programming evaluated in solving the Santa Fe Ant Trail problem. In: ACM Symposium on Applied Computing (SAC), 2016, Pisa. Proceedings of the 31st ACM Symposium on Applied Computing (SAC), 2016.

• MIQUILINI, PATRICIA ; Barros, Rodrigo C. ; DE MELO, VINICIUS V. ; Basgalupp, Marcio P. . Enhancing discrimination power with genetic feature construction: A grammatical evolution approach. In: 2016 IEEE Congress on Evolutionary Computation (CEC), 2016, Vancouver. 2016 IEEE Congress on Evolutionary Computation (CEC), 2016. p. 3824.

• Barros, Rodrigo C. ; QUEVEDO, C. V. ; de PARIS, R. ; BASGALUPP, M. P. . Clustering Molecular Dynamics Trajectories with a Univariate Estimation of Distribution Algorithm. In: IEEE Congress on Evolutionary Computation (CEC), 2015, Sendai, Japão. 2015 IEEE Congress on Evolutionary Computation (CEC), 2015.

• PODGORELEC, V. ; KARAKATIC, S. ; Barros, Rodrigo C. ; BASGALUPP, M. P. . Evolving Balanced Decision Trees with a Multi-Population Evolutionary Algorithm. In: IEEE Congress on Evolutionary Computation (CEC), 2015, Sendai, Japão. 2015 IEEE Congress on Evolutionary Computation (CEC), 2015.

• BASGALUPP, M. P. ; Barros, Rodrigo C. ; PODGORELEC, V. . Evolving Decision-Tree Induction Algorithms with a Multi-Objective Hyper-Heuristic. In: ACM Symposium On Applied Computing (SAC), 2015, Salamanca, Espanha. Proceedings of the 30th ACM Symposium On Applied Computing (SAC), 2015.

• SERON, W. ; ZORZAL, E. R. ; QUILES, M. G. ; BASGALUPP, M. P. ; BREVE, F. . #Worldcup2014 on Twitter. In: International Conference on Computational Science and Its Applications (ICCSA'15), 2015, Banff. Computational Science and Its Applications, 2015. v. 9155. p. 447-458.

• MENDES, M. ; BARROS, Rodrigo C. ; BASGALUPP, M. P. . Construção automática de algoritmos de indução de árvores de decisão: uma abordagem multiobjetiva. In: Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), 2014, São Carlos. Anais do XII Encontro Nacional de Inteligência Artificial e Computacional, 2014.

• BASGALUPP, M. P. ; Barros, Rodrigo C. ; BARABASZ, T. . A grammatical evolution based hyper-heuristic for the automatic design of split criteria. In: Genetic and Evolutionary Computation Conference (GECCO), 2014, Vancouver. Proceedings of the 2014 Conference on Genetic and Evolutionary Computation (GECCO '14). New York: ACM Press, 2014. v. 1. p. 1311-1318.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CERRI, R. ; da SILVA, T. S. ; CARVALHO, A. C. P. L. F. . A grammatical evolution approach for software effort estimation. In: Genetic and Evolutionary Computation Conference (GECCO), 2013, Amsterdam. Proceedings of the 15th Annual Conference on Genetic and Evolutionary Computation. New York: ACM Press, 2013. v. 1. p. 1413-1420.

• BASGALUPP, M. P. ; Barros, Rodrigo C. ; da SILVA, T. S. ; CARVALHO, A. C. P. L. F. . Software Effort Prediction: A Hyper-Heuristic Decision-Tree Approach. In: ACM Symposium On Applied Computing (SAC), 2013, Coimbra, Portugal. Proceedings of the 28th Annual ACM Symposium on Applied Computing (SAC'13). New York: ACM Press, 2013. v. 1. p. 1109-1116.

• Basgalupp, Márcio P. ; Barros, Rodrigo C. ; Ruiz, Duncan D. . Predicting software maintenance effort through evolutionary-based decision trees. In: the 27th Annual ACM Symposium, 2012, Trento. Proceedings of the 27th Annual ACM Symposium on Applied Computing - SAC '12. New York: ACM Press.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . A hyper-heuristic evolutionary algorithm for automatically designing decision-tree algorithms. In: Genetic and Evolutionary Computation Conference - GECCO 2012, 2012, Philadelphia. Proceedings of GECCO 2012, 2012. p. 1237-1244.

• QUILES, M. G. ; BASGALUPP, M. P. ; Barros, Rodrigo C. . Um Modelo de Correlação Oscilatória para Classificação Semi-Supervisionada. In: X Encontro Nacional de Inteligência Artificial (ENIA), 2012, Curitiba - PR. Anais do X Encontro Nacional de Inteligência Artificial (ENIA), 2012.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . Towards the Automatic Design of Decision Tree Induction Algorithms. In: Genetic and Evolutionary Computation Conference (GECCO 2011), 2011, Dublin, Irlanda. Proceedings of the 13th annual conference companion on Genetic and evolutionary computation, 2011.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; QUILES, M. G. . Um algoritmo de indução de árvore de decisão baseado em agrupamento. In: IX Encontro Nacional de Inteligência Artificial (ENIA), 2011, Natal - RN. Anais do IX Encontro Nacional de Inteligência Artificial (ENIA), 2011.

• Barros, Rodrigo C. ; DE CARVALHO, ANDRE C. P. L. R ; BASGALUPP, MARCIO R ; QUILES, MARCOS G. . A clustering-based decision tree induction algorithm. In: 2011 11th International Conference on Intelligent Systems Design and Applications (ISDA), 2011, Cordoba. 2011 11th International Conference on Intelligent Systems Design and Applications. p. 543.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; RUIZ, Duncan ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . Evolutionary Model Tree Induction. In: The 25th Annual ACM Symposium on Applied Computing, 2010, Sierre, Switzerland. Proceedings of the 2010 ACM symposium on Applied Computing, 2010. v. 2. p. 1131-1137.

• BASGALUPP, M. P. ; BARROS, R. C. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. ; RUIZ, Duncan . LEGAL-tree: a lexicographic multi-objective genetic algorithm for decision tree induction. In: 24th Annual ACM Symposium on Applied Computing, 2009, Honolulu - Hawaii. Proceedings of the 24th Annual ACM Symposium on Applied Computing 2009, 2009. v. 2. p. 1085-1090.

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; TENORIO, N. ; RUIZ, Duncan ; BECKER, Karin . Issues on Estimating Software Metrics in a Large Software Operation. In: 32nd Annual IEEE Software Engineering Workshop, 2009, Kassandra, Chalkidiki - Greece. proceedings of 32nd Annual IEEE Software Engineering Workshop, 2009.

• BASGALUPP, M. P. ; BECKER, Karin ; CARVALHO, A. C. P. L. F. . Seleção de atributos genética em classificação de processos de negócio. In: Brazilian Workshop on Business Process Management, 2007, Gramado - RS. Anais do XIII Brazilian Symposium on Multimedia and the Web, 2007. v. 1.

• BASGALUPP, M. P. ; BECKER, Karin ; RUIZ, Duncan Dubugras . A Study of Multi-Objective Fitness Functions for a Feature Selection Genetic Algorithm. In: International Workshop on Feature Selection for Data Mining:, 2006, Bethesda. Proceedings of the Second Workshop on Feature Selection for Data Mining: Interfacing Machine Learning and Statistics, 2006. v. 1. p. 123-130.

• BASGALUPP, M. P. ; BECKER, Karin . ALGORITMOS GENÉTICOS PARA SELEÇÃO DE ATRIBUTOS EM CLASSIFICAÇÃO DE PROCESSOS DE NEGÓCIO. In: WTDBD: Simpósio Brasileiro de Banco de Dados, 2006, Florianópolis. Anais do XXI Simpósio Brasileiro de Banco de Dados (SBBD 2006), 2006.

• BASGALUPP, M. P. ; BAPTISTA DA SILVA, João . ANÁLISE ESTATÍSTICA DAS CHUVAS ANUAIS EM PELOTAS, RS.. In: 49ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria, 2004, Uberlândia - MG, 2004.

• BASGALUPP, M. P. ; BAPTISTA DA SILVA, J. . Análise Espectral das Chuvas Anuais em Pelotas, RS. In: XIII Congresso de Iniciação Científica da UFPel, 2004, Pelotas. Anais do XIII Congresso de Iniciação Científica, 2004.

• BAPTISTA DA SILVA, J. ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de ; BOIASKI, Nathalie ; LLOPART, Marta Pereira . Modelagem e Previsão das Precipitações Pluviais em Pelotas, RS: Análise Harmônica. In: X Reunión Argentina y LV Latinoamericana de Agrometeorología, 2004, Mar del Plata. Agrometeorología y seguridad alimentaria en América Latina, 2004.

• BAPTISTA DA SILVA, J. ; BOIASKI, Nathalie ; LLOPART, Marta Pereira ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de . Probabilidades de Ocorrência da Radiação Solar Média em Pelotas, RS. In: X Reunión Argentina y LV Latinoamericana de Agrometeorología, 2004, Mar del Plata. Agrometeorología y seguiridad alimentaria en Améria Latina, 2004.

• BAPTISTA DA SILVA, J. ; LLOPART, Marta Pereira ; BOIASKI, Nathalie ; SOUZA, Diego Oliveira de ; BASGALUPP, M. P. . Tabelas de Probabilidades da Temperatura Média do Ar em Pelotas, RS. In: X Reunión Argentina y LV Latinoamericana de Agrometeorología, 2004, Mar del Plata. Agrometeorología y seguridad alimentaria en América Latina, 2004.

• BAPTISTA DA SILVA, J. ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de ; BOIASKI, Nathalie ; LLOPART, Marta Pereira . Chuvas Anuais em Pelotas, RS: Análise Espectral. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

• BAPTISTA DA SILVA, J. ; SOUZA, Diego Oliveira de ; BASGALUPP, M. P. ; BOIASKI, Nathalie ; LLOPART, Marta Pereira . Estimativa do Potencial Eólico do Estado do Rio Grande do Sul - Parte I. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

• BAPTISTA DA SILVA, J. ; BOIASKI, Nathalie ; LLOPART, Marta Pereira ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de . Radiação Solar em Pelotas, RS - Tabelas de Probabilidades das Médias Pentadais. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

• BAPTISTA DA SILVA, J. ; LLOPART, Marta Pereira ; BOIASKI, Nathalie ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de . Temperatura Máxima do Ar em Pelotas, RS - Tabelas de Probabilidades das Médias das Máximas Pentadais. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

• BAPTISTA DA SILVA, J. ; LLOPART, Marta Pereira ; BOIASKI, Nathalie ; SOUZA, Diego Oliveira de ; BASGALUPP, M. P. . Temperatura Média do Ar em Pelotas, RS - Tabelas de Probabilidades das Máximas Absolutas Pentadais. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

• BASGALUPP, M. P. ; BAPTISTA DA SILVA, J. ; PAZ, Sheila R da . Análise Estatística das Chuvas Mensais em Pelotas, RS: Uma Abordagem no Domínio da Freqüência. In: XII Congresso de Iniciação Científica da UFPel, 2003, Pelotas. Anais do XII Congresso de Iniciação Científica, 2003.

• BAPTISTA DA SILVA, João ; SARAIVA, Ivan ; BASGALUPP, M. P. . ANÁLISE DAS CHUVAS MENSAIS POR MODELOS DE BOX & JENKINS: UM ESTUDO PRELIMINAR. In: Congresso Brasileiro de Agrometeorologia, 2005, Campinas, 2005.

• BAPTISTA DA SILVA, João ; SARAIVA, Ivan ; BASGALUPP, M. P. . MODELLING AND FORECAST OF THE ANNUAL RAINFALL AT PELOTAS, RIO GRANDE DO SUL, BRAZIL. In: XXIII International Biometric Conference, 2006, Montreal - Canadá. Abstracts of the XIII International Biometric Conference. Montreal: International Biometric Society, 2006. v. 1. p. 229-229.

• BAPTISTA DA SILVA, João ; BASGALUPP, M. P. ; SARAIVA, Ivan . MODELLING AND FORECAST OF THE ANNUAL RAINFALL AT PELOTAS, RIO GRANDE DO SUL, BRAZIL. In: XV Congresso Mexicano de Meteorologia, 2006, Puerto Vallarta - México. Anais do XV Congresso Mexicano de Meteorologia, 2006. v. 1. p. 93-93.

• BASGALUPP, M. P. ; MACHADO, Mário Lúcio Mesquita ; SOUZA, João Artur de ; BAPTISTA DA SILVA, João . PREVISÃO DAS CHUVAS DO MÊS DE OUTUBRO EM PELOTAS, RS, USANDO UMA REDE NEURAL MLP COM CONFIGURAÇÃO OTIMIZADA POR ALGORITMOS GENÉTICOS. In: Congresso Brasileiro de Agrometeorologia, 2005, Campinas, 2005.

• BASGALUPP, M. P. ; SARAIVA, Ivan ; BAPTISTA DA SILVA, João . ANÁLISE DAS CHUVAS MENSAIS EM PELOTAS, RS, USANDO MODELOS DE BOX & JENKINS: UM ESTUDO PRELIMINAR. In: IX Congresso Argentino de Meteorologia, 2005, Buenos Aires. Anais, 2005. v. 1. p. 76-76.

• BASGALUPP, M. P. ; SARAIVA, Ivan ; BAPTISTA DA SILVA, J. . ANÁLISE DAS CHUVAS MENSAIS EM PELOTAS, RS, USANDO MODELOS DE BOX & JENKINS. In: III Congresso Cubano de Meteorologia, 2005, Havana. Anais do III Congresso Cubano de Meteorologia, 2005. v. 1. p. 8-8.

• BASGALUPP, M. P. ; MACHADO, Mário Lúcio Mesquita ; SOUZA, João Artur de ; BAPTISTA DA SILVA, João . UTILIZAÇÃO DAS TÉCNICAS DE REDES NEURAIS ARTIFICIAIS E ALGORITMOS GENÉTICOS PARA MODELAGEM E PREVISÃO DE PRECIPITAÇÕES PLUVIAIS EM PELOTAS, RS, BRASIL. In: IX CONGRESO ARGENTINO DE METEOROLOGIA, 2005, Buenos Aires. ANAIS DO IX CONGREMET. BUENOS AIRES. v. 1. p. 87-87.

• VIEIRA, H. V. ; BASGALUPP, M. P. ; AZAMBUJA, F. . Análise da Melhor Opção de Ferramenta de Middleware para Extração de Dados do Orkut. In: XIII Congresso de Iniciação Científica da UFPel, 2004, Pelotas. Anais do XIII Congresso de Iniciação Científica, 2004.

• MARINS, L. ; LEMKE, A. P. ; BASGALUPP, M. P. ; SILVEIRA, R. A. . Análise da Solução do Problema do Caixeiro Viajante através do Uso de um Algoritmo Genético. In: XIII Congresso de Iniciação Científica da UFPel, 2004, Pelotas. Anais do XIII Congresso de Iniciação Científica, 2004.

• BASGALUPP, M. P. ; SOUZA, João Artur de ; DANDOLINI, G. A. ; BAPTISTA DA SILVA, J. . Uso de Redes Neurais na Modelagem e Previsão das Chuvas Mensais em Pelotas, RS. In: XIII Congresso de Iniciação Científica da UFPel, 2004, Pelotas. Anais do XIII Congresso de Iniciação Científica, 2004.

• BAPTISTA DA SILVA, João ; PAZ, Sheila Radmann da ; BASGALUPP, M. P. . Análise Harmônica das Chuvas Mensais em Pelotas, RS. In: XIII Congresso Brasileiro de Agrometeorologia, 2003, Santa Maria - RS. Situação Atual e Perspectivas da Agrometeorologia, 2003. v. 2. p. 721-722.

• BAPTISTA DA SILVA, João ; CUNHA, Felipe B ; PAZ, Sheila Radmann da ; BASGALUPP, M. P. . Modelagem das Chuvas Trimestrais no Semi-Árido do Nordeste Brasileiro. In: XIII Congresso Brasileiro de Agrometeorologia, 2003, Santa Maria - RS. Situação Atual e Perspectivas da Agrometeorologia, 2003. v. 2. p. 869-870.

• BASGALUPP, M. P. ; BAPTISTA DA SILVA, J. . Análise Espectral das Chuvas Anuais em Pelotas, RS. In: XII Congresso de Iniciação Científica da UFPel, 2003, Pelotas. Anais do XII Congresso de Iniciação Científica, 2003.

• BASGALUPP, M. P. ; CERRI, RICARDO . Hyper-Heuristic Evolutionary Algorithms for Construction of Machine Learning Algorithms. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• FRANCISQUINI, R. ; NASCIMENTO, M. C. V. ; BASGALUPP, M. P. . NGA-LP: A Robust and Improved Genetic Algorithm to Detect Communities in Directed Networks.. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• RIBEIRODA SILVA, GUILHERME ; BASGALUPP, M. P. ; LORENA, A. C. . Automatic Design of Evolutionary Algorithms Based on Entropy Triggers. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• CERRI, RICARDO ; BASGALUPP, M. P. . Genetic Algorithms for Hierarchical and Multi-label Classification Rule-Induction. 2017. (Apresentação de Trabalho/Conferência ou palestra).

• SOUSA, ARUA DE M. ; LORENA, A. C. ; BASGALUPP, M. P. . GEEK: Grammatical Evolution for Automatically Evolving Kernel Functions. 2017. (Apresentação de Trabalho/Conferência ou palestra).

• MIQUILINI, P. ; ROSSI, RAFAEL G. ; QUILES, M. G. ; MELO, V. V. ; BASGALUPP, M. P. . Automatically Design Distance Functions for Graph-Based Semi-Supervised Learning. 2017. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. . Evolutionary Hyper-heuristics for Automatically Design Decision-Tree Induction Algorithms. 2016. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. ; Barros, Rodrigo C. ; PODGORELEC, V. . Evolving Decision-Tree Induction Algorithms with a Multi-Objective Hyper-Heuristic. 2016. (Apresentação de Trabalho/Conferência ou palestra).

• SOTTO, L. ; MELO, V. V. ; BASGALUPP, M. P. . An improved λ-Linear Genetic Programming evaluated in solving the Santa Fe Ant Trail problem. 2016. (Apresentação de Trabalho/Conferência ou palestra).

• BARROS, R. C. ; QUEVEDO, C. V. ; de PARIS, R. ; BASGALUPP, M. P. . Clustering Molecular Dynamics Trajectories with a Univariate Estimation of Distribution Algorithm.. 2015. (Apresentação de Trabalho/Conferência ou palestra).

• PODGORELEC, V. ; KARAKATIC, S. ; Barros, Rodrigo C. ; BASGALUPP, M. P. . Evolving Balanced Decision Trees with a Multi-Population Evolutionary Algorithm. 2015. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. . Machine Learning and Evolutionary Algorithms. 2014. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. . Grammatical Evolution for Automatic Desing of Algorithms. 2014. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. ; Barros, Rodrigo C. ; BARABASZ, T. . A grammatical evolution based hyper-heuristic for the automatic design of split criteria. 2014. (Apresentação de Trabalho/Conferência ou palestra).

• Barros, Rodrigo C. ; BASGALUPP, M. P. ; CERRI, RICARDO ; DA SILVA, TIAGO S. ; CARVALHO, A. C. P. L. F. . A grammatical evolution approach for software effort estimation. 2013. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. . Using Meta-Learning for Algorithm Selection. 2013. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. . Introducing HEAD-DT. 2013. (Apresentação de Trabalho/Conferência ou palestra).

• BARROS, R. C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . A hyper-heuristic evolutionary algorithm for automatically designing decision-tree algorithms. 2012. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. ; BARROS, R. C. ; Ruiz, Duncan D. . Predicting Software Maintenance Effort through Evolutionary-based Decision Trees. 2012. (Apresentação de Trabalho/Simpósio).

• BARROS, R. C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; QUILES, M. G. . A Clustering-based Decision Tree Induction Algorithm. 2011. (Apresentação de Trabalho/Conferência ou palestra).

• BASGALUPP, M. P. ; BARROS, R. C. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. ; RUIZ, Duncan . LEGAL-tree: a lexicographic multi-objective genetic algorithm for decision tree induction. 2009. (Apresentação de Trabalho/Simpósio).

• BASGALUPP, M. P. ; BECKER, Karin ; CARVALHO, A. C. P. L. F. . Seleção de atributos genética em classificação de processos de negócio. 2007. (Apresentação de Trabalho/Congresso).

Outras produções

Projetos de pesquisa

• 2023 - Atual

  Neuro-GEMA: A Grammar-based Evolutionary Method to Automatically Design Flexible Convolutional Neural Networks, Descrição: Neural Architecture Search (NAS) is a research field that utilises evolutionary algorithms to generate/optimise neural networks. In recent years, NAS-based algorithms have created models that outperform hand-craft designs in some tasks, settings the new state-of-the-art. In this research project, we will utilise grammar-based multi-objective NAS algorithms to generate deep convolutional neural networks (CNNs). The utilisation of a grammar-based approach to describe and explore the search space allows the researchers to inject domain knowledge into the search process and creates an interface between genotypes and phenotypes that facilitates experimentation, while the multi-objective approach will enable the identification of models with good compromises between predictive power and other metrics, such as model size. The Brazilian partners of this proposal are researchers in the IARA Project (Artificial Intelligence in the Remaking of Urban Environments) funded by FAPESP, a joint nationwide collaboration involving universities and companies in Brazil. Thus, the CNNs discovered are intent to be applied in smart city related problems, such as detecting breeding grounds of disease-carrying mosquitoes and detecting construction materials left on illegal locations, such as sidewalks.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (2) . , Integrantes: Márcio Porto Basgalupp - Coordenador / CERRI, RICARDO - Integrante / Ferrante Neri - Integrante / Spencer Thomas - Integrante / Zhenhua Feng - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2022 - Atual

  Construção e seleção automática de algoritmos de aprendizado de máquina, Descrição: O uso de meta-learning para recomendação de algoritmos é uma área de pesquisa que tem sido amplamente explorada nos últimos anos. Sistemas de meta-learning para recomendação de algoritmos podem ser divididos em dois grandes grupos: (a) sistemas que realizam seleção de algoritmos ou modelos baseados em meta-features; e (b) sistemas que buscam pelo melhor algoritmo de classificação possível em um dado espaço de algoritmos, uma abordagem relativamente menos investigada que a anterior. Em trabalhos prévios do proponente e seus colaboradores, foram desenvolvidos três sistemas representativos de meta-learning baseados em busca para a construção automática de algoritmos. Todos eles utilizaram o paradigma de algoritmos evolutivos como método de busca, porém construindo diferentes tipos de algoritmos de classificação -- indução de regras, indução de árvores de decisão, e indução de redes bayesianas. Esses três sistemas de meta-learning, até onde se sabe, são as únicas abordagens de meta-learning para a construção automática de algoritmos encontradas na literatura. Assim, a ideia deste projeto de pesquisa é avançar na área de construção automática de algoritmos de aprendizado de máquina, mais especificamente classificação. Dentre os tópicos considerados em aberto nessa área, é possível destacar: (I) desenvolvimento de abordagens baseadas em diferentes métodos de busca; (II) evolução de árvores de decisão com múltiplos testes; (III) implementação de abordagens multi-objetivas; (IV) construção automática de funções de similaridade no contexto de aprendizado semissupervisionado; (V) evolução automática de redes neurais profundas; (VI) construção automática de comitê de classificadores; (VII) construção automática de preditores multi-target; e (VIII) estudo comparativo das abordagens de meta-learning para seleção/configuração e construção de algoritmos de classificação.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Márcio Porto Basgalupp - Coordenador / Ana Carolina Lorena - Integrante / CERRI, RICARDO - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Teresa Bernarda Ludermir - Integrante / George Darmiton da Cunha Cavalcanti - Integrante / Péricles Barbosa Cunha de Miranda - Integrante / Cleber Zanchettin - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro / Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco - Auxílio financeiro.

• 2022 - Atual

  IARA - Inteligência Artificial Recriando Ambientes, Projeto certificado pelo(a) coordenador(a) André Carlos Ponce de Leon Ferreira de Carvalho em 18/04/2022., Descrição: O Centro de Pesquisa Aplicada em Inteligência Artificial, IARA, é formado por uma equipe multidisciplinar, com especialistas nacionais com competência internacionalmente reconhecidas em inteligência artificial, telecomunicações internet das coisas e cidades inteligentes. O centro sediado em São Carlos, estado de São Paulo, funcionará em rede com pesquisadores de todas as regiões do Brasil, organizado em nós ou subsedes. Assim, um diferencial desta proposta de centro é que, junto com o centro sediado em São Carlos, será formada uma rede de nós, ou sub-sedes, localizados em Instituições Científica, Tecnológica e de Inovação de todas as regiões do país. O centro tem pesquisadores de várias instituições de ciência e tecnologia do estado de São Paulo, incluindo todas as universidades públicas. A rede tem por meta cobrir cinco aspectos de cidades inteligentes: cibersegurança, educação, infra-estrutura, meio-ambiente e saúde. No aspecto relacionado a infra-estrutura, são de particular interesse os subtemas de energia, comunicação e mobilidade. Por seu caráter aplicado, foi firmado um acordo para colaboração futura com algumas cidades do país e participa também um grupo de empresas cujas atividades englobam os temas mencionados. Serão enfatizadas no centro a transferência de tecnologia, a educação e a divulgação de conhecimento para o uso correto, justo, transparente e eficiente de Inteligência Artificial para o fomento de cidades inteligentes no Brasil e no exterior.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Márcio Porto Basgalupp - Integrante / André C. P. L. F. de Carvalho - Coordenador / Adeniso da Silva Simão - Integrante / Alexandre Plastino de Carvalho - Integrante / Alneu de Andrade Lopes - Integrante / Carlos Renato Lisboa Francês - Integrante / Francisco Aparecido Rodrigues - Integrante / Gislaine Aparecida da Silva - Integrante / Marcelo Eduardo Vieira Segatto - Integrante / Merley Maria Bernardes Rebuzzi Vellasco - Integrante / Teresa Bernarda Ludermir - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2022 - Atual

  Instituto Nacional de Inteligência Artificial, Projeto certificado pelo(a) coordenador(a) Teresa Bernarda Ludermir em 23/01/2023., Descrição: A criação de um Instituto Nacional de Ciência e Tecnologia em Inteligência Artificial (IAIA) irá reunir e estimular pesquisas científicas, tecnológicas e de inovação colaborativas em Inteligência Artificial, além de tornar a Inteligência Artificial brasileira internacionalmente reconhecida pela qualidade de suas pesquisas. A iniciativa desenvolverá um forte programa de capacitação de formação de recursos humanos em Inteligência Artificial, inclusive Inteligência Artificial aplicada. Financiamento: Edital Nº 58/2022 - Programa Institutos Nacionais de Ciência e Tecnologia - INCT do CNPq.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Márcio Porto Basgalupp - Integrante / André C. P. L. F. de Carvalho - Integrante / Ana Carolina Lorena - Integrante / CERRI, RICARDO - Integrante / Teresa Bernarda Ludermir - Coordenador / Francisco de Assis Tenório de Carvalho - Integrante / Marley Vellasco - Integrante / Carmelo Jose Albanez Bastos Filho - Integrante / Altigran Soares da Silva - Integrante / Wagner Meira Junior - Integrante.

• 2020 - 2023

  Evolução automática de redes neurais profundas, Descrição: Atualmente, as redes neurais profundas (RNPs) são o estado-da-arte para a solução de problemas difíceis. Seus resultados notáveis dependem diretamente de aspectos como arquitetura e hiperparâmetros. O projeto manual de uma RNP requer conhecimento especializado e muita tentativa e erro, especialmente conforme a dificuldade do problema aumenta. Várias abordagens foram desenvolvidas para otimizar automaticamente arquiteturas e hiperparâmetros de RNPs, em uma área de pesquisa moderna chamada neuroevolução. Porém, a maioria delas se concentra em partes específicas do projeto de RNPs, como hiperparâmetros, topologia ou pesos, e não considera módulos de microarquitetura, também conhecidos como arquiteturas de Rede em Rede (ReR). Assim, neste projeto, propomos novos métodos baseados em Algoritmos Evolutivos baseados em Gramática para evoluir automaticamente arquiteturas de RNPs e seus hiperparâmetros, considerando as contribuições mais recentes do estado-da-arte, como as arquiteturas ReR.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (1) . , Integrantes: Márcio Porto Basgalupp - Integrante / Ricardo Cerri - Coordenador / MIRANDA, THIAGO ZAFALON - Integrante., Financiador(es): Instituto Serrapilheira - Auxílio financeiro.

• 2016 - 2018

  Hiper-heurísticas multi-objetivas para construção automática de algoritmos de indução de árvores de decisão com múltiplos testes, Descrição: Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de aprendizado de máquina e mineração de dados, principalmente em virtude da facilidade de interpretação do conhecimento adquirido. Em contraste com os algoritmos tradicionais de indução de árvores de decisão - todos manualmente desenvolvidos por humanos - o algoritmo HEAD-DT constitui uma abordagem de hiper-heurística evolutiva para construção automática de algoritmos de indução de árvores de decisão. HEAD-DT trabalha sobre diversos componentes manualmente desenvolvidos para indução de árvores de decisão, combinando os componentes mais adequados para o problema em questão. Recentemente, foi introduzido o conceito de árvores de decisão com múltiplos testes (MTDT, do inglês Multi-Test Decision Trees), uma nova forma de representação de árvores de decisão. Nas MTDT, cada nó da árvore pode ser composto por múltiplos testes univariados, o que pode ser visto como um caso intermediário (em termos de interpretabilidade) entre as árvores de decisão univariadas e as árvores de decisão multivariadas. Em relação aos algoritmos tradicionais de árvores de decisão univariadas, os algoritmos de indução das MTDT possuem certas particularidades. O critério de split é um exemplo claro, em que pode ser conduzido por um mecanismo de votação majoritária em que todos os testes univariados têm a mesma importância. No entanto, diversas outras estratégias podem ser desenvolvidas para realizar essa tarefa. Nesse contexto, o presente projeto propõe estender o algoritmo HEAD-DT em dois principais aspectos: (i) construir automaticamente algoritmos de indução de árvores de decisão com múltiplos testes, e algumas extensões; e (ii) adotar três abordagens multi-objetivas para guiar o processo evolutivo. Embora muitos trabalhos utilizem algoritmos evolutivos para indução de árvores de decisão, o que se propõe aqui é algo totalmente diferente, pois a ideia é evoluir algoritmos genéricos para indução de árvores de decisão de múltiplos testes, ou seja, o resultado final do método será um algoritmo de indução, e não apenas uma árvore de decisão. Isso caracteriza um algoritmo de meta-learning, pois o objetivo é aprender um algoritmo de aprendizagem.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . , Integrantes: Márcio Porto Basgalupp - Coordenador / André C. P. L. F. de Carvalho - Integrante / Alex A. Freitas - Integrante / Barros, Rodrigo C. - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2016 - 2018

  Classificação Hierárquica de Elementos Transponíveis Utilizando Aprendizado de Máquina, Descrição: Elementos Transponíveis (TEs) são sequências de DNA que podem se mover de um local para outro dentro do genoma de uma célula. Eles contribuem para a diversidade genética das espécies, e seus mecanismos de transposição podem afetar a funcionalidade dos genes. A correta identificação e classificação de TEs é útil para a compreensão de seus efeitos no processo evolutivo dos genomas. Os TEs são organizados em uma taxonomia hierárquica, com famílias e superfamílias. Geralmente, a identificação e classificação de TEs é realizada por meio de ferramentas de Bioinformática que utilizam homologia, comparando uma sequência com várias sequências de um conjunto de dados com TEs já identificados. Esse método apresenta limitações, pois a homologia entre sequências ignora as propriedades bioquímicas das mesmas, e também os relacionamentos hierárquicos entre as diferentes famílias e superfamílias de TEs. Assim, neste projeto, serão investigados e propostos diferentes métodos de classificação hierárquica de TEs utilizando Aprendizado de Máquina (AM). Inicialmente, diferentes conjuntos de dados serão construídos com sequências de nucleotídeos e de aminoácidos já com TEs previamente identificados. Para a construção desses conjuntos de dados, serão utilizadas ferramentas de Bioinformática desenvolvidas para extrair características bioquímicas de sequências, e também diferentes estratégias para conversão de sequências em valores de atributos adequados para a utilização em técnicas de AM. Os conjuntos de dados serão, então, estruturados hierarquicamente, de acordo com as famílias e superfamílias de TEs a que pertencem. Os métodos de classificação propostos serão comparados com métodos existentes na literatura, e avaliados por meio de medidas de avaliação específicas para problemas de classificação hierárquica.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Márcio Porto Basgalupp - Integrante / André C. P. L. F. de Carvalho - Integrante / CERRI, RICARDO - Coordenador / Carlos Norberto Fischer - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2016 - 2016

  Hyper-heuristics and Decision Trees for Hierarchical Multi-label Classification Problems, Descrição: Hierarchical Multi-label Classification (HMC) is a complex problem, in which classes involved are structured in a hierarchy with hundreds or even thousands of classes. Additionally, instances can be simultaneously classified into more than one path in this hierarchy. These problems are very common, for example, in protein function prediction and annotation of medical images. Among the different algorithms that can be used in these problems, decision tree induction algorithms are a good choice, due their robustness and efficiency, and also because they produce interpretable models with satisfactory performances. However, there are still many open questions about the use of these algorithms in the HMC context, such as which stop and prune criteria to use, which split to use in an internal node, and how to consider the relationships between classes. In addition, only the top-down strategy was used until now. Given such many configuration possibilities, this project aims at implementing a hyper-heuristic for the construction of decision tree induction algorithms, tailored to HMC problems. In contrast to meta-heuristics, hyper-heuristics operate in a higher abstraction level, being used in the search for the best combination of components in the space of possibilities. These components are used to construct the decision tree induction algorithms.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Márcio Porto Basgalupp - Coordenador / CERRI, RICARDO - Integrante / Leander Schietgat - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação / Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2015 - 2017

  Hiper-heurísticas para Construção de Algoritmos de Indução de Árvores de Decisão em Problemas de Classificação Hierárquica Multirrótulo, Projeto certificado pelo(a) coordenador(a) Ricardo Cerri em 31/01/2016., Descrição: Problemas de Classificação Hierárquica Multirrótulo são problemas de classificação complexos, nos quais as classes envolvidas no problema são estruturadas em uma hierarquia contendo centenas ou até milhares de classes. Adicionalmente, exemplos sendo classificados podem ser atribuídos simultaneamente a mais de um caminho dessa hierarquia. Esses problemas são muito comuns, por exemplo em tarefas de predição de funções de proteínas e anotação de imagens médicas. Dentre os diferentes algoritmos que podem ser utilizados nesses problemas, estão os algoritmos de indução de árvores de decisão, por sua robustez e eficiência, além de produzirem modelos interpretáveis e com taxas de acerto satisfatórias. Apesar disso, ainda há muitas questões em aberto sobre a utilização desses algoritmos no contexto de problemas de classificação hierárquica multirrótulo, como por exemplo quais critérios de parada e de poda utilizar, qual tipo de divisão utilizar em um nó interno, e como considerar os relacionamentos entre as classes. Além disso, até agora apenas a estratégia de indução top-down foi utilizada. Dadas essas muitas possibilidades de configuração, esse projeto tem por objetivo implementar uma hiper-heurítica para a construção de algoritmos de indução de árvores de decisão aplicados em problemas de classificação hierárquica multirrótulo. Ao contrário das meta-heurísticas, as hiper-heurísticas operam em um nível maior de abstração, podendo ser utilizadas na procura das melhores combinações de componentes no espaço de possibilidades, componentes esses utilizados para a construção de algoritmos de indução de árvores de decisão.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Márcio Porto Basgalupp - Integrante / Ricardo Cerri - Coordenador / Celine Vens - Integrante / Leander Schietgat - Integrante.

• 2015 - 2015

  Construção automática de algoritmos de indução de árvores de decisão com híper-heurística multi-objetiva usando a abordagem de Pareto, Descrição: O objetivo da proposta de colaboração de pesquisa é projetar, desenvolver e avaliar uma versão estendida de um algoritmo de indução de árvore de decisão com uma híper-heurística multi-objetiva usando abordagem de dominância de Pareto. Os resultados prévios já mostraram as vantagens de evoluir algoritmos de indução de árvores de decisão com uma híper-heurística considerando somente o desempenho de classificação. No entanto, a acurácia e outras medidas de desempenho de classificadores não são os únicos indicadores de qualidade das árvores geradas. Uma vantagem muito importante das árvores de decisão é a transparência das decisões tomadas pelo modelo, cuja interpretabilidade é semelhate ao pensamento humano. Isso tem sido mostrado em diversas aplicações do mundo real, em que a validação dos resultados de classificação é tão importante como a classificação por si só (em Medicina, por exemplo), que a simplicidade de uma árvore não deveria ser comprometida às custas da acurácia. Ambos os objetivos (acurácia e complexidade das árvores de decisão), no entanto, são geralmente conflitantes. Para solucionar este problema, é proposto o uso de uma abordagem de otimização multi-objetiva apropriadamente projetada e implementada.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Márcio Porto Basgalupp - Coordenador / Barros, Rodrigo C. - Integrante / Vili Podgorelec - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2014 - Atual

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

• 2013 - 2017

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

• 2013 - 2016

  Construção automática de medidas de split para indução de árvores de decisão, Descrição: Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de mineração de dados. Geralmente, algoritmos de indução de árvores de decisão usam uma estratégia gulosa, top-down e com particionamento recursivo dos conjuntos de dados para a construção das árvores. Uma das questões chave dos algoritmos top-down para indução de árvores de decisão é a escolha do(s) melhor(es) atributo(s) para dividir um conjunto de dados em subconjuntos de acordo com a medida de split empregada. A literatura dispõe de uma grande quantidade de trabalhos que são dedicados ao projeto e à investigação de novas medidas de split, no entanto, até onde se sabe, todas essas medidas foram propostas por humanos, manualmente. Por outro lado, algoritmos de Programação Genética (PG) têm sido empregados para construção automática de funções matemáticas em várias aplicações, e têm cada vez mais se mostrado capaz de produzir automaticamente funções similares e até melhores que o seres-humanos. No entanto, não foi encontrado na literatura nenhum trabalho que evolua funções matemáticas que representem medidas de split para construção de árvores de decisão. Nesse contexto, este projeto propõe o desenvolvimento de um algoritmo de Programação Genética, em particular baseada em gramática (GGP, do inglês Grammar-based Genetic Programming) para a construção automática de medidas de split a serem incorporadas nos principais algoritmos top-down de indução de árvores de decisão.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . , Integrantes: Márcio Porto Basgalupp - Coordenador / André C. P. L. F. de Carvalho - Integrante / Alex A. Freitas - Integrante / Barros, Rodrigo C. - Integrante / DA SILVA, TIAGO S. - Integrante / Gisele Lobo Pappa - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2013 - 2015

  Automatic Design of Decision-Tree Induction Algorithms for Detecting Patterns of Functional Gene-Gene Interactions in Observational Gene Expression Data, Descrição: Predicting an organism?s or a cell?s response to a therapeutical intervention lies at the heart of medical research. In a functional cellular experiment, one can intervene in the expression of a gene x using RNA interference technologies and collect the downstream effects in the entire transcriptome using high throughput technologies like microarrays or RNAseq. This experiment gives us a class of genes that respond to the intervention in x (class A) and a class of genes that do not (class B). We hypothesize that also observational data that does not involve perturbations of gene x holds information whether a gene is in class A or B, since the biological mechanisms that drive the expression of these classes of genes must be different. This yields a standard classification problem: Predict whether a gene belongs to a class A or B by considering only observational data. In this project, we will investigate machine learning-based solutions to this problem by evolving decision tree induction algorithms. Decision tree induction is one of the most employed methods to extract knowledge from data, since the representation of knowledge is very intuitive and easily understandable by humans. The most successful strategy for inducing decision trees, the greedy top-down approach has been continuously improved by researchers over the years. This work, following recent breakthroughs in the automatic design of machine learning algorithms, proposes a hyper-heuristic evolutionary algorithm for automatically generating decision-tree induction algorithms, named HEAD-DT. We will automatically design a decision tree induction algorithm tailored to tdetecting functional gene-gene interactions from observational gene expression data. The designed algorithm and its induced classifiers may be a first step to develop a platform for ?virtual intervention experiments? that could be used to prioritize genes for further biological experimental studies.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (7) . , Integrantes: Márcio Porto Basgalupp - Coordenador / André C. P. L. F. de Carvalho - Integrante / Barros, Rodrigo C. - Integrante / Tiago S. da Silva - Integrante / Rainer Spang - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro / Bayerisches Hochschulzentrum für Lateinamerika - Auxílio financeiro.

• 2012 - 2017

  Aprendizado Semi-Supervisionado Dinâmico e Ativo Baseado em Redes Complexas, Descrição: Este projeto tem como objetivo principal o desenvolvimento de novas técnicas de aprendizado semi-supervisionado baseadas em redes para conjuntos de dados dinâmicos. Para o desenvolvimento dessas técnicas, serão utilizadas propriedades das redes complexas que representarão os dados e modelos computacionais dinâmicos para propagação dos rótulos. Das redes complexas serão extraídas medidas a serem utilizadas como parâmetros de seleção de vértices. Essa seleção terá duas finalidades: indicar ao especialista quais exemplos necessitam de rotulação (aprendizado ativo) e a quais vértices da rede os novos exemplos serão conectados (crescimento dinâmico da rede). A propagação dos rótulos na rede (classificação semi-supervisionada) será realizada por modelos computacionais dinâmicos, com enfoque nos modelos de competição de partículas e modelos de sincronização de neurônios. A partir dos estudos realizados ao longo deste projeto e com o desenvolvimento das novas técnicas, espera-se gerar contribuições originais em três linhas: 1) uma proposta de representação em redes de conjuntos de dados dinâmicos; 2) desenvolvimento de técnicas capazes de tratar dados dinâmicos; e 3) utilização do aprendizado ativo utilizando propriedades das redes complexas como forma de otimizar o trabalho do especialista no processo de rotulação.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Márcio Porto Basgalupp - Integrante / Zhao Liang - Integrante / Marcos G. Quiles - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2011 - 2015

  Programação Genética para evolução de algoritmos de indução de árvores de decisão, Descrição: Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de mineração de dados. Geralmente, algoritmos de indução de árvores de decisão usam uma estratégia gulosa, \emph{top down} e com particionamento recursivo para a construção das árvores. No entanto, há pelo menos dois problemas relacionados a essas características: (i) estratégias gulosas geralmente produzem soluções ótimas locais ao invés de globais, (ii) particionamento recursivo degrada iterativamente a qualidade do \emph{dataset} e, consequentemente, a qualidade dos resultados obtidos. Para lidar com essas dificuldades, diferentes abordagens foram sugeridas, tais como \emph{Options Trees}, \emph{ensembles} (ex: \emph{boosting} e \emph{bagging}), e algoritmos evolutivos. No entanto, tais algoritmos evolutivos são usados para evoluir árvores de decisão específicas para cada problema de classificação, e não para evoluir algoritmos genéricos para indução de árvores de decisão para qualquer problema de classificação. Uma das subáreas de algoritmos evolutivos, a Programação Genética (PG) é uma ferramenta adequada para evoluir programas de computadores. Um programa evoluído por Programação Genética pode produzir a mesma solução desenvolvida por um humano para solucionar um problema, mas também pode produzir algo completamente diferente e talvez melhor. Nesse contexto, o objetivo deste projeto é estudar programação genética com o intuito de utilizá-la para evoluir algoritmos de indução de árvores de decisão. A ideia é evoluir algoritmos genéricos para indução de árvores de decisão, ou seja, o resultado final da PG será um algoritmo de indução árvores de decisão, e não apenas uma árvore de decisão. Nesse sentido, pode-se considerar um algoritmo de \emph{meta-learning}, pois o objetivo é aprender um algoritmo de aprendizagem.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (1) . , Integrantes: Márcio Porto Basgalupp - Coordenador / André C. P. L. F. de Carvalho - Integrante / Rodrigo Coelho Barros - Integrante / Alex A. Freitas - Integrante / Marcos G. Quiles - Integrante / Vili Podgorelec - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro / Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2011 - 2013

  Aprendizado Semi-Supervisionado Dinâmico Baseado em Grafos, Descrição: 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... , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Márcio Porto Basgalupp - Integrante / Zhao Liang - Integrante / Marcos G. Quiles - Coordenador / Elbert Macau - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

Prêmios