Sergio Baldo Junior

Formação complementar

Idiomas

Áreas de atuação

Participação em eventos

Produções bibliográficas

• JÚNIOR, SÉRGIO BALDO ; CARNEIRO, Murillo G. ; DESTRO-FILHO, JOÃO-BATISTA ; ZHAO, LIANG ; TINÓS, RENATO . Classification of coma etiology using convolutional neural networks and long-short term memory networks. In: 2023 International Joint Conference on Neural Networks (IJCNN), 2023, Gold Coast. 2023 International Joint Conference on Neural Networks (IJCNN), 2023. p. 1.

• BALDO JUNIOR, S. ; SANTIAGO, P. R. P. ; TINOS, R. . Uso de Redes Neurais Artificiais para Classificar Padrões de Corrida em Esteira Ergométrica em Esportes de Alto Desempenho.. In: XVII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), 2020, Rio Grande, RS. Anais do XVII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC). Porto Alegre: Sociedade Brasileira de Computação, 2020. v. 2020. p. 23-34.

Projetos de pesquisa

• 2023 - Atual

  Modelos de Inteligência Artificial Explicáveis Baseados em Algoritmos Genéticos, Descrição: Alguns algoritmos de Aprendizado de Máquina, como Redes Neurais Artificiais, têm alcançado excelentes resultados na resolução de diversos problemas. No entanto, as decisões tomadas por algoritmos de Aprendizado de Máquina eficientes não são facilmente interpretadas por humanos. Estes algoritmos são considerados do tipo black-box (caixa-preta), pois produzem decisões complexas que são difíceis de serem compreendidas pelos seres humanos. Por outro lado, existem algoritmos de Aprendizado de Máquina que produzem decisões facilmente interpretáveis por humanos, mas que, muitas vezes, são pouco eficientes. Com a crescente utilização da Inteligência Artificial em áreas críticas, como Medicina, é essencial que modelos de Inteligência Artificial explicáveis (eXplainable Artificial Intelligence - XAI) sejam desenvolvidos. Os modelos XAI permitem explicar as decisões tomadas pelos modelos black-box quando os dados de entrada são transformados em saídas. Essas explicações são vitais para garantir a adequação dos algoritmos em áreas específicas e para verificar se eles estão funcionando corretamente. Local Interpretable Model-agnostic Explanations - LIME e LOcal Rule-based Explainer - LORE são exemplos de métodos XAI atualmente utilizados para explicar decisões tomadas por modelos black-box.Este projeto tem como objetivo desenvolver modelos XAI baseados em Algoritmos Genéticos que sejam robustos e capazes de oferecer informações mais detalhadas sobre as decisões tomadas por modelos black-box. Os Algoritmos Genéticos devem produzir exemplos artificiais que serão utilizados para treinar modelos interpretáveis, como Árvores de Decisão. Serão investigados métodos eficientes para a geração de exemplos artificiais via Algoritmos Genéticos, de modo a produzir fronteiras de decisões que sejam semelhantes àquelas produzidas pelos métodos black-box ao redor do exemplo a ser explicado.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Sergio Baldo Júnior - Coordenador / Renato Tinós - Integrante / Zhao Liang - Integrante.

• 2022 - Atual

  PD-07427-0722/2022 - Solução Digital Inteligente para Promover Margens de Comercialização de Energia Sustentáveis, Descrição: Projeto de Pesquisa, Desenvolvimento e Inovação da ANEEL realizado em parceria entre Volt Robotics e Norte Energia, com previsão de finalização em dezembro de 2024. Este projeto visa desenvolver uma solução digital que desempenha duas funções abrangentes e relevantes: (i) identificar as dinâmicas do mercado de energia, incluindo negociações, volumes e preços, e (ii) propor ações à Norte Energia com base nesse conhecimento, visando maximizar a margem com a comercialização de energia ou minimizar os riscos associados. Para alcançar esses objetivos, diversos sistemas automatizados serão desenvolvidos: alguns para se conectar aos sites onde as informações necessárias estão disponíveis, outros para garantir a qualidade das informações e outros para realizar otimizações, formando assim um exército de sistemas automatizados que trabalham de forma orquestrada para oferecer suporte eficaz à gestão de energia da Norte Energia.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (2) . , Integrantes: Sergio Baldo Júnior - Integrante / Marcos Basile Saviano de Paula - Integrante / Ewerton Guarnier - Integrante / Donato da Silva Filho - Coordenador / Marcelo da Mota Lopes - Integrante / Saulo Martiello Mastelini - Integrante / Lucas Menezes Ladeira - Integrante / Rafael Ribeiro de Carvalho Vaz - Integrante / Moisés Rocha dos Santos - Integrante / Suzanne Christine Therese Soares de Groote - Integrante.

• 2022 - Atual

  PD-00394-2205/2022 - Sistemas Especialistas e Aprendizagem de Máquinas para a Seleção de Modelos Meteorológicos para a Previsão de Preços de Mercado de Energia de Curto Prazo, Descrição: Projeto de Pesquisa, Desenvolvimento e Inovação da ANEEL realizado em parceria entre Volt Robotics e Furnas Centrais Elétricas. O objetivo deste projeto é prever com segurança os preços de mercado para o produto mensal de um mês à frente, ou seja, a maturidade M+1. Para alcançar esse fim, a abordagem proposta utilizará ferramentas e técnicas de Sistemas Especialistas e Aprendizado de Máquina para identificar padrões e selecionar as variáveis que influenciam os preços nessa maturidade. Os mapas meteorológicos serão utilizados na calibração dos modelos, pois análises estatísticas realizadas mostram que as chuvas são as variáveis de maior frequência e com elevado grau de influência na volatilidade dos preços de curto prazo. Com o advento de ferramentas computacionais que prevejam os movimentos de M+1 com base na variável mais influente, a chuva, espera-se imprimir maior liquidez no mercado de energia e tornar os preços de mercado mais críveis, favorecendo Furnas a entrar e sair de posições de forma mais oportuna com baixos prêmios de liquidez.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Sergio Baldo Júnior - Integrante / Marcos Basile Saviano de Paula - Integrante / Ewerton Guarnier - Integrante / Donato da Silva Filho - Coordenador / Marcelo da Mota Lopes - Integrante / Saulo Martiello Mastelini - Integrante / Lucas Menezes Ladeira - Integrante / Rafael Ribeiro de Carvalho Vaz - Integrante.

• 2021 - 2023

  Algoritmos Genéticos e Aprendizado Profundo baseado em Redes Neurais Recorrentes do tipo LSTM para Auxílio ao Diagnóstico Médico, Projeto certificado pelo(a) coordenador(a) Renato Tinós em 07/04/2021., Descrição: Exames de Eletroencefalograma (EEG) são frequentemente utilizados para diagnósticos de doenças neurológicas como epilepsia, distúrbios do sono e depressão. Além disso, também são utilizados como primeira opção de exame para diagnóstico de tumores e Acidente Vascular Cerebral (AVC). Neste projeto de pesquisa, exames de EEG serão classificados utilizando-se métodos de Aprendizado de Máquina. Atualmente, tem havido um grande interesse em utilizar Redes Neurais Recorrentes do tipo Long Short-Term Memory para a auxílio ao diagnóstico médico a partir de exames de EEG. Entretanto, os estudos com esse tipo de rede neural ainda está no inicio, sendo, portanto, difícil encontrar uma arquiteta ideal para determinados problemas. Além disso, geralmente, tais redes não utilizam informações clínicas adicionais que podem ser importantes para a classificação. Neste projeto, diferentes características serão utilizadas para a classificação. A classificação será feita por uma Rede Neural Artificial, que terá como entradas características extraídas de duas diferentes fontes: i) de séries temporais, isto é, os exames de EEG; ii) de informações clínicas adicionais. Devido ao grande número de características disponíveis um Algoritmo Genético será utilizado para seleção de características.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) . , Integrantes: Sergio Baldo Júnior - Integrante / Renato Tinós - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa / IBM Research Brazil - Bolsa / Centro de Inteligência Artificial - Bolsa.

• 2020 - 2020

  Seleção de Atributos via Algoritmos Genéticos para a Classificação de Padrões de Corrida em Esportes de Alto Rendimento, Projeto certificado pelo(a) coordenador(a) Renato Tinós em 29/06/2020., Descrição: Identificar as possíveis alterações de padrões durante a corrida, principalmente aquelas provenientes da fadiga, pode auxiliar na elaboração de treinos mais eficientes e na prevenção de lesões em esportes de alto rendimento. Todavia, essa tarefa não é trivial devido à complexidade dos padrões. Uma alternativa interessante é utilizar métodos de Aprendizado de Máquina, como Redes Neurais Artificiais (RNAs), para classificar padrões de corrida. Neste trabalho, sinais de força emitidos por células de carga acopladas à base de uma esteira de corrida são classificados por uma RNA. A partir desses sinais é possível extrair muitas características (atributos), sendo uma tarefa importante identificar quais são mais relevantes para a classificação. Assim sendo, o presente projeto visa utilizar Algoritmos Genéticos para encontrar os melhores conjuntos de atributos extraídos dos sinais de força para serem utilizados como entradas da RNA.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Sergio Baldo Júnior - Integrante / Paulo Roberto Pereira Santiago - Integrante / Renato Tinós - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.

• 2019 - 2020

  Utilização de redes neurais artificiais para a identificação de padrões de corrida em esteira ergométrica para o esporte de alto rendimento., Descrição: Identificar as possíveis alterações de padrões durante a corrida, principalmente aquelas provenientes da fadiga, pode auxiliar na elaboração de treinos mais eficientes e na prevenção de lesões em esportes de alto rendimento. Todavia, essa tarefa não é trivial devido à complexidade dos padrões. Uma alternativa interessante é utilizar métodos de Aprendizado de Máquina, como Redes Neurais Artificiais (RNAs), para classificar padrões de corrida. Neste trabalho, sinais de força emitidos por células de carga acopladas à base de uma esteira ergométrica open source são classificados por uma RNA do tipo Perceptron Multicamadas (MLP). O MLP é utilizado para identificar padrões de corrida relacionados a fadiga do indivíduo correndo na esteira.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Sergio Baldo Júnior - Integrante / Paulo Roberto Pereira Santiago - Coordenador / Renato Tinós - Integrante., Financiador(es): Universidade de São Paulo - Bolsa., Número de produções C, T & A: 1

Prêmios