Raul Fonseca Neto

Possui graduação em Engenharia Civil pela Universidade Federal de Juiz de Fora (UFJF) (junho de 1983), especialização em Pesquisa Operacional pelo Instituto Militar de Engenharia (1985), mestrado em Engenharia de Transportes pelo Instituto Militar de Engenharia (junho de 1986), doutorado em Engenharia de Sistemas e Computação pela Universidade Federal do Rio de Janeiro (junho de 1990), pós-doutorado em Modelagem Computacional pelo Laboratório Nacional de Computação Científica (LNCC), de outubro de 2003 até setembro de 2005 e pós-doutorado em Inteligência Computacional pelo Departamento de Eletrônica da Universidade Federal de Minas Gerais (UFMG), de dezembro de 2021 até novembro de 2022. Em janeiro de 1988, ingressou na UFJF onde é Professor Titular do Departamento de Ciência da Computação desde abril de 2014. Foi pesquisador individual do CNPq entre 1991 e 1995. Entre 2004 e 2006 atuou como professor colaborador do Mestrado em Bioinformática do LNCC. Desde 2006 atua como professor do Programa de Pós-Graduação em Modelagem Computacional (UFJF) e desde 2012 atua como professor do Programa de Pós-Graduação em Ciência da Computação (UFJF). Tem experiência nas áreas de Ciência da Computação e Engenharia de Sistemas, com ênfase em Sistemas de Computação, atuando principalmente nos seguintes temas: inteligência artificial, otimização combinatória, otimização convexa, fluxo em redes, planejamento e scheduling, aprendizado de máquinas, reconhecimento de padrões, predição estruturada, aprendizado online, redes complexas e bioinformática.

Informações coletadas do Lattes em 04/08/2025

Acadêmico

Formação acadêmica

Doutorado em Engenharia de Sistemas e Computação

1986 - 1990

Universidade Federal do Rio de Janeiro
Título: UM SISTEMA INTELIGENTE PARA O GERECIAMENTO DO TRAFEGO FERROVIARIO.
Orientador: ANTONIO DE ALMEIDA PINHO
Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil. Palavras-chave: OTIMIZACAO COMBINATORIA MULTI-OBJETIVA; Sistemas Inteligentes; PLANEJAMENTO EM INTELIGENCIA ARTIFICIAL.Grande área: Ciências Exatas e da TerraGrande Área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Sistemas de Computação / Especialidade: Software Básico. Grande Área: Engenharias / Área: Engenharia de Transportes. Setores de atividade: Logística de Transporte, Armazenagem e Comunicações; Informática.

Mestrado em Engenharia de Transportes

1984 - 1986

Instituto Militar de Engenharia
Título: MODELO DE PLANEJAMENTO E OTIMIZACAO FERROVIARIO, Ano de Obtenção: 1986
Orientador: FELIX A.C. MORA-CAMINO
Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil. Palavras-chave: OTIMIZACAO DE FLUXOS; CAPACIDADE DE TRAFEGO; PLANOS DE TRANSPORTE.Grande área: EngenhariasSetores de atividade: Logística de Transporte, Armazenagem e Comunicações.

Especialização em Engenharia de Sistemas

1985 - 1986

Instituto Militar de Engenharia

Graduação em Engenharia Civil

1979 - 1983

Universidade Federal de Juiz de Fora

Pós-doutorado

2021 - 2022

Pós-Doutorado. , Universidade Federal de Minas Gerais, UFMG, Brasil. , Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil. , Grande área: Ciências Exatas e da Terra

2003 - 2005

Pós-Doutorado. , Laboratório Nacional de Computação Científica, LNCC, Brasil. , Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil. , Grande área: Ciências Exatas e da Terra, Grande Área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Inteligência Computacional / Especialidade: Redes Neurais Artificiais. , Grande Área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Sistemas de Computação / Especialidade: Bioinformática.

Idiomas

Inglês

Compreende Bem, Fala Razoavelmente, Lê Bem, Escreve Bem.

Espanhol

Compreende Bem, Fala Pouco, Lê Bem, Escreve Pouco.

Português

Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.

Áreas de atuação

Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Sistemas de Computação.

Grande área: Engenharias / Área: Engenharia de Transportes / Subárea: Planejamento de Transportes.

Grande área: Engenharias / Área: Engenharia de Produção / Subárea: Pesquisa Operacional/Especialidade: Programação Linear, Não-Linear, Mista e Dinâmica.

Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Inteligência Artificial.

Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Otimização Combinatória.

Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Aprendizado de Máquinas.

Participação em bancas

Aluno: Vagner Vilela de Oliveira

FONSECA, L. G.; SAPORETTI, C. M.;FONSECA NETO, R.; CARVALHO, I. A.. Modelagem da Pressão de Fundo de Poço em Sistemas de Escoamento Multifásico: Uma Abordagem utilizando Modelos de Redes Neurais Polinomiais. 2024. Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Paulo Roberto do Carmo Faustino

VILLELA, S. M.BORGES, C. C. H.FONSECA NETO, R.; XAVIER, V. L.. Avaliação de Medidas de Similaridade de Matriz Kernel Aplicadas em Classificadores de Larga Margem. 2019. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Pedro Gabriel da Silva Guimarães

BORGES, C. C. H.; Arbex, Wagner A.;FONSECA NETO, R.; SANTOS, M. C. P. E.. Otimização Multiobjetivo do Leito de Fusão para Ato-fornos. 2019. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Lucas d e Almeida Teixeira

FONSECA NETO, R.; XAVIER, V. L.;BORGES, C. C. H.. Modelos de Programação Linear para a Solução de Regressão Regularizada com Vetores Suportes. 2019. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Angelo Cesar Mendes da Silva

FONSECA NETO, R.VILLELA, S. M.; XAVIER, V. L.. Um Modelo para Classificação de Músicas Voltado à Plataforma de Streaming Utilizando Aprendizado de Métricas e Predição Estruturada. 2019. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Hygor Xavier Araújo

VILLELA, S. M.FONSECA NETO, R.BORGES, C. C. H.; LEITE, S. C.. Uma Busca Ordenada branch-and-bound para Solução do Problema de Classificação Semissupervisionada Usando Classificadores de Larga Margem. 2019. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: PAULO VITOR FREITAS DA SILVA

VILLELA, S. M.FONSECA NETO, R.BORGES, C. C. H.; LEITE, S. C.. Uma Busca Ordenada para Seleção de Subconjuntos em Regressão Baseada em Vetores Suportes. 2019. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: João Daniel Madureira Yamim

BORGES, C. C. H.FONSECA NETO, R.; PEROBELLI, F. F. C.; OLIVEIRA, F. C.. Um Modelo de Seleção de Carteiras de Ações baseado em Otimização Convexa Online. 2018. Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Marcelo Ladeira Marques

BORGES, C. C. H.VILLELA, S. M.FONSECA NETO, R.; BRAGA, A. P.. Uma Abordagem Baseada em Classificadores de Larga Margem para Geração de Dados Artificiais em Bases Desbalanceadas. 2017. Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Renan Motta Goulart

FONSECA NETO, R.; LEITE, S. C.; BERNARDINO, H.; FERNANDES, S. R.. Um Método Kernel para Estimativa de Densidade e sua Aplicação em Jogos de Repetição. 2017. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Felipe Leite Fagundes

FONSECA NETO, R.BORGES, C. C. H.VILLELA, S. M.; BRAGA, A. P.. Aprendizado de Métricas Utilizando uma Função de Distância Parametrizada e o Algoritmo K-Means com Aplicação na Solução de Problemas de Classificação. 2017. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Karen Braga Enes

FONSECA NETO, R.VILLELA, S. M.; BERNARDINO, H.; BRAGA, A. P.. Uma abordagem baseada em perceptrons balanceados para geração de ensembles e redução do espaço de versões. 2016. Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Matheus Ribeiro Furtado de Mendonça

FONSECA NETO, R.; BERNARDINO, H.; OLIVEIRA, R. S.; LEITE, S. C.. Evolution of Reward Functions for Reinforcement Learning applied to Stealth Games. 2016. Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Fábio Luiz Marinho de Oliveira

VIEIRA, M. B.; PEDRINI, H.;FONSECA NETO, R.. Video Motion Description Based on Histograms of Sparse Trajectories. 2016. Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Alexandre Cançado Cardoso

BORGES, C. C. H.FONSECA NETO, R.; FONSECA, L. G.; VIEIRA, V. F.; SANTOS, M. C. P. E.. Decomposição baseada em modelo de problemas de otimização de projeto utilizando redução de dimensionalidade e redes complexas. 2016. Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Eduardo Chinelate Costa

VIEIRA, A. B.;SILVA, A. P. C.; ZIVIANI, A.;FONSECA NETO, R.. Centralidade Temporal em Grafos Variantes no Tempo. 2015. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Ana Mara de Oliveira Figueiredo

VIEIRA, M. B.; SILVA, R. L. S.; MACHADO, A. F. V.;FONSECA NETO, R.. A Video Self-descriptor based on Sparse Trajectory Clustering. 2015. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Roberto Carlos Soares Nalon Pereira Souza

FONSECA NETO, R.LEITE, S. C.; Arbex, Wagner A.;BORGES, C. C. H.; Meira Jr. , Wagner. Algoritmos Online Baseados em Vetores Suporte para Regressão Clássica e Ortogonal. 2013. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Abarão Guimarães Flores

SILVA, A. P. C.; VIEIRA, A. B.; ZIVIANI, A.;FONSECA NETO, R.. Difusão Orientada por Centralidade em Redes Complexas Dinâmicas. 2013. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Ailton Fonseca Galvão

FONSECA NETO, R.BORGES, C. C. H.; SOARES NETO, J. J.; CHAOUBAH, A.. Um Modelo Inteligente para Seleção de Itens em Testes Adaptativos Computadorizados. 2013. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Bruno Zonovelli da Silva

BORGES, C. C. H.; Arbex, Wagner A.; SILVA, M. V. G. B.;FONSECA NETO, R.. Filtragem robusta de SNPs utilizando redes neurais em DNA genômico completo. 2013. Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Luciana Gomes

HIPPERT, H. S.;FONSECA NETO, R.; SANTOS, M. C. P. E.. Modelagem de Variáveis Qualitativas por meio de Redes neurais Artificiais: Avaliação do uso de Análise de Correspondência como Técnica de Codificação. 2012. Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Mauricio Archanjo Nunes Coelho

BORGES, C. C. H.FONSECA NETO, R.; EVSUKOFF, A. G.; BARRETO, A. M. S.. Predição de Dados Estruturados Utilizando a Formulação Perceptron com Aplicação em Planejamento de Caminhos. 2010. Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Ever Pereira da Silva

BORGES, C. C. H.; EBECKER; LEITE, B. S.;FONSECA NETO, R.. Desenvolvimento de uma Estratégia de Seleção de Características Encapsuladas Utilizando Modelos de Aproximação. 2009. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal do Rio de Janeiro.

Aluno: Patrícia Curvelo Rodrigues

XAVIER, A. E.; RAUPP;FONSECA NETO, R.; SOUZA. Mineração de Dados via Máquina de Vetores Suportes. 2008. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Leonardo Ponte Daister

ALVES; EBECKER;BORGES, C. C. H.FONSECA NETO, R.. Estratégia para Desenvolvimento de Sistemas de Múltiplos Classificadores em Aprendizado Supervisionado. 2007. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal do Rio de Janeiro.

Aluno: Flavio Nehme Larivoir

SOARES; SILVA;FONSECA NETO, R.. Compatibilização de Processos de Controle e Produção no Planejamento de Edificações. 2007. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal Fluminense.

Aluno: Paulo Costa Carvalho

FONSECA NETO, R.. Reconhecimento de Padrões Proteômicos e Genômicos por Aprendizagem de Máquinas para o Diagnóstico Médico. 2005. Dissertação (Mestrado em Biologia Celular e Molecular) - Fundação Oswaldo Cruz.

Aluno: Marcos Renato Moreira Silveira

FONSECA NETO, R.; MORALES, G.; CAMPOS, R.; PAULA JÚNIOR, G. G.. Sistema Neural para Quantificação e Qualificação da Sonegação Fiscal de ICMS em Empresas do Tipo Débito/Crédito. 2001. Dissertação (Mestrado em Engenharia de Produção) - Universidade Estadual do Norte Fluminense Darcy Ribeiro.

Aluno: Melise Maria Veiga de Paula

FONSECA NETO, R.; MACULAN FILHO, N.; OLIVEIRA, P. R.; OCHI, L. S.. Heurísticas e Meta-Heurísticas para o Problema do Caixeiro Viajante com Grupamentos. 2001. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Wilhelm Passarella Freire

FONSECA NETO, R.; F FILHO, V. J. M.; BOAVENTURA NETTO, P. O.. Fluxos com Ganhos. 1997. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal do Rio de Janeiro.

Aluno: Marcos de Mendonça Passini

FONSECA NETO, R.XAVIER, A. E.; MACULAN FILHO, N.. Um Modelo de Otimização Combinatória para o Dimensionamento de uma Rede Urbana de Telecomunicações. 1996. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: José Honório Glanzmann

FONSECA NETO, R.; SANTOS, N.; CAMPOS, G. H. B.; WERNECK, V. M. B.; ROCHA, A. R. C.. Expert Piano: Um ambiente de auxílio a aprendizagem musical. 1995. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Lourenço Ribeiro Almeida Grossi Araújo

BRAGA, A. P.;FONSECA NETO, R.; VILLELA, SAULO MORAES; MELLO, C. E. R.; ALMEIDA, G.; COELHO, F.. A Sample Selection Strategy for Data Augmentation with a Gabriel Graph Margin Interpretation. 2024. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Minas Gerais.

Aluno: João Daniel Madureira Yamim

BORGES, C. C. H.FONSECA NETO, R.; FONSECA, L. G.; PEROBELLI, F. F. C.; TODOROV, M. G.; XAVIER, V. L.. Otimização de Portfólios Online com Métodos de Projeção para Controle de Risco. 2024. Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Eduardo da Silva Ribeiro

BRAGA, A. P.;FONSECA NETO, R.; GUIMARAES, F. G.; CASTRO, C. L.; MACHADO, A.. LDMAT: Função de Custo Baseada em Matrizes de Distâncias para o Treinamento de Redes Neurais Convolucionais. 2021. Tese (Doutorado em Programa de Pós-Graduação em Engenharia Elétrica) - Universidade Federal de Minas Gerais.

Aluno: Carla Caldeira Takahashi

BRAGA, A. P.;FONSECA NETO, R.; ZARATE, L. E.; BARBOSA, A. V.; COSTA, M. A.. Transduction Based Approaches for Dataset Shift Problems. 2019. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Minas Gerais.

Aluno: Igor Magalhães Ribeiro

BORGES, C. C. H.; Arbex, Wagner A.;FONSECA NETO, R.; BERNARDINO, H.; FRANCO, G. R.; OLIVEIRA, F. C.. Uma metodologia para detecção de interações epistáticas em estudos de associação. 2019. Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Bruno Zonovelli da Silva

BORGES, C. C. H.; Arbex, Wagner A.; NASCIMENTO, M.; COSTA, C. N.;FONSECA NETO, R.VILLELA, S. M.. Identificação eSeleção de Atributos Largamente Informativos para Predição de Valor Genômico. 2018. Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Edson Bruno Novais

BORGES, C. C. H.; ANDRIOLO, A.; PAMPLIN, P. A. Z.; AUGUSTO, D. A.; BARBOSA, C. B.;FONSECA NETO, R.. Algoritmos computacionais para detecção eficiente de odontocetos em dispositivos fixos autônomos. 2016. Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Mauricio Archanjo Nunes Coelho

BORGES, C. C. H.FONSECA NETO, R.; LEITE, S. C.; BRAGA, A. P.; BARRETO, A. S.. Uma Abordagem de Predição Estruturada baseada no Modelo Perceptron. 2015. Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Fabrízzio Condé de Oliveira

BORGES, C. C. H.; Arbex, Wagner A.; GOLIATT, P. V. Z. C.;FONSECA NETO, R.; SILVA, F. F. E.; NASCIMENTO, M.. Um Método para Seleção de Atributos em Dados Genômicos. 2015. Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Saulo Moraes Villela

XAVIER, A. E.FONSECA NETO, R.; FRANCA, F. M. G.; LEITE, L. S. B. S.;BORGES, C. C. H.. Seleção de Características Utilizando Busca Ordenada e Classificadores de Larga Margem. 2011. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Raquel Defelippo Rodrigues

FAMPA, M. H. C.; CRUZ, A. J. O.; VEXEO, G. B.; BENEVIDES, M. R.; LIMA, J. C. M.;FONSECA NETO, R.. Aliança - Uma Proposta de Arquitetura para Banco de Dados Nebulosos. 2008. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: João Daniel Madureira Yamim

BORGES, C. C. H.FONSECA NETO, R.; FONSECA, L. G.; PEROBELLI, F. F. C.; VASCONCELOS, G. F.. Otimização de Portfólios Online com Métodos de Projeção para Controle de Riscos. 2024. Exame de qualificação (Doutorando em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Carla Caldeira Takahashi

BRAGA, A. P.; COSTA, M. A.; GUIMARAES, F. G.;FONSECA NETO, R.. Transductive Approach to Dataset Shift. 2017. Exame de qualificação (Doutorando em Engenharia Elétrica) - Universidade Federal de Minas Gerais.

Aluno: Igor Magalhães Ribeiro

BERNARDINO, H.; FRANCO, G. R.;FONSECA NETO, R.. Aplicação de Programação Genética em Estudos de Associação para Detecção de Marcadores Moleculares em Dados de Baixa Herdabilidade. 2016. Exame de qualificação (Doutorando em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Bruno Zonovelli da Silva

GOLIATT, P. V. Z. C.;FONSECA NETO, R.; NASCIMENTO, M.. Identificação e Seleção de Atributos largamente Informativos para Predição de Valor Genômico. 2015. Exame de qualificação (Doutorando em Modelagem Computacional) - Universidade Federal de Juiz de Fora.

Aluno: Saulo Moraes Villela

XAVIER, A. E.FONSECA NETO, R.BORGES, C. C. H.; FRANCA, F. M. G.. Classificador de Máxima Margem com Norma Arbitrária. 2009. Exame de qualificação (Doutorando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Raquel Defelippo Rodrigues

FAMPA, M. H. C.; CRUZ, A. J. O.; VEXEO, G. B.; LIMA, J. C. M.;FONSECA NETO, R.. Aliança - Uma Proposta de Arquitetura para Banco de Dados Nebulosos. 2008. Exame de qualificação (Doutorando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

LISBOA FILHO, J.; LOUREIRO, A. A. F.; MATEUS, G. R.;FONSECA NETO, R.. Promoção a Classe E. 2018. Universidade Federal de Viçosa.

BASTOS, L. N.; BIGONHA, R. S.;FONSECA NETO, R.; PIGUET, O.. Promoção a Classe E. 2017. Universidade Federal de Viçosa.

FONSECA NETO, R.; DANTAS, M. A. R.; MENEZES, C. S.; OLIVEIRA, A. P.. Promoção a Classe E. 2016. Universidade Federal de Juiz de Fora.

GOULART, C. C.; BIGONHA, R. S.;FONSECA NETO, R.; CAMPOS, F. C. A.. Promoção a Classe E. 2016. Universidade Federal de Viçosa.

MIYAGAKI, O. H.; BRAGA, A. P.; BIGONHA, R. S.;FONSECA NETO, R.. Promoção a Classe E. 2016. Universidade Federal de Viçosa.

OLIVEIRA, A. P.; LOUREIRO, A. A. F.;FONSECA NETO, R.; VEIGA, R. D.. Promoção a Classe E. 2015. Universidade Federal de Viçosa.

BASTOS, L. N.; BIGONHA, R. S.; BRAGA, A. P.;FONSECA NETO, R.. Promoção a Classe E. 2015. Universidade Federal de Viçosa.

FONSECA NETO, R.; MESQUITA, R. C.; OLIVEIRA, J. C.; SZCZUPACK, J.. Promoção a Classe E. 2015. Universidade Federal de Juiz de Fora.

LISBOA FILHO, J.; CERQUEIRA, F. R.;FONSECA NETO, R.. Concurso Público Professor Adjunto. 2016. Universidade Federal de Viçosa.

FONSECA NETO, R.. Concurso Público Professor Assistente. 2012. Universidade Estadual da Amazônia.

FONSECA NETO, R.. Concurso Público Professor Assistente. 2012. Universidade Federal de São João Del-Rei.

FONSECA NETO, R.. Concurso Público Professor Adjunto. 2010. Universidade Federal de Juiz de Fora.

FONSECA NETO, R.. Concurso Público Professor Adjunto. 2010. Universidade Federal de São João Del-Rei.

FONSECA NETO, R.. Concurso Público Professor Assistente. 2009. Universidade Federal de São João Del-Rei.

FONSECA NETO, R.. Concurso Público Professor Adjunto. 2009. Universidade Federal de São João Del-Rei.

FONSECA NETO, R.. Concurso Público Professor Adjunto. 2008. Universidade Federal de Juiz de Fora.

FONSECA NETO, R.. Concurso Público para Professor Assitente. 1995. Universidade Federal de Juiz de Fora.

FONSECA NETO, R.. Concurso Público para Professor Assitente. 1993. Universidade Federal Fluminense.

FONSECA NETO, R.. Concurso Público para Professor Auxiliar. 1991. Universidade Federal de Juiz de Fora.

Orientou

Felipe Souza Amaral

Uma Aproximação da Mediana de Tukey para Solução de Problemas de Classificação; 2022; Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, ; Orientador: Raul Fonseca Neto;

Paulo Vinícius Moreira Dutra

Geração de Conteúdo Procedural para Jogos utilizando Aprendizado por REforço e Medidas de Entropia; 2022; Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, ; Orientador: Raul Fonseca Neto;

Vitor Gabriel Reis Caitite

Um Estudo Sobre Algoritmos de Margem Larga para Redes Neurais Feedforward de uma Camada Escondida; 2022; Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Minas Gerais, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Coorientador: Raul Fonseca Neto;

Angelo Cesar Mendes da Silva

Um Modelo para Classificação de Músicas Voltado à Plataforma de Streaming Utilizando Aprendizado de Métricas e Predição Estruturada; 2019; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, ; Orientador: Raul Fonseca Neto;

Lucas de Almeida Teixeira

Modelos de Programação Linear para a Solução de Regressão Regularizada com Vetores Suportes; 2019; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Raul Fonseca Neto;

PAULO VITOR FREITAS DA SILVA

Uma Busca Ordenada para Seleção de Subconjuntos em Regressão Baseada em Vetores Suportes; 2019; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, Fundação de Amparo à Pesquisa do Estado de Minas Gerais; Coorientador: Raul Fonseca Neto;

Hygor Xavier Araújo

Uma Busca Ordenada branch-and-bound para Solução do Problema de Classificação Semissupervisionada Usando Classificadores de Larga Margem; 2019; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Coorientador: Raul Fonseca Neto;

João Daniel Madureira Yamim

Um Modelo de Seleção de Carteiras de Ações baseado em Otimização Convexa Online; 2018; Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Coorientador: Raul Fonseca Neto;

Renan Motta Goulart

Um Método Kernel para Estimativa de Densidade e sua Aplicação em Jogos de Repetição; 2017; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Raul Fonseca Neto;

Felipe Leite Fagundes

Aprendizado de Métricas Utilizando uma Função de Distância Parametrizada e o Algoritmo K-Means com Aplicação na Solução de Problemas de Classificação; 2017; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, ; Orientador: Raul Fonseca Neto;

Matheus Ribeiro Furtado de Mendonça

Evolution of Reward Functions for Reinforcement Learning applied to Stealth Games; 2016; Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Raul Fonseca Neto;

Alexandre Cançado Cardoso

Decomposição baseada em modelo de problemas de otimização de projeto utilizando redução de dimensionalidade e redes complexas; 2016; Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Coorientador: Raul Fonseca Neto;

Karen Braga Enes

Uma abordagem baseada em perceptrons balanceados para geração de ensembles e redução do espaço de versões; 2016; Dissertação (Mestrado em Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, Universidade Federal de Juiz de Fora - PROPG; Orientador: Raul Fonseca Neto;

Roberto Carlos Soares Nalon Pereira Souza

Algoritmos Online Baseados em Vetores Suporte para Regressão Clássica e Ortogonal; 2013; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Raul Fonseca Neto;

Ailton Fonseca Galvão

Um Modelo Inteligente para Seleção de Itens em Testes Adaptativos Computadorizados; 2013; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora, ; Orientador: Raul Fonseca Neto;

Mauricio Archanjo Nunes Coelho

Predição de Dados Estruturados Utilizando a Formulação Perceptron com Aplicação em Planejamento de Caminhos; 2010; Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Coorientador: Raul Fonseca Neto;

Marcos Renato Moreira Silveira

Sistema Neural para Quantificação e Qualificação da Sonegação Fiscal de ICMS em Empresas do Tipo Débito/Crédito; ; 2001; Dissertação (Mestrado em Engenharia de Produção) - Universidade Estadual do Norte Fluminense Darcy Ribeiro, ; Coorientador: Raul Fonseca Neto;

João Daniel Madureira Yamim

Portfolio Optimization Via Online Gradient Descent and Risk Control; 2021; Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Coorientador: Raul Fonseca Neto;

Renan Motta Goulart

Uso da Otimização Convexa Online na Solução de Problemas de Predição e Tomada de Decisões em Tempo Real; 2018; Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Raul Fonseca Neto;

Mauricio Archanjo Nunes Coelho

Uma Abordagem de Predição Estruturada baseada no Modelo perceptron; 2015; Tese (Doutorado em Modelagem Computacional) - Universidade Federal de Juiz de Fora, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Coorientador: Raul Fonseca Neto;

Saulo Moraes Villela

Seleção de Características Utilizando Busca Ordenada e Classificadores de Larga Margem; 2011; Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Coorientador: Raul Fonseca Neto;

Alex da Silva Maroco

Seleção de Caracteristicas Baseada em Margem Flexível Aplicada a Problemas Não Linearmente Separáveis; 2019; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Raul Fonseca Neto;

Matheus Ribeiro Furtado Mendonça

Estratégias de Aprendizado por Reforço para Jogos Eletrônicos; 2014; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Rafael Ribeiro de Carvalho

Robótica baseada em Comportamento em Futebol de Robos; 2013; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Karen Braga Enes

Redes Neurais Artificiais com processamento Temporal; 2013; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Rafael de Oliveira Werneck

Planejamento de Trajetórias com Utilização de Máquinas de Vetor Suporte; 2011; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Roberto Carlos Soares Nalon Pereira Souza

Algoritmo de Margem Incremental para Problemas de Regressão; 2010; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Igor Ramalho Pommeranzenbaum

Redes Neurais Artificiais e sua Aplicação na Predição de Séries Temporais Financeiras; 2009; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Rafael José Nogueira Almeida

Aplicação de Redes Neurais Artificiais na Análise de Tendência do Mercado Cambial FOREX; 2009; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Bruno Abrantes Esteves

Soluções Inteligentes para o Cubo de Rubik; 2008; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Willian Paulo Ducca Fernandes

Rotulação Automática de Sentenças para Framenet; 2008; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Sara Salomão Salles

utilização de Máquinas de Vetores Suporte em Dados de Espectometria de Massa para o Diagnóstico de Câncer; 2008; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Marcelle Nayane Marques Muniz

Análise Computacional de dados oriundos de Experimentos de Micro-array; 2007; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Ricardo Ferreira Rainha

Estudo de Arquiteturas Aplicadas ao Controle de Robôs Autônomos; 2007; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Mauricio Archanjo Nunes Coelho

Busca de Caminhos em Espaços 3D; 2007; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Daniel Vasconcellos Barral Ferreira

Aplicação de Técnicas de Evolução Neural na Simulação do Comportamento de Agentes; 2006; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Patricia Curvelo Rodrigues

Análise e Projeto de Algoritmos para o Alinhamento de Sequências Biológicas; 2004; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Ricardo Maroquio Bernardo

Planejamento e Aprendizado de Agentes; 2004; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Victor Strele Menezes

Estudo e Desenvolvimento de uma nova Metodologia Kernel para a Análise de Sequências Biológicas; 2004; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Melissa de Souza Machado

Um Algoritmo Kernel-Hierárquico aplicado a Análise de Cluster; 2004; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Graziella Martins Caputo

Desenvolvimento de Classificadores baseados em Árvores Decisórias; 2003; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Samuel Belini Defilippo

Máquinas de Vetores Suportes; 2003; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Luciana Brugiolo Gonçalves

Planejamento de Atividades com Restrições de Precedência e Recursos; 2002; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Daves Marcio Silva Martins

Desenvolvimento da Inteligência Artificial segundo uma Abordagem Evolutiva dos Níveis de Conhecimento; 2002; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora, Pro Reitoria de Graduação; Orientador: Raul Fonseca Neto;

Flávio Flores Villaça

Estudo Comparativo do Método de Aprendizagem por Reforço em relação ao Critério Min-Max na Solução do Jogo de Damas; 2002; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Saulo Moraes Villela

Representação do Conhecimento de Senso Comum; 2002; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Milena Hypólito Pinho

Uso de Técnicas de Modelagem do Conhecimento e Métodos de Busca para o Problema de Planejamento de Estrutura Aberta; 2001; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

André Luis Martins Vignoli

Inteligência Artificial Aplicada a Jogos de Estratégia; 2001; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Cíntia Esteves de Paula

Processamento de Linguagem Natural; 1999; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Rodrigo dos Santos Macedo

O Processo de Automação na Geração de Grades Horárias Escolares; 1999; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora, Pro Reitoria de Graduação; Orientador: Raul Fonseca Neto;

Raquel Seixas de Sá

Uso de Técnicas de Relaxação na solução do Problema do Caixeiro Viajante: Desenvolvimento e Implementação; 1999; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Melise Maria Veiga de Paula

Sistemas Baseados em Conhecimento; 1997; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Cláudia Puccini Venturim

Representação Estruturada do Conhecimento; 1997; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Andréia de Souza Ribeiro

Redes Neurais Artificiais: Funcionamento, Aprendizado e Aplicações; ; 1995; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Marcus Vinícius Chevitarese Alves

Sistemas de Planejamento em Inteligência Artificial; 1994; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Carlos Rodrigo Dias

Análise e projeto de Algoritmos Relacionados ao Problema do Ciclo Hamiltoniano Combinado com o uso de Técnicas de Inteligência Artificial; 1994; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Ana Cristina Dornellas

Teoria da Complexidade Aplicada a Análise de Algoritmos Sequencais e Paralelos; 1993; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Rubens Magno Cabral

Hipre-Grafos e Algoritmo AO* aplicados ao Problema de Integração Simbólica; 1993; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Clayson Miranda de Freitas

Descrição do Método de Busca Tabu com Aplicação em um Problema de Programação Discreta; 1993; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Therezinha de Souza da Rocha Viana

Estudo e Desenvolvimento de Aplicações no Ambiente Kinegraph; 1993; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Renata Machado Aiex

O Problema do Caixeiro Viajante: Heurísticas e Métodos Associados; 1992; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Mônica Geraldine Moreira

O Problema do Caminho Mínimo: Uma Análise dos Métodos; ; 1992; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Marcos de Mendonça Passini

Um Estudo Qualitativo de Estratégias de Busca Heurística na Resolução de Problemas; ; 1991; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Ricardo da Silva Matos

Geração de Diagramas de Estrutura Lógica: Uma Ferramenta de Suporte a Documentação de Sistemas; ; 1991; 0 f; Trabalho de Conclusão de Curso; (Graduação em Informática) - Universidade Federal de Juiz de Fora; Orientador: Raul Fonseca Neto;

Claudia Puccini Venturim e Melise Veiga de Paula

Desenvolvimento e Implementação de um Sistema Especialista apto a Avaliação e Diagnóstico e Prescrição de Patologias em Nefrologia; 1998; 0 f; Iniciação Científica; (Graduando em Informática) - Universidade Federal de Juiz de Fora, Fundação de Amparo à Pesquisa do Estado de Minas Gerais; Orientador: Raul Fonseca Neto;

Andréia de Souza Ribeiro

Desenvolvimento e Implementação de Algoritmos Inteligentemente Flexíveis em Problemas de Otimização Combinatória; 1995; 0 f; Iniciação Científica; (Graduando em Informática) - Universidade Federal de Juiz de Fora, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Raul Fonseca Neto;

Carlos Rodrigo Dias

Análise e Projeto de Algoritmos Heurísticos relacionados ao Problema do Ciclo Hamiltoniano Combinado com o uso de Técnicas de Inteligência Artificial; 1994; 0 f; Iniciação Científica; (Graduando em Informática) - Universidade Federal de Juiz de Fora, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Raul Fonseca Neto;

Ana Cristina Dornellas

Teoria de Complexidade Aplicada a Análise de Algoritmos Sequenciais; 1992; 0 f; Iniciação Científica; (Graduando em Informática) - Universidade Federal de Juiz de Fora, Pro Reitoria de Graduação; Orientador: Raul Fonseca Neto;

Produções bibliográficas

NETO, RAUL FONSECA ; VILLELA, SAULO MORAES ; BRAGA, ANTONIO PADUA . A projected gradient solution to the minimum connector problem with extensions to support vector machines. PATTERN RECOGNITION , v. 162, p. 111339, 2025.
DUTRA, PAULO VINÍCIUS MOREIRA ; VILLELA, SAULO MORAES ; NETO, RAUL FONSECA . A mixed-initiative design framework for procedural content generation using reinforcement learning. ENTERTAINMENT COMPUTING , v. 52, p. 100759, 2024.
GABRIEL REIS CAITITÉ, VÍTOR ; FONSECA NETO, RAUL ; COELHO, FREDERICO ; PÁDUA BRAGA, ANTÔNIO . Algoritmo de Treinamento para uma Rede SLFN com Projeção Aleatória e Margem Larga Learning Algorithm for an SLFN Network with Random Projection and Large Margin. Anais do Computer on the Beach , v. 14, p. 202-208, 2023.
YAMIM, J. D. M. ; BORGES, C. C. H. ; FONSECA NETO, R. . Portfolio Optimization Via Online Gradient Descent and Risk Control. Computational Economics , v. 01, p. 01, 2022.
GOULART, R. M. ; BORGES, C. C. H. ; FONSECA NETO, RAUL . An Evolutionary Algorithm for Large Margin Classification. SOFT COMPUTING , v. I, p. 1-15, 2021.
YAMIM, J. D. M. ; BORGES, C. C. H. ; FONSECA, Y. R. ; FONSECA NETO, R. . Online Portfolio Optimization with Risk Control. TEMA. Tendências em Matemática Aplicada e Computacional , v. 22, p. 1, 2021.
Goulart, Renan Motta ; LEITE, SAUL C. ; NETO, RAUL FONSECA . A kernel based learning method for non-stationary two-player repeated games. KNOWLEDGE-BASED SYSTEMS , v. 196, p. 105820, 2020.
YAMIM, JOÃO DANIEL MADUREIRA ; CRISTIANO HASENCLEVER BORGES, CARLOS ; RESENDE FONSECA, YURI ; FONSECA NETO, RAUL . Online Portfolio Optimization with Exponential Gradient and Time Varying CAPM. REVISTA MUNDI ENGENHARIA, TECNOLOGIA E GESTÃO , v. 5, p. 1, 2020.
VILLELA, S. M. ; LEITE, S. C. ; XAVIER, A. E. ; FONSECA NETO, R. . An ordered search with a large margin classifier for feature selection. APPLIED SOFT COMPUTING , v. 01, p. 1, 2020.
SILVA, ANGELO CESAR MENDES DA ; Coelho, Maurício Archanjo Nunes ; NETO, RAUL FONSECA . A Music Classification Model based on Metric Learning Applied to MP3 Audio Files. EXPERT SYSTEMS WITH APPLICATIONS , v. 144, p. 113071, 2019.
BRUM, T. C. ; LEMONGE, A. C. C. ; FONSECA NETO, R. . An Ant Colony Optimization Algorithm for the Bi-objective Problem of Location and The Traveling Salesman. SODEBRÁS , v. 12, p. 164-169, 2017.
MENDONCA, M. R. F. ; BERNARDINO, H. ; FONSECA NETO, R. . Reinforcement Learning With Optimized Reward Function for Stealth Applications. ENTERTAINMENT COMPUTING , v. 25, p. 37-47, 2017.
VILLELA, SAULO MORAES ; LEITE, SAUL DE CASTRO ; NETO, RAUL FONSECA . Incremental p-margin algorithm for classification with arbitrary norm. Pattern Recognition , v. 55, p. 261-272, 2016.
COELHO, M. A. N. ; BORGES, C. C. H. ; FONSECA NETO, R. . A dual method for solving the nonlinear structured prediction problem. Pattern Recognition Letters , v. 75, p. 55-62, 2016.
SOUZA, ROBERTO C.S.N.P. ; LEITE, SAUL C. ; BORGES, CARLOS C.H. ; FONSECA NETO, RAUL . Online algorithm based on support vectors for orthogonal regression. Pattern Recognition Letters , v. 34, p. 1394-1404, 2013.
LEITE, S. C. ; FONSECA NETO, R. . Incremental Margin Algorithm for Large Margin Classifiers. Neurocomputing (Amsterdam) , v. 71, p. 1550-1560, 2008.
LATTARIO, F. ; FURTADO, Y.L. ; FONSECA, R. ; SILVEIRA, F.A. ; DO VAL, I.C. ; ALMEIDA, G. ; CARVALHO, M.G.C. . Analysis of human papillomavirus and Epstein-Barr virus infection and aberrant death-associated protein kinase methylation in high-grade squamous intraepithelial lesions. INTERNATIONAL JOURNAL OF GYNECOLOGICAL CANCER , v. 18, p. 785-789, 2008.
CARVALHO, P. C. ; CARVALHO, M. G. ; DEGRAVE, W. M. ; LILLA, S. ; NUCCI, G. ; FONSECA NETO, R. ; SPECTOR, N. ; Musacchio, J. ; DOMONT, G. B. . Differential protein expression patterns obtained by mass spectrometry can aid in the diagnosis of Hodgkins disease. Journal of Experimental Therapeutics & Oncology , v. 6, p. 137-145, 2007.
CARVALHO, P. C. ; FREITAS ; LIMA ; BARROS ; BITTENCOURT ; DEGRAVE, W. M. ; CORDOVIL ; FONSECA NETO, R. ; CABELLO . Personalized diagnosis by cached solutions with hypertension as a study model. Genetics and Molecular Research , v. 5(4), p. 856-867, 2006.
Goulart, Renan Motta ; Pinto, Guilherme Albuquerque ; NETO, RAUL FONSECA . UM ALGORITMO ADAPTATIVO ONLINE PARA JOGOS DE LUTA. Digital games and learning 2. 1ed.: Antonella Carvalho de Oliveira, 2019, v. , p. 66-74.
VILLELA, S. M. ; LEITE, S. C. ; FONSECA NETO, R. . Modelos e Métodos Computacionais em Bioinformática. In: Arbex, W.; Martins, N.F.; Martins, M.F.. (Org.). Talking About Computing on Genomics. 1ed.Brasilia: Embrapa, 2014, v. I, p. 127-181.
Coelho, Maurício Archanjo Nunes ; FONSECA NETO, RAUL ; Borges, Carlos Cristiano Hasenclever . Perceptron Models for Online Structured Prediction. In: HujunYin; Josá A. F. Costa; Guilherme Barreto. (Org.). Lecture Notes in Computer Science. 1ed.London: Springer Berlin Heidelberg, 2012, v. 7435, p. 320-327.
DUTRA, PAULO VINICIUS MOREIRA ; VILLELA, SAULO MORAES ; NETO, RAUL FONSECA . Procedural Content Generation using Reinforcement Learning and Entropy Measure as Feedback. In: 2022 21st Brazilian Symposium on Computer Games and Digital Entertainment (SBGames), 2022, Natal. 2022 21st Brazilian Symposium on Computer Games and Digital Entertainment (SBGames), 2022. p. 1.
GOULART, R. M. ; VILLELA, S. M. ; BORGES, C. C. H. ; FONSECA NETO, R. . An Evolutionary Analytic Center Classifier. In: 9th Brazilian Conference on Intelligent Systems (BRACIS), 2020, Rio Grande. Proceedings of the 9th Brazilian Conference on Intelligent Systems, 2020.
ROSA, I. G. L. ; CARVALHO, R. M. ; MARTINHO, A. D. ; GOLIATT, L. ; FONSECA NETO, R. ; BORGES, C. C. H. . Extensions and Improvements of the Extreme Learning Machine (ELM) Applied to Face Recognition. In: XLI Ibero-Latin- American Congress on Computational Methods in Engineering, 2020. Proceedings of the XLI Ibero-Latin- American Congress on Computational Methods in Engineering, 2020.
YAMIM, J. D. M. ; LEITE, I. M. S. ; BORGES, C. C. H. ; FONSECA NETO, R. . Uma Estratégia para Seleção de Portfólios baseada em Reversão a Média com Controle de Risco. In: XLI Ibero-Latin-American Congress on Computational Methods in Engineering, 2020. Proceedings of XLI Ibero-Latin-American Congress on Computational Methods in Engineering, 2020.
ARAUJO, H. X. ; FONSECA NETO, R. ; VILLELA, S. M. . A best-first branch and bound search for solving the transductive inference problem using support vector machines. In: 27 th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, 2019, Bruges. Proceedings of the 27 th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, 2019.
SILVA, P. V. F. ; FONSECA NETO, R. ; VILLELA, S. M. . An Ordered Search for Subset Selection in Support Vector Orthogonal Regression. In: 8th Brazilian Conference on Intelligent Systems, 2019, Salvador. Proceedings of the 8th Brazilian Conference on Intelligent Systems, 2019.
TEIXEIRA, L. A. ; FONSECA NETO, R. . Solução de Regressão Regularizada com Vetores Suporte através de Programação Linear. In: XVI Encontro Nacional de Inteligência Artificial e Computacional, 2019, Salvador. Anais do XVI Encontro Nacional de Inteligência Artificial e Computacional, 2019.
YAMIM, J. D. M. ; BORGES, C. C. H. ; FONSECA NETO, R. ; FONSECA, Y. R. . Online Portfolio Optimization with Exponential Gradient and Time Varying CAPM. In: XXII Encontro Nacional de Modelagem Computacional, 2019, Juiz de Fora. Anais do XXII Encontro Nacional de Modelagem Computacional, 2019.
GOULART, R. M. ; BORGES, C. C. H. ; FONSECA NETO, R. . Um Classificador Evolucionário de Larga Margem. In: XXII Encontro Nacional de Modelagem Computacional, 2019, Juiz de Fora. Anais do XXII Encontro Nacional de Modelagem Computacional, 2019.
ARAUJO, H. X. ; FONSECA NETO, R. ; VILLELA, S. M. . Uma Busca Ordenada Branch-and-Bound pra a Solução do Problema de Inferência Transdutiva Usando Máquina de Vetores Suportes. In: 6th Symposium on Knowledge Discovery, Mining and Learning, 2018, São Paulo. Anais do 6th Symposium on Knowledge Discovery, Mining and Learning, 2018.
ENES, K. ; VILLELA, S. M. ; PAPPA, G. L. ; FONSECA NETO, R. . An Approximative Bayes-Optimal Kernel Classifier based on Version Space Reduction. In: 17th IEEE International Conference on Machine Learning and Applications, 2018, Orlando. Proceedings of 17th IEEE International Conference on Machine Learning and Applications, 2018.
COELHO, M. A. N. ; BORGES, C. C. H. ; FONSECA NETO, R. . Uso de predição Estruturada para o Aprendizado de Métrica. In: XXXVIII Iberian-Latin American Congress on Computational Methods in Engineering, 2017, Florianópolis. Proceedings of the XXXVIII Iberian-Latin American Congress on Computational Methods in Engineering, 2017.
YAMIM, J. D. M. ; FONSECA, Y. R. ; BORGES, C. C. H. ; FONSECA NETO, R. . Seleção de Portfólio baseado em Otimização Convexa Online. In: XXXVIII Ibero-Latin American Congress on Computational Methods in Engineering, 2017, Florianópolis. Proceedings of the XXXVIII Ibero-Latin American Congress on Computational Methods in Engineering, 2017.
ENES, K. ; VILLELA, S. M. ; FONSECA NETO, R. . Version space reduction based on ensembles of dissimilar balanced Perceptrons. In: 25th International Joint Conference on Artificial Intelligence IJCAI-16, 2016, New York. Proceedings of the IJCAI-16, 2016.
FAGUNDES, F. L. ; BORGES, C. C. H. ; FONSECA NETO, R. . Aprendizado de Métrica Utilizando uma Função de distância Parametrizada e o Algoritmo K-means. In: XIII Encontro Nacional de Inteligência Artificial e Computacional, 2016, Recife. Anais do XIII Encontro Nacional de Inteligência Artificial e Computacional, 2016.
GOULART, R. M. ; LEITE, S. C. ; FONSECA NETO, R. . A String Kernel Density Estimation Algorithm for Repeated Games. In: XIII Encontro Nacional de Inteligência Artificial e Computacional, 2016, Recife. Anais do XIII Encontro Nacional de Inteligência Artificial e Computacional, 2016.
ENES, K. ; VILLELA, S. M. ; FONSECA NETO, R. . Uma abordagem baseada em Perceptrons balanceados para geração de ensembles e redução do espaço de versões. In: X Concurso de Teses e Dissertações em Inteligência Artificial e Computacional (CTDIAC), 2016, Recife. Anais do X Concurso de Teses e Dissertações em Inteligência Artificial e Computacional (CTDIAC), 2016.
VILLELA, S. M. ; LEITE, S. C. ; FONSECA NETO, R. . Feature Selection from Microarray Data via an Ordered Search with Projected Margin. In: 24 th International Joint Conference on Artificial Intelligence IJCAI-15, 2015, Buenos Aires. Proceedings of the IJCAI-15, 2015.
ENES, K. ; VILLELA, S. M. ; FONSECA NETO, R. . A novel ensemble approach based on balanced perceptrons applied to microarray datasets. In: Brazilian Conference on Intelligent Systems, 2015, Natal. Proceedings of the 2015 Brazilian Conference on Intelligent Systems, 2015.
MENDONCA, M. R. F. ; BERNARDINO, H. ; FONSECA NETO, R. . Stealthy path planning using navigation meshes. In: Brazilian Conference on Intelligent Systems, 2015, Natal. Proceedings of the 2015 Brazilian Conference on Intelligent Systems, 2015.
BORGES, C. C. H. ; FONSECA NETO, R. ; HACEN, S. O. M. . A regularized evolutionary algorithm for constrained optimization. In: XXXVI Ibero Latin American Congress on Computational Engineering, 2015, Rio de Janeiro. Proceedings of the XXXVI Ibero-Latin American Congress on Computational Engineering, 2015.
ENES, K. ; VILLELA, S. M. ; FONSECA NETO, R. . Um Classificador Kernel composto por um Comite de Perceptrons Balanceados. In: 12 Congresso Brasileiro de Inteligência Computacional - CBIC 2015, 2015, Curitiba. Anais do 12 Congresso Brasileiro de Inteligência Computacional, 2015.
VILLELA, S. M. ; FONSECA NETO, R. . Um Classificador para Seleção de Características aplicado a Problemas Não-linearmente Separáveis. In: 12 Congresso Brasileiro de Inteligência Computacional - CBIC 2015, 2015, Curitiba. Anais do 12 Congresso Brasileiro de Inteligência Computacional, 2015.
MENDONCA, M. R. F. ; BERNARDINO, H. ; FONSECA NETO, R. . Simulating Human Behavior in Fighting Games using Reinforcement Learning and Artificial Neural Networks. In: XIV Simpósio Brasileiro de Jogos e Entretenimento Digital - SBGames 2015, 2015, Teresina. Proceedings of XIV SBGames, 2015.
COELHO, M. A. N. ; BORGES, C. C. H. ; FONSECA NETO, R. . Um Modelo de Predição Estruturada Não Linear aplicado ao Planejamento de Caminhos. In: XXXV Ibero Latin American Congress on Computational Engineering, 2014, Fortaleza. Anais do CILAMCE 20914, 2014.
COELHO, M. A. N. ; FONSECA NETO, R. ; BORGES, C. C. H. ; SILVA, A. P. C. ; VIEIRA, A. B. . Estratégia Online para Predição Estruturada em Redes Complexas. In: BRICS-CCI & CBIC 2013, 2013, Porto de Galinhas. Annnals of 11th Brasilian Congress on Computational Intelligence, 2013.
SOUZA, R. C. S. N. P. ; LEITE, S. C. ; BORGES, C. C. H. ; FONSECA NETO, R. . Online Method for Regression with Incremental Strategy. In: BRICS-CCI & CBIC 2013, 2013, Porto de Galinhas. Annals of 11th Brasilian Congress on Computational Intelligence, 2013.
VILLELA, S. M. ; LEITE, S. C. ; FONSECA NETO, R. . Algoritmo de Margem Incremental com norma p para Classificadores de Larga Margem. In: BRICS-CCI & CBIC 2013, 2013, Porto de Galinhas. Annals of 11th Brasilian Congress on Computational Intelligence, 2013.
COELHO, M. A. N. ; FONSECA NETO, R. ; BORGES, C. C. H. . Perceptron Models for Online Structured Prediction. In: 13th International Conference on Intelligent Data Engineering and Automated Learning, 2012, Natal. Proceedings of 13th International Conference on Intelligent Data Engineering and Automated Learning, 2012.
VILLELA, S. M. ; FONSECA NETO, R. ; XAVIER, A. E. . Seleção de Características utilizando Busca Ordenada e um Classificador de Larga Margem. In: CBIC - X Congresso Brasileiro de Inteligência Computacional, 2011, Fortaleza. Anais do X Congresso Brasileiro de Inteligência Computacional, 2011.
COELHO, M. A. N. ; FONSECA NETO, R. ; BORGES, C. C. H. . Uma Estratégia Online para predição Estruturada utilizando a Formulação de Máxima Margem. In: CBIC - X Congresso Brasileiro de Inteligência Computacional, 2011, Fortaleza. Anais do X Congresso Brasileiro de Inteligência Computacional, 2011.
BORGES, C. C. H. ; SILVA, E. P. ; FONSECA NETO, R. . Uma Estratégia de Seleção de Características Encapsulada usando Metamodelos. In: 32th Iberian-Latin-American Congress on Computational Methods in Engineering, 2011, Ouro Preto. Proceedings of 32th Iberian-latin-American Congress on Computational Methods in Engineering, 2011.
FONSECA NETO, R. ; COELHO, M. A. N. ; BORGES, C. C. H. . Predição de Dados Estruturados utilizando a Formulação do Perceptron com Aplicação no Planejamento de Caminhos. In: XIX CILAMCE, 2009, Búzios. Proceedings of XIX CILAMCE, 2009.
VILLELA, S. M. ; FONSECA NETO, R. ; XAVIER, A. E. . Classificador de Máxima Margem com Norma Arbitrária: Formulação, Algoritmos e Resultados. In: CBRN - IX Congresso Brasileiro de Redes Neurais, 2009, Ouro Preto. Anais do IX Congresso Brasileiro de Redes Neurais, 2009.
FONSECA NETO, R. ; BORGES, C. C. H. ; LEITE, S. C. . An Online Training Method based on Support Vectors for Regression Problems. In: XXVIII CILAMCE, 2008, Macéio. Proceedings of XVIII CILAMCE, 2008.
FONSECA NETO, R. ; MENEZES, V. S. A. . Um novo Método Kernel para a Análise Discriminante de Sequencias Biológicas. In: VIII Congresso Brasileiro de Redes Neurais, 2007, Florianópolis. Proceedings do VIII Congresso Brasileiro de Redes Neurais, 2007.
BORGES, C. C. H. ; VILELA, M. A. ; FONSECA NETO, R. . A Support Vector Machine Regression Applied in Signal Extraction for numerical estimation in S-Systems models of Biological Networks. In: XXVII CILAMCE - Iberin Latin Congress on Computational Methods in Engineering, 2006, Belém. Proceedings of XXVII CILAMCE.
XAVIER, A. E. ; SILVA ; FONSECA NETO, R. ; MORENO ; MENEZES, V. S. A. ; RODRIGUES, P. C. . A Support Vector Machine Problem Solving via the Hyperbolic Smothing Approach. In: XIII CLAIO, XIII - Latin-Iberian American Congress of Operations Research, 2006, Montevideo. Proceedings of XIII Latin-Iberian Congress of Operations Research, 2006.
XAVIER, A. E. ; SILVA ; FONSECA NETO, R. ; MORENO ; MENEZES, V. S. A. ; RODRIGUES, P. C. . The Hyperbolic Smoothing Approach for Solving the Support Vector Machine Problem. In: 19 th International Symposium on Mathematical Programming, 2006, Rio de Janeiro. Proceedings of the 19 th International Symposium on Mathematical Programming, 2006.
FONSECA NETO, R. ; DEFILIPPO, S.B. . Um Algoritmo de Otimização Onlinepara a Solução do problema SVM Baseado na Topologia de uma Rede Perceptron Dual. In: VII Congresso Brasileiro de Redes Neurais, 2005, Natal. Anais do VII CBRN.
CARVALHO, P. C. ; CARVALHO, M. G. ; DEGRAVE, W. M. ; LILLA, S. ; NUCCI, G. ; FONSECA NETO, R. ; SPECTOR, N. ; Musacchio, J. ; DOMONT, G. B. . Medical Diagnosis Through Electrospray Mass Spectrometry and Bioinformatics. In: Tenth World Congress on Advances in Oncology and Eight International Symposium on Molecular Medicine, 2005, Crete. International Journal of Molecular Medicine, 2005. v. 16. p. S7-S7.
Paula Júnior, G.G. ; Silveira, M.R.M. ; FONSECA NETO, R. . Uma Rede Neural Artificial de Múltiplas Camadas Aplicada ao Combate à Sonegação Fiscal de ICMS. In: XXXVI Simpósio Brasileiro de Pesquisa Operacional, 2004, São João Del Rey. Anais do XXXVI SBPO.
FONSECA NETO, R. ; LEITE, S. C. ; VASCONCELOS, A. T. R. . A Maximal Margin Algorithm and a Admissible Gene Search. In: Second International Conference on Bioinformatics and Computaional Biology, 2004, Angra dos Reis. Proceedings of the second ICOBICOBI.
FONSECA NETO, R. . Uma Concepção Espaço-Estado para o problema do Ciclo Hamiltoniano. In: XXVII SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1995, VITORIA - ES. ANAIS do XXVII SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1995.
FONSECA NETO, R. . Uso de Técnicas de Inteligência Artificial na Solução do problema do Caixeiro Viajante. In: XVII CONGRESSO NACIONAL DE MATEMATICA APLICADA E COMPUTACIONAL, 1994, VITORIA - ES. ANAIS do XVII CONGRESSO NACIONAL DE MATEMATICA APLICADA E COMPUTACIONAL, 1994.
FONSECA NETO, R. . Estudos Comparativos entre a Utilização de Algoritmos de Busca Heurística e de Busca Tabu em Programação Discreta. In: XXVI SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1994, FLORIANOPOLIS - SC. ANAIS do XXVI SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1994.
FONSECA NETO, R. . Uma Concepção Arco-Caminho para o Problema de Multi-Fluxos Compatível a Mínimo Custo. In: XXIV SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1992, SALVADOR - BAHIA. ANAIS do XXIV SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1992.
FONSECA NETO, R. . Uma Arquitetura para o Desenvolvimento de Sistemas Inteligentes. In: IX SIMPOSIO BRASILEIRO DE INTELIGENCIA ARTIFICIAL, 1992, RIO DE JANEIRO - RJ. ANAIS do IX SIMPOSIO BRASILEIRO DE INTELIGENCIA ARTIFICIAL, 1992.
FONSECA NETO, R. . Uma Arquitetura para Sistemas Baseados em Conhecimento: Implementação com Tipo Abstrato de Dados. In: II ENCONTRO REGIONAL DE MATEMÁTICA APLICADA E COMPUTACIONALI, 1992, VITÓRIA. ANAIS do II ENCONTRO REGIONAL DE MATEMÁTICA APLICADA E COMPUTACIONALI, 1992.
FONSECA NETO, R. . An Intelligent System for the Railway Traffic Management. In: XVIII CONGRESSO PANAMERICANO DE ESTRADAS DE FERRO, 1990, RIO DE JANEIRO - RJ. ANAIS do XVIII CONGRESSO PANAMERICANO DE ESTRADAS DE FERRO, 1990.
FONSECA NETO, R. . The Relationalship Between Artificial Intelligence and Mathematical Programming. In: XIX JAIIO / V CONGRESSO LATINO IBERO AMERICANO DE P.O. E E.S., 1990, BUENOS AIRES - ARGENTINA. ANAIS do XIX JAIIO / V CONGRESSO LATINO IBERO AMERICANO DE P.O. E E.S., 1990.
FONSECA NETO, R. . Relacionamento entre Inteligência Artificial e Programação Matemática: Aplicação em Scheduling. In: XXII SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1989, FORTALEZA - CEARA. ANAIS do XXII SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1989.
PERIOTTO, A. J. ; FONSECA NETO, R. . Um Modelo de Otimização de Rotas Ferroviarias para o Triângulo Jeceaba - Volta Redonda - Barra do Piraí. In: IV CLAIO / XXI SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1988, RIO DE JANEIRO - RJ. ANAIS do IV CLAIO / XXI SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1988.
FONSECA NETO, R. . Um Algoritmo GUB aplicado ao Problema de Multi-Fluxo Compatível a Mínimo Custo. In: XI CONGRESSO NACIONAL DE MATEMATICA APLICADA E COMPUTACIONAL, 1988, OURO PRETO - MINAS GERAIS. ANAIS do XI CONGRESSO NACIONAL DE MATEMATICA APLICADA E COMPUTACIONAL, 1988.
FONSECA NETO, R. . Um Modelo para a Geração de Planos de Horários para o Gerenciamento Inteligente de Trens em Tempo Real. In: V SIMPOSIO BRASILEIRO DE INTELIGENCIA ARTIFICIAL, 1988, NATAL - RIO GRANDE DO NORTE. ANAIS do V SIMPOSIO BRASILEIRO DE INTELIGENCIA ARTIFICIAL, 1988.
FONSECA NETO, R. . Utilização de Algoritmos de Busca Informada em um Problema de Programação Discreta. In: IV CLAIO / XXI SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1988, RIO DE JANEIRO - RJ. ANAIS do IV CLAIO / XXI SIMPOSIO BRASILEIRO DE PESQUISA OPERACIONAL, 1988.
MENDONCA, M. R. F. ; BERNARDINO, H. ; FONSECA NETO, R. . Evolution of Reward Functions for Reinforcement Learning applied to Stealth Games. In: 3rd IEEE Latin American Conference on Computational Intelligence - Contest MSc Theses, 2016, Cartagena. Proceedings of 3rd IEEE Latin American Conference on Computational Intelligence - Contest MSc Theses, 2016.
GOULART, R. M. ; PINTO, G. A. ; FONSECA NETO, R. . An Online Adaptive Algorithm for Fighting Games. In: XIV Simpósio Brasileiro de Jogos e Entretenimento Digital - SBGames 2015, 2015, Teresina. In Proceedings of XIV Simpósio Brasileiro de Jogos e Entretenimento Digital, 2015.
BORGES, C. C. H. ; PINTANGUI, C. G. ; FONSECA NETO, R. . A Feature Selection Approach Applied in Biological Classification Problems. In: First International Conference of the Brazilian Association for Bioinformatics and Computational Biology, 2005, Caxambu. Proceedings of First International Conference of the Brazilian Association for Bioinformatics and Computational Biology, 2005.
MORAIS, D. A. L. ; FONSECA NETO, R. ; OLIVEIRA, R. S. ; CASTELLETI, C. H. ; SOUZA, R. C. ; GAUDENCIO, T. ; LEITE, S. C. ; VASCONCELOS, A. T. R. . Inference of Carcinogenicity of Human Papilomaviruses Based on Hidden Markov Models and Support Vector Machines. In: First International Conference of the Brazilian Association for Bioinformatics and Computational Biology, 2005, Caxambu. Proceedings of First International Conference of the Brazilian Association for Bioinformatics and Computational Biology, 2005.
FREIRE, P. R. ; MORAIS, D. A. L. ; PEREZ, A. D. G. ; FONSECA NETO, R. ; SLUYS, M. V. ; VASCONCELOS, A. T. R. . Prediction of Transcription Factor Binding Sites in Xyllela and Xanthomonas Using a Phylogenetic-Footprint Approach. In: First International Conference of the Brazilian Association for Bioinformatics and Computational Biology, 2005, Caxambu. Proceedings of First International Conference of the Brazilian Association for Bioinformatics and Computational Biology, 2005.
FONSECA NETO, R. ; MORAIS, D. A. L. ; RODRIGUES, P. C. ; MENEZES, V. S. A. ; MACHADO, M. S. ; PINTANGUI, C. G. ; VASCONCELOS, A. T. R. . A Novel Kernel Based Methodology to Infer Similarity Among Sequences. In: Second International Conference on Bioinformatics and Computational Biology, 2004, Angra dos Reis. Proceedings of Second International Conference on Bioinformatics and Computational Biology, 2004.
FONSECA NETO, R. ; RODRIGUES, P. C. ; MENEZES, V. S. A. ; MORAIS, D. A. L. ; MACHADO, M. S. ; PINTANGUI, C. G. ; VASCONCELOS, A. T. R. . An Algorithm Linear in Space to Compute Global Pairwise Alignments. In: Second International Conference on Bioinformatics and Computational Biology, 2004, Angra dos reis. Proceedings of Second International Conference on Bioinformatics and Computational Biology, 2004.
FONSECA NETO, R. . Emprego da Teoria de Conjuntos Difusos na Solução de um problema de SchedulingMulti-Objetivo. In: XVI CONGRESSO DE MATEMATICA APLICADA E COMPUTACIONAL, 1993, UBERLANDIA - MG. ANAIS do XVI CONGRESSO DE MATEMATICA APLICADA E COMPUTACIONAL, 1993.
LEITE, S. C. ; FONSECA NETO, R. . Algoritmo de Margem Incremental para Classificadores de Larga Margem. In: XXX CNMAC, 2007, Florianópolis. Anais do XXX Congresso Nacional de Matemática Aplicada e Computacional, 2007.
CARVALHO, P. C. ; NUCCI, G. ; Musacchio, J. ; CARVALHO, M. G. ; SPECTOR, N. ; FONSECA NETO, R. ; LILLA, S. ; DEGRAVE, W. M. ; DOMONT, G. B. . Maximum divergence analysis for MS biomarker hunting. In: American Association for Cancer Research Anual Meeting, 2006, Washington. Proceeding of the American Association for Cancer Research Anual Meeting, 2006.
MARTINS, D. M. S. ; FONSECA NETO, R. ; VITRAL, R.W.F. . An Algorithm for Target-Recognition on a Virtual World: The 'Instability-Plasticity Dilemma' Revisited. In: Ninth International Conference on Cognitive and Neural Systems, 2005, Boston. In proceedings of Ninth International Conference on Cognitive and Neural Systems, 2005.
CARVALHO, P. C. ; CARVALHO, M. G. ; DEGRAVE, W. M. ; LILLA, S. ; NUCCI, G. ; FONSECA NETO, R. ; SPECTOR, N. ; Musacchio, J. ; DOMONT, G. B. . Diagnosing Hodgkin`s Disease By Support Vector Machines and Serum Global Proteomic Profile Obtained with ESI-MS. In: Sociedade Brasileira de Bioquimica e Biologia Molecular, 2005, Aguas de Lindoia. Sociedade Brasileira de Bioquimica e Biologia Molecular, 2005.
FONSECA NETO, R. . Um Sistema Inteligente para o Gerenciamento do Tráfego Ferroviário. Rio de Janeiro: Universidade Federal do Rio de Janeiro - Programa de Engenharia de Siistemas e Computação, 1990 (Tese de Doutorado).
FONSECA NETO, R. . Modelo de Planejamento e Otimização Ferroviário. Rio de Janeiro: Instituto Militar de Engenharia - Programa de Engenharia de Transportes, 1986 (Dissertação de Mestrado).

Outras produções

FONSECA NETO, R. . Melhoria da Circulação dos Trens Unitários de Minério de Ferro. 1990.

FONSECA NETO, R. . Estudo de Custos Operacionais e da Depreciação para Frotas de Veículos. 1990.

CARVALHO, P. C. ; CARVALHO, M. G. ; DEGRAVE, W. M. ; LILLA, S. ; NUCCI, G. ; FONSECA NETO, R. ; SPECTOR, N. ; Musacchio, J. ; DOMONT, G. B. . A method for identifying protein patterns in mass spectrometry. 2006.

FONSECA NETO, R. . Estudo de Circulação de Malha e da Composição de Trens Unitários. 1988.

FONSECA NETO, R. . Estudo de Desenvolvimento da CSP-3. 1986.

FONSECA NETO, R. . Uso de Técnicas de Inteligência Artificial no Desenvolvimento de Algoritmos em Pesquisa Operacional. 1995. (Relatório de pesquisa).

FONSECA NETO, R. . Aperfeiçoamento e Implementação em Tempo Real de um Sistema Inteligente para o Gerenciamento do Tráfego Ferroviário. 1993. (Relatório de pesquisa).

FONSECA NETO, R. . Flow-Shop Scheduling com Coeficientes Fuzzy. 1988. (Trabalho de Qualificação).

FONSECA NETO, R. . Um Algoritmo Quasi-Newton Gradiente Reduzido com Formulação Arco-Caminho para a Otimização de Redes com Custos Não-Lineares. 1987. (Trabalho de Qualificação).

FONSECA NETO, R. . Utilização de Algoritmos de Busca Informada em um Problema de Programação Discreta com Aplicação na Otimização do Trem de Minério de Ferro da Linha do Centro. 1987. (Trabalho de Qualificação).

Projetos de pesquisa

2015 - Atual

Estratégias de Análise Estrutural Isogeométrica para Problemas Dinâmicos., Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: Estratégias para avaliação da segurança de estruturas como edifícios altos, pontes, hospitais, podem ser cruciais para assegurar que estão em boas condições de uso, sem perigo para os usuários em geral. Agravantes, como alto nível de atividade sísmica, podem tornar tais procedimentos quase que indispensáveis. Modelos para detecção de partes danificadas em tais estruturas têm sido desenvolvidos utilizando metodologias diversas. Porém, pode-se afirmar que sua utilização prática ainda não constitui uma realidade não só no Brasil como na maioria dos países. Pode-se justificar tal comportamento pela necessidade de metodologias mais eficiente que apresentem robustez e confiabilidade no processo de avaliação de regiões comprometidas. O monitoramento contínuo de uma peça estrutural apresenta-se como uma estratégia de grande interesse para detectar em tempo real ou com pequena defasagem, a mudança de comportamento dinâmico de determinada estrutura, indicando variação de desempenho em algum de seus componentes. Estratégias de pós-processamento podem indicar o componente comprometido viabilizando a determinação do real nível de risco na utilização da estrutura. Usualmente, em um processo de ajuste das características da estrutural é crucial a construção de um modelo analítico responsável por simulações de interesse para determinação de comportamentos/características intrínsecas da estrutura. A estratégia comumente utilizada baseia-se na discretização por meio do método de elementos finitos (MEF). Com largo embasamento matemático e grande desenvolvimento experimental o MEF pode ser considerado a técnica mais utilizada na análise numérica de estruturas. Recentemente, o uso de splines específicas, conhecidas como B-splines racionais não uniformes (NURBS, sigla em inglês), vem sendo aplicadas para o desenvolvimento de ferramentas de análise estruturais, aos moldes do MEF. Determinam a chamada análise estrutural isogeométrica (AEI). O nome isogeométrico advém da possibilidade das representações por meio de NURBS apresentarem um potencial de modelagem exata de peças de geometrias complexas. As NURBS se desenvolveram basicamente em comunidades especificas de Computação Gráfica e desenvolvimento de projetos, geralmente através de programas de apoio a projetos (CAD, sigla em inglês). Sua adaptação para análise estrutural vem evitar a necessidade contínua de retorno ao CAD para readequação da malha utilizada no MEF. Além disto, evita-se a aproximação intrínseca da malha utilizada na discretização da peça de geometria complexa. Apesar de ser uma estratégia recente, a AEI vêm apresentando resultados animadores em diversas classes de problemas mecânicos e estruturais mostrando, assim, potencial como ferramenta complementar ao MEF. Além disto, a AEI vem se mostrando competitiva em relação ao tradicional método de elementos finitos gerando baixos níveis de erro numérico, facilidade de refinamento e, principalmente, uma representação exata de geometrias complexas. O objetivo deste projeto é o desenvolvimento de estratégias específicas visando o monitoramento do estado de integridade de estruturas com solicitações estáticas e, principalmente dinâmicas. Para o desenvolvimento de um modelo efetivo para monitoramento, diversos desenvolvimentos são necessários, a saber: Obtenção e trato de dados relativos as variáveis da estrutura que possam indicar variações no comportamento estrutural; Construção de um modelo analítico para ajuste de parâmetros da estrutura monitorada; Determinação de estratégia para sinalização da mudança de desempenho da estrutura perante as solicitações de carregamentos estáticos e dinâmicos; Aplicação e validação do sistema em estruturas de geometria complexa. Estes itens, basicamente, compõem as etapas relativas ao desenvolvimento de um sistema de monitoramento de integridade estrutural.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) . , Integrantes: Raul Fonseca Neto - Integrante / Saulo Moraes Villela - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Alexandre Abrahão Cury - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de Minas Gerais - Auxílio financeiro.
2014 - Atual

Análise Estrutural Isogeométrica Aplicada ao Monitoramento Dinâmico de Linhas de Ancoragem de Plataformas de Petróleo, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: O monitoramento contínuo de uma peça estrutural apresenta-se como uma estratégia de grande interesse para detectar em tempo real ou com pequena defasagem, a mudança de comportamento dinâmico de determinada estrutura, indicando variação de desempenho em algum de seus componentes. Estratégias de pós-processamento podem indicar o componente comprometido viabilizando a determinação do real nível de risco na utilização da estrutura. Usualmente, em um processo de ajuste das características da estrutural é crucial a construção de um modelo analítico responsável por simulações de interesse para determinação de comportamentos/características intrínsecas da estrutura. A estratégia comumente utilizada baseia-se na discretização por meio do método de elementos finitos (MEF). Com largo embasamento matemático e grande desenvolvimento experimental o MEF pode ser considerado a técnica mais utilizada na análise numérica de estruturas. Recentemente, o uso de splines específicas, conhecidas como B-splines racionais não uniformes (NURBS, sigla em inglês), vem sendo aplicadas para o desenvolvimento de ferramentas de análise estruturais, aos moldes do MEF. Determinam a chamada análise estrutural isogeométrica (AEI). O nome isogeométrico advém da possibilidade das representações por meio de NURBS apresentarem um potencial de modelagem exata de peças de geometrias complexas. As NURBS se desenvolveram basicamente em comunidades especificas de Computação Gráfica e desenvolvimento de projetos, geralmente através de programas de apoio a projetos (CAD, sigla em inglês). Sua adaptação para análise estrutural vem evitar a necessidade contínua de retorno ao CAD para readequação da malha utilizada no MEF. Além disto, evita-se a aproximação intrínseca da malha utilizada na discretização da peça de geometria complexa. O objetivo deste projeto é o desenvolvimento de estratégias específicas visando o monitoramento do estado de integridade de estruturas com solicitações estáticas e, principalmente dinâmicas. Para o desenvolvimento de um modelo efetivo para monitoramento, diversos desenvolvimentos são necessários, a saber: Obtenção e trato de dados relativos às variáveis da estrutura que possam indicar variações no comportamento estrutural; Construção de um modelo analítico para ajuste de parâmetros da estrutura monitorada; Determinação de estratégia para sinalização da mudança de desempenho da estrutura perante as solicitações de carregamentos estáticos e dinâmicos; Aplicação e validação do sistema em estruturas de geometria complexa. Estes itens, basicamente, compõem as etapas relativas ao desenvolvimento de um sistema de monitoramento de integridade estrutural, construído especificamente para aplicação em peças estruturais de geometrias complexas. A principal motivação na construção de um sistema de monitoramento de integridade estrutural está na aplicação no monitoramento de linhas de ancoragem de plataformas de petróleo. Em um primeiro nível, serão considerados somente as linhas de ancoragem monitoradas e avaliadas pelo sistema. Em um modelo mais completo, o acoplamento linhas de ancoragem-plataforma será considerado, viabilizando a avaliação da movimentação da plataforma, devido a cargas dinâmicas, na solicitação das linhas de ancoragem de uma forma mais direta.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) . , Integrantes: Raul Fonseca Neto - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Alexandre Abrahão Cury - Integrante / Paulo Cesar Ferreira - Integrante / Demerson Nunes Gonçalves - Integrante / Fabio Lopes Licht - Integrante.
2011 - Atual

Estratégias de Inteligência Computacional Aplicados em Problemas Inversos de Engenharia Estrutural e Biologia Computacional, Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Raul Fonseca Neto - Coordenador / Carlos Cristiano Hasenclever Borges - Integrante / Itamar Leite de Oliveira - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de Minas Gerais - Auxílio financeiro.

Projetos de desenvolvimento

2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.
2011 - Atual

Modelos Computacionais para Estabelecimento de Meios e Procedimentos Metodológicos para Análise de Dados em Bioinformática - MCBio, Projeto certificado pelo(a) coordenador(a) Carlos Cristiano Hasenclever Borges em 14/02/2017., Descrição: A utilização de modelos computacionais e matemáticos adequados, fundamentados sobre técnicas de aprendizado de máquina, permite que várias questões científicas possam ser abordadas sob uma nova ótica de análise de resultados de pesquisas, como uma nova estratégia metodológica de observação desses resultados, com a proposta de que novas formas de análise possam trazer novas TSPs. A proposta de que sejam adotados modelos computacionais para essa análise, vem complementar métodos frequentemente utilizados, como a abordagem estatística que, em geral, baseia-se no teste de experimentos frente a uma hipótese anteriormente definida. Entretanto, as necessidades atuais dos projetos de pesquisas requerem a geração e avaliação de centenas e até milhares de hipóteses, o que faz com que somente sejam avaliadas por modelos computacionais. Esse cenário é ainda mais desafiador quando se percebe o quanto são complexos os conjuntos de dados atualmente gerados, cujas caraterísticas, entre outras, incluem grande volume de dados, onde conjuntos de dados da ordem de terabytes estão se tornando comuns; alta dimensionalidade, quando se trabalha com centenas ou milhares de atributos; heterogeneidade, visto que diferentemente de métodos tradicionais de análise, os modelos computacionais são adequados a dados de diferentes tipos, descontínuos e não categorizados; múltipla localização física dos conjuntos de dados, uma vez que é comum que esses conjuntos não se encontrem centralizados em um único local, mas distribuídos ou dispersos em diversos repositórios.. Situação: Em andamento; Natureza: Desenvolvimento.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Raul Fonseca Neto - Integrante / Wagner Antônio Arbex - Integrante / Carlos Cristiano Hasenclever Borges - Coordenador / Itamar Leite de Oliveira - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.

Prêmios

2016

Primeiro lugar no Concurso de teses e dissertações em Inteligência Artificial e Computacional como Orientador de Dissertação de Mestrado da aluna Karen Enes, Brazilian Conference on Intelligent Systems 2016 - Sociedade Brasileira de Computação.

2016

Menção Honrosa no trabalho intitulado "A String Kernel Density Estimation Algorithm for Repeated Games ", BRACIS 2016 - XIII Encontro Nacional de Inteligência Artificial e Computacional.

2016

Segundo lugar no concurso de dissertações (Theses Contest) 2016 IEEE LA-CCI, Latin American Conference on Computational Intelligence.

2014

Aprovado com Nota Máxima para promoção ao cargo de professor Titular, Departamento de Ciência da Computação da Universidade Federal de Juiz de Fora.

2013

Best non-professional paper of 11 th Brazilian Congress on Computational Intelligence - CBIC 2013, Sociedade Brasileira de Inteligência Computacional.

1988

Aprovado em Primeiro Lugar para o cargo de professor Assistente, Departamento de Matemática da Universidade Federal de Juiz de Fora.

Histórico profissional

Endereço profissional

Universidade Federal de Juiz de Fora, Instituto de Ciências Exatas, Departamento de Ciência da Computação. , Campus Universitário, Martelos, 36100000 - Juiz de Fora, MG - Brasil, Telefone: (32) 32293316, Ramal: 3316, Fax: (32) 32293302, URL da Homepage:

Experiência profissional

2003 - 2006

Laboratório Nacional de Computação Científica

Vínculo: Colaborador, Enquadramento Funcional: Professor Colaborador, Carga horária: 20

Atividades

10/2003 - 10/2006
Ensino, Modelagem Computacional, Nível: Pós-Graduação,Disciplinas ministradas, Reconhecimento de Padrões

1989 - Atual

Universidade Federal de Juiz de Fora

Vínculo: , Enquadramento Funcional: Professor titular, Carga horária: 40, Regime: Dedicação exclusiva.

1988 - 1989

Universidade Federal de Juiz de Fora

Vínculo: , Enquadramento Funcional: Professor Assistente, Carga horária: 40

Outras informações:
Professor substituto.

Atividades

03/2011
Pesquisa e desenvolvimento, Instituto de Ciências Exatas, Departamento de Ciência da Computação.,Linhas de pesquisa
03/2011
Ensino, Mestrado em Ciência da Computação, Nível: Pós-Graduação,Disciplinas ministradas, COMPUTAÇÃO INTELIGENTE, ANÁLISE E PROJETO DE ALGORITMOS, APRENDIZADO DE MÁQUINAS
03/2006
Ensino, Modelagem Computacional, Nível: Pós-Graduação,Disciplinas ministradas, Algoritmos e Estruturas de Dados e Reconhecimento de Padrões
01/2004
Pesquisa e desenvolvimento, Instituto de Ciências Exatas.,Linhas de pesquisa
03/1989
Pesquisa e desenvolvimento, Instituto de Ciências Exatas, Departamento de Ciência da Computação.,Linhas de pesquisa
03/1989
Ensino, Ciência da Computação, Nível: Graduação,Disciplinas ministradas, REDES NEURAIS ARTIFICIAIS; COMPUTAÇÃO; PROGRAMAÇÃO LINEAR; ANÁLISE E PROJETO DE ALGORITMOS; GRAFOS; ESTRUTURAS DE DADOS; ESTRUTURAS DE ARQUIVOS; INTELIGÊNCIA ARTIFICIAL; TEORIA DA COMPUTAÇÃO; FLUXO EM REDES; REDES COMPLEXAS
03/2011 - 08/2014
Direção e administração, Instituto de Ciências Exatas.,Cargo ou função, Ciência da Computação diurno.
01/2008 - 12/2011
Direção e administração, Instituto de Ciências Exatas.,Cargo ou função, Coordenador de Curso de Pós Graduação Lato Sensu - Inteligência de Negócios.
04/2006 - 04/2009
Direção e administração, Instituto de Ciências Exatas.,Cargo ou função, Coordenador de Curso - Bacharelado em Ciência da Computação.
01/2002 - 12/2002
Serviços técnicos especializados , Faculdade de Engenharia, Fundação Centro Tecnológico.,Serviço realizado, Consultoria Técnica na Área de Ciência da Computação, Elaboração de Plano Pedagógico, Avaliação de Qualidade.
02/2001 - 12/2001
Serviços técnicos especializados , Faculdade de Engenharia, Fundação Centro Tecnológico.,Serviço realizado, Consultoria Técnica na Área de Ciência da Computação, Elaboração de Plano Pedagógico e Avaliação de Qualidade.
08/1992 - 08/1996
Direção e administração, Instituto de Ciências Exatas, Departamento de Ciência da Computação.,Cargo ou função, Coordenador do Curso de Bacharelado em Informática.
08/1995 - 07/1996
Direção e administração, Instituto de Ciências Exatas, Departamento de Ciência da Computação.,Cargo ou função, Presidente da Câmara de Pesquisa do CEPE da UFJF.
04/1993 - 03/1995
Pesquisa e desenvolvimento, Instituto de Ciências Exatas, Departamento de Ciência da Computação.,Linhas de pesquisa
04/1991 - 03/1993
Pesquisa e desenvolvimento, Instituto de Ciências Exatas, Departamento de Ciência da Computação.,Linhas de pesquisa
03/1989 - 03/1992
Ensino, Nefrologia, Nível: Pós-Graduação,Disciplinas ministradas, INFORMATICA MEDICA
10/1990 - 10/1991
Direção e administração, Instituto de Ciências Exatas, Departamento de Ciência da Computação.,Cargo ou função, Coordenador do Centro de Micro-Computação.

2021 - Atual

Universidade Federal de Minas Gerais

Vínculo: Bolsista, Enquadramento Funcional: Bolsista PDS, Carga horária: 40

Outras informações:
Título: Estudo, Desenvolvimento e Aplicação de Técnicas de Aprendizado de Máquinas na Solução de Problemas Complexos em Reconhecimento de Padrões Supervisor: Antônio de Pádua Braga Programa de Pós-Graduação em Engenharia Elétrica - Inteligência Computacional - LITC

Propriedade Intelectual

Patentes (1)

Tipo	Título	Data depósito
INVENTOR	Método de diagnóstico baseado em padrões proteômicos e/ou genômicos por vetores de suporte aplicado a espectometria de massa	14/10/2005