Daniel Leal Souza

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• Souza, Daniel Leal ; Pereira, Rodrigo Lisboa ; SERRA NETO, MARIO T. R. ; MOLLINETTI, MARCO A. F. ; Teixeira, Otavio Noura ; DE OLIVEIRA, ROBERTO C. L. . Dynamic Interconnection Approach With BLX-Based Search Applied to Multi-Swarm Optimizer: An Empirical Analysis to Real Constrained Optimization. IEEE Access , v. 8, p. 1-1, 2021.

• Pereira, Rodrigo Lisboa ; Souza, Daniel Leal ; Mollinetti, Marco Antonio Florenzano ; SERRA NETO, MARIO T. R. ; Yasojima, Edson Koiti Kudo ; Teixeira, Otavio Noura ; DE OLIVEIRA, ROBERTO CELIO LIMAO . Game Theory and Social Interaction for Selection and Crossover Pressure Control in Genetic Algorithms: An Empirical Analysis to Real-Valued Constrained Optimization. IEEE Access , v. 8, p. 144839-144865, 2020.

• Teixeira, Otavio Noura ; Serra Neto, Mario Tasso Ribeiro ; de Souza Alves, Demison Rolins ; Mollinetti, Marco Antonio Florenzano ; dos Santos Ferreira, Fabio ; Souza, Daniel Leal ; Pereira, Rodrigo Lisboa . Evolutionary Quick Artificial Bee Colony for Constrained Engineering Design Problems. In: Leszek Rutkowski; Rafa Scherer; Marcin Korytkowski; Witold Pedrycz; Ryszard Tadeusiewicz; Jacek M. Zurada. (Org.). Lecture Notes in Computer Science. 17ed.: Springer International Publishing, 2018, v. 10842, p. 603-615.

• Mollinetti, Marco Antônio Florenzano ; Souza, Daniel Leal ; Pereira, Rodrigo Lisbôa ; Yasojima, Edson Koiti Kudo ; Teixeira, Otávio Noura . ABC+ES: Combining Artificial Bee Colony Algorithm and Evolution Strategies on Engineering Design Problems and Benchmark Functions. Advances in Intelligent Systems and Computing. 1ed.: Springer International Publishing, 2016, v. , p. 53-66.

• Leal Souza, Daniel ; Noura Teixeira, Otávio ; Cavalcante Monteiro, Dionne ; Célio Limão de Oliveira, Roberto ; Antônio Florenzano Mollinetti, Marco . A Novel Competitive Quantum-Behaviour Evolutionary Multi-Swarm Optimizer Algorithm Based on CUDA Architecture Applied to Constrained Engineering Design. In: Dorigo, Marco; Birattari, Mauro; Garnier, Simon; Hamann, Heiko; Montes de Oca, Marco; Solnon, Christine; Stützle, Thomas. (Org.). Lecture Notes in Computer Science. 1ed.: Springer International Publishing, 2014, v. , p. 206-213.

• Souza, Daniel Leal ; Teixeira, Otávio Noura ; Monteiro, Dionne Cavalcante ; Oliveira, Roberto Célio Limão . A New Cooperative Evolutionary Multi-Swarm Optimizer Algorithm Based on CUDA Architecture Applied to Engineering Optimization. In: Ioannis Hatzilygeroudis; Vasile Palade. (Org.). Smart Innovation, Systems and Technologies. 1ed.: Springer Berlin Heidelberg, 2013, v. 1, p. 95-115.

• SOUZA, D. L. . A Inteligência Artificial já Está Integrada Ao Nosso Dia-a-dia. A Inteligência Artificial já está integrada ao nosso dia a dia, Diário do Pará, p. 20 - 20, 25 jun. 2023.

• OLIVEIRA, MIKEIAS S. ; FERNANDES, RAFAEL S. ; MELO, MARCIO R. S. ; SOUZA, DANIEL L. ; SILVA, DAVID C. C. ; SOUZA JR, GILBERTO N. ; BRAGA, MARCUS B. . Projeções da produção de rebanhos e área de cobertura de pastagem usando modelagem ARIMA com abordagem hierárquica para o estado do Pará e suas regiões. In: Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, 2023, Brasil. Anais do XIV Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais (WCAMA 2023). p. 91.

• Pereira, Rodrigo Lisboa ; MOLLINETTI, MARCO A. FLORENZANO ; NETO, MARIO TASSO RIBEIRO SERRA ; DE ALMEIDA NETO, ADILSON ; Souza, Daniel Leal ; YASOJIMA, EDSON KOITI ; Teixeira, Otavio Noura ; DE OLIVEIRA, ROBERTO CELIO LIMAO . Parametric Analysis of Iterated Game Environments as Social Interaction Model for Genetic Algorithm to Solve Constrained Engineering Problems. In: 2018 IEEE Congress on Evolutionary Computation (CEC), 2018, Rio de Janeiro. 2018 IEEE Congress on Evolutionary Computation (CEC), 2018. p. 1-1452.

• SERRA NETO, M. T. R. ; SOUZA, D. L. ; PEREIRA, R. L. ; OLIVEIRA, R. C. L. . CUDABC: Algoritmo de otimização baseada em colônia de abelhas paralelo sob paradigma GPGPU. In: XLIX Simpósio Brasileiro de Pesquisa Operacional, 2017, Blumenau. Anais do XLIX Simpósio Brasileiro de Pesquisa Operacional, 2017. v. 1. p. 1-10.

• DE MORAES, LEONARDO SARRAFF NUNES ; Monteiro, Dionne Cavalcante ; Souza, Daniel Leal ; DE MORAIS, JEFFERSON MAGALHAES ; DE OLIVEIRA, ROBERTO CELIO LIMAO . A PSO FPGA based architecture to optimize constrained functions. In: 2016 IEEE 11th International Symposium on Applied Computational Intelligence and Informatics (SACI), 2016, Timisoara. 2016 IEEE 11th International Symposium on Applied Computational Intelligence and Informatics (SACI), 2016. p. 463.

• DMITRIEV, VICTOR ; Souza, Daniel Leal ; PORTELA, GIANNI ; BATISTA, RAPHAEL . Design and optimization of new sub-THz compact switch based on 2D photonic crystal with quadrupole resonance in ferrite resonator. In: 2015 SBMO/IEEE MTTS International Microwave and Optoelectronics Conference (IMOC), 2015, Porto de Galinhas. 2015 SBMO/IEEE MTT-S International Microwave and Optoelectronics Conference (IMOC), 2015. p. 1.

• SOUZA, D. L. ; MARTINS, T. C. ; DMITRIEV, V. A. . Utilização da técnica de processamento geral em placas de vídeo (GPGPU) para otimização de simulação e análise de algoritmos FDTD em 2D através do modelo de equação de onda (FDTD-Wave). In: CNMAC 2010 - 33 Congresso Nacional de Matemática Aplicada e Computacional, 2010, 2010, Águas de Lindóia. Anais de CNMAC 2010, 2010.

• MOLLINETTI, MARCO A.F. ; Souza, Daniel Leal ; Teixeira, Otávio Noura . ABC+ES. In: the 2014 conference companion, 2014, Vancouver. Proceedings of the 2014 conference companion on Genetic and evolutionary computation companion - GECCO Comp '14, 2014. v. 1. p. 1463-1464.

• Souza, Daniel Leal ; MONTEIRO, GLAUBER DUARTE ; MARTINS, TIAGO CARVALHO ; DMITRIEV, VICTOR ALEXANDROVICH ; Teixeira, Otávio Noura . PSO-GPU. In: the 13th annual conference companion, 2011, Dublin. Proceedings of the 13th annual conference companion on Genetic and evolutionary computation - GECCO '11, 2011. p. 837.

• SOUZA, D. L. ; MARTINS, T. C. ; DMITRIEV, V. A. . Protótipo de um ambiente integrado de código aberto voltado para computação numérica. In: CNMAC 2009 - 32 Congresso Nacional de Matemática Aplicada e Computacional, 2009, Cuiabá. CNMAC 2009 - 32 Congresso Nacional de Matemática Aplicada e Computacional, 2009.

• SOUZA, D. L. ; MONTEIRO, D. C. ; TEIXEIRA, O. N. ; OLIVEIRA, R. C. L. . Otimizacao Por Multi-Enxame Evolucionario de Particulas Cooperativo sob aArquitetura CUDAAplicado em Problemas de Engenharia. 2012. (Apresentação de Trabalho/Conferência ou palestra).

• SOUZA, D. L. ; DMITRIEV, V. A. . Análise e Otimização de Materiais e Dispositivos de Microondas e Óticas. 2010. (Apresentação de Trabalho/Seminário).

Outras produções

Projetos de pesquisa

• 2023 - Atual

  Utilização de Técnicas de Inteligência Computacional e Biologia Computacional em Problemas Emergentes na Amazônia Paraense (PVPG725-2023), Descrição: Atualmente, tanto as ciências ômicas, que consiste na genômica, transcriptômica, proteômica, metagenômica, metabolômica, etc., quanto o campo da atenção à saúde, produzem uma quantidade de dados imensa, complexa e com alta dimensionalidade. Estes dados incluem registros eletrônicos de saúde, imagens, dados biológicos produzidos pelas ciências ômicas, texto de sensores, todos complexos, heterogêneos e mal anotados e geralmente não estruturados. Abordagens tradicionais de mineração de dados e aprendizado estatístico geralmente precisam executar primeiro engenharia de características para obter recursos efetivos e mais robustos desses dados e, em seguida, criar previsões ou agrupar modelos em cima deles. Existem muitos desafios em ambas as etapas em um cenário de dados complicados e falta de recursos suficientes. conhecimento de domínio. Os últimos avanços nas tecnologias de Inteligência Computacional como na Aprendizagem Profunda fornecem novos paradigmas eficazes para obter resultados finais modelos de aprendizagem a partir de dados complexos. O presente projeto de pesquisa, tem por objetivo aplicar técnicas de inteligência computacional como Aprendizado de Maquina e Aprendizado Profundo para modelar problemas de Bioinformática, Biologia Computacional em problemas reais encontrados na Amazônia paraense.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (3) / Doutorado: (6) . , Integrantes: Daniel Leal Souza - Integrante / Marcus de Barros Braga - Coordenador / Gilberto Nerino de Souza Junior - Integrante / Jailton Wagner Rodrigues Tavares - Integrante / Rommel Thiago Jucá Ramos - Integrante / Jakelyne Machado Lima Silva - Integrante / IGOR GUERREIRO HAMOY - Integrante / Antônio Alan Silva Lima - Integrante / Jair Soares Teixeira - Integrante / ARLEM SANTOS DA SILVA - Integrante / LARIANE JOANA BEZERRA LIMA - Integrante / MARILIA DANYELLE NUNES RODRIGUES - Integrante / ROSYELY DA SILVA OLIVEIRA - Integrante.

• 2022 - Atual

  Utilização de Inteligência Artificial para Reconhecimento por Imagem das Principais Doenças da Cultura do Cacau na Região Amazônica (PVPG538-2021), Descrição: O estado do Pará é o maior produtor de cacau do Brasil, com 51% da produção nacional, envolvendo 26 mil produtores, gerando 64 mil empregos diretos e 225 mil indiretos. Contudo, doenças que acometem essa cultura são responsáveis por elevadas perdas na produção. O primeiro passo para a redução nos danos provocados pelas doenças no cacaueiro e/ou seus frutos, é o conhecimento dos diferentes aspectos envolvidos. Este projeto pretende explorar técnicas computacionais de Aprendizado Profundo (Deep Learning) para fazer o reconhecimento por imagem das principais doenças da cultura do cacau na região amazônica. Como resultado deste projeto pretende-se construir (1) um banco de imagens atualizado sobre as doenças que acometem o cacau e, (2) uma solução de software inteligente e de fácil utilização por parte do produtor rural para detecção e diagnóstico de doenças que acometem o cacau. Assim, busca-se contribuir de forma efetiva para o melhoramento da cadeia produtiva do cacau no estado do Pará. CHAMADA N 002/2021 FAPESPA/CNPq PROGRAMA DE INFRAESTRUTURA PARA JOVENS PESQUISADORES Programa Primeiros Projetos- PPP- FAPESPA/CNPq Publicado no Diário Oficial do Estado do Pará no 34.726 - pgs 78-81 Termo de Outorga 27/2022 - DOE 01/06/2022.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (6) / Especialização: (0) / Mestrado acadêmico: (1) / Mestrado profissional: (0) / Doutorado: (11) . , Integrantes: Daniel Leal Souza - Integrante / Marcus de Barros Braga - Coordenador / Édson Koiti Kudo Yasojima - Integrante / Renato Hidaka Torres - Integrante / Gilberto Nerino de Souza Junior - Integrante / Allan Douglas Bento da Costa - Integrante / Elias Gabriel da Silva - Integrante / Edson Magalhães da Costa - Integrante / Maria Eliana da Silva Holanda - Integrante / Paulo Victor Cunha Lima - Integrante / Dhian Kelson Leite de Oliveira - Integrante / Gustavo Antônio Ruffeil Alves - Integrante / Luiz Henrique Dias Ramos - Integrante / Carlos Jean Ferreira de Quadros - Integrante / Fabricio Almeida Araújo - Integrante / Candido Ferreira de Oliveira Neto - Integrante / Anderson da Silva de Oliveira Góes - Integrante / Augusto José Silva Pedroso - Integrante.

• 2019 - Atual

  Aprendizado de Máquina (Profundo) para Reconhecimento de Imagem em Aplicações de Ciências Agrárias em Espécies Amazônicas (PROPED/UFRA - PVPG97-2019), Descrição: Projeto de pesquisa cadastrado na PROPED/UFRA sob o número PVPG97-2019. O campo do Aprendizado de Máquina (Machine Learning) se preocupa com a construção de programas de computador que melhoram automaticamente com a experiência. Nos últimos anos, muitas aplicações bem-sucedidas de Aprendizado de Máquina foram desenvolvidas, desde programas de mineração de dados que aprendem a detectar transações fraudulentas com cartões de crédito, sistemas de filtragem de informação que aprendem as preferências de leitura dos usuários, até veículos autônomos que aprendem a dirigir em rodovias públicas. Uma forma particular de Aprendizado de Máquina, o Aprendizado Profundo (Deep Learning), permite que modelos computacionais compostos de múltiplas camadas de processamento aprendam representações de dados com múltiplos níveis de abstração. Esses métodos melhoraram drasticamente o que existia de mais avançado em termos de reconhecimento de fala, reconhecimento de objeto visual, detecção de objetos e muitos outros domínios, como descoberta de novas drogas e genômica. Algoritmos como Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN) e Generative Adversarial Networks (GAN), trouxeram avanços imensos no processamento de imagens, vídeo, texto, fala e áudio. Com as novas oportunidades de uso de ciência de dados no domínio multidisciplinar de agro tecnologias, o Aprendizado Profundo tem sido amplamente estudado e aplicado também em diversos segmentos das ciências agrárias. Este projeto pretende explorar os diversos algoritmos de Aprendizado Profundo, estudando seus conceitos, limitações, implementações e processos de treinamento, além de estudar diversos esforços bem-sucedidos que empregam técnicas de Aprendizado Profundo aplicados a vários desafios da produção agrícola, animal e alimentar. Além disso, o projeto prevê fazer comparações entre o desempenho dos métodos de Aprendizado Profundo e de outras técnicas, por exemplo, em tarefas de classificação regressão.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (6) / Mestrado acadêmico: (0) / Doutorado: (2) . , Integrantes: Daniel Leal Souza - Integrante / Rodrigo Lisbôa Pereira - Integrante / Marcus de Barros Braga - Coordenador / Édson Koiti Kudo Yasojima - Integrante / Renato Hidaka Torres - Integrante / Allan Douglas Bento da Costa - Integrante / Elias Gabriel da Silva - Integrante / Edson Magalhães da Costa - Integrante / Maria Eliana da Silva Holanda - Integrante / Paulo Victor Cunha Lima - Integrante / Gustavo Antônio Ruffeil Alves - Integrante / Jonas Elias Castro da Rocha - Integrante / Jailton Wagner Rodrigues Tavares - Integrante / Esley Teixeira do Espírito Santo - Integrante / Joaquim do Santos Costa - Integrante / Bruno Moura Monteiro - Integrante / André Fellipe Ribeiro de Almeida - Integrante.

• 2017 - 2021

  Metaheurísticas Evolutivas Aplicadas a Problemas de Otimização, Descrição: Esse projeto tem como objetivo o estudo, desenvolvimento, implementação e aplicação de metaheurísticas bioinspiradas híbridas na solução de problemas NP-Hard com o intuito de deixar mais rápido e eficiente o processo de busca de soluções ótimas, sendo as aplicações voltadas para a otimização em diversas áreas (e.g. agroindustrial, aprendizagem supervisionada, reconhecimento de imagens com base em redes neurais artificiais). Este projeto é uma parceria entre integrantes da Universidade Federal do Pará (UFPA) e Universidade Federal Rural da Amazônia (UFRA).. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (5) . , Integrantes: Daniel Leal Souza - Integrante / Roberto Célio Limão de Oliveira - Integrante / Otávio Noura Teixeira - Integrante / Marco Antônio Florenzano Mollinetti - Integrante / Pereira, Rodrigo Lisbôa - Coordenador / Mário Tasso Ribeiro Serra Neto - Integrante / Koiti Yasojima - Integrante / Adilson de Almeida Neto - Integrante / Marcus de Barros Braga - Integrante / Demison Rolins de Souza Alves - Integrante.

• 2016 - 2017

  Grupo de Estudos Temático em Computação Aplicada (GET-COM) - Laboratório de Inteligência Artificial (LINCOMP), Descrição: O Grupo de Estudos Temático em Computação Aplica - GET-COM tem como objetivo reunir competências necessárias para constituir um grupo estudo temático fortemente interdisciplinar e capaz de tratar adequadamente das questões ligadas à Inteligência Computacional, Engenharia de Software, Sistemas de Informação Educacional e Informática para Biodiversidade, com utilização de pesquisas e desenvolvimento tecnológico da Ciência da Computação... , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) / Doutorado: (2) . , Integrantes: Daniel Leal Souza - Integrante / Marco Antônio Florenzano Mollinetti - Integrante / Pereira, Rodrigo Lisbôa - Coordenador / Mário Tasso Ribeiro Serra Neto - Integrante / Demison Rolins De Souza Alves - Integrante / Adilson de Almeida Neto - Integrante.

• 2009 - 2016

  Análise e Otimização de Materiais e Dispositivos de Microondas e Ópticas, Descrição: Este projeto visa a aplicação de métodos de otimização numérica ou metaheurísticas bioinspiradas a material e dispositivos de microondas e óticas, com o objetivo de maximizar o rendimento das estruturas desenvolvidas no Laboratório de Nanofotônica e Nanoeletrônica (e.g. switches, circuladores).. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Leal Souza - Integrante / Victor Alexandrovich Dmitriev - Coordenador., Número de produções C, T & A: 2

Projetos de desenvolvimento

• 2020 - Atual

  Utilização de Técnicas de Inteligência Computacional em Aplicações de Bioinformática, Biologia Computacional e Atenção à Saúde na Amazônia Paraense (PVPG403-2020), Descrição: Atualmente, tanto as ciências ômicas, que consiste na genômica, transcriptômica, proteômica, metagenômica, metabolômica, etc., quanto o campo da atenção à saúde, produzem uma quantidade de dados imensa, complexa e com alta dimensionalidade. Estes dados incluem registros eletrônicos de saúde, imagens, dados biológicos produzidos pelas ciências ômicas, texto de sensores, todos complexos, heterogêneos e mal anotados e geralmente não estruturados. Abordagens tradicionais de mineração de dados e aprendizado estatístico geralmente precisam executar primeiro engenharia de características para obter recursos efetivos e mais robustos desses dados e, em seguida, criar previsões ou agrupar modelos em cima deles. Existem muitos desafios em ambas as etapas em um cenário de dados complicados e falta de recursos suficientes. conhecimento de domínio. Os últimos avanços nas tecnologias de Inteligência Computacional como na Aprendizagem Profunda fornecem novos paradigmas eficazes para obter resultados finais modelos de aprendizagem a partir de dados complexos. O presente projeto de desenvolvimento tecnológico, tem por objetivo aplicar técnicas de inteligência computacional como Aprendizado de Maquina e Aprendizado Profundo para modelar problemas de Bioinformática, Biologia Computacional e Atenção à Saúde em problemas reais encontrados na Amazônia paraense.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Técnico de nível médio: (8) Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (12) . , Integrantes: Daniel Leal Souza - Integrante / Marcus de Barros Braga - Coordenador / Renato Hidaka Torres - Integrante / Gilberto Nerino de Souza Junior - Integrante / Allan Douglas Bento da Costa - Integrante / Edson Magalhães da Costa - Integrante / Maria Eliana da Silva Holanda - Integrante / Paulo Victor Cunha Lima - Integrante / Dhian Kelson Leite de Oliveira - Integrante / Carlos Jean Ferreira de Quadros - Integrante / Fabricio Almeida Araújo - Integrante / Jonas Elias Castro da Rocha - Integrante / Jailton Wagner Rodrigues Tavares - Integrante / Esley Teixeira do Espírito Santo - Integrante / Joaquim do Santos Costa - Integrante / Kenny da Costa Pinheiro - Integrante / Rommel Thiago Jucá Ramos - Integrante / Adriana Ribeiro Carneiro Folador - Integrante / Lucas Henrique Martins Soares - Integrante / Josué Soares Ribeiro - Integrante / Jakelyne Machado Lima Silva - Integrante / Júlia Luthiany da Silva Oliveira Torres - Integrante.