Jonas Krause

Pós-doutorado

Idiomas

Áreas de atuação

Produções bibliográficas

• Krause, Jonas ; LOPES, ALEX C. D. ; CASTRO, LUCAS G. M. ; RIBEIRO, ANDRÉ G. R. ; MOCHINSKI, MARCOS A. ; PARAISO, EMERSON CABRERA ; ENEMBRECK, FABRÍCIO ; BARDDAL, JEAN PAUL ; BRITTO JR, ALCEU DE SOUZA ; SOUZA, VINICIUS M. A. . Foundation Models for Time Series Forecasting: Evidence from the Fuel Sector. JOURNAL OF THE BRAZILIAN COMPUTER SOCIETY (ONLINE) , v. 32, p. 1128-1143, 2026.

• Krause, Jonas ; Lopes, Heitor Silvério . Evolutionary computation methods for the schedule optimisation of pipeline networks. INTERNATIONAL JOURNAL OF INNOVATIVE COMPUTING AND APPLICATIONS (PRINT) , v. 7, p. 191, 2016.

• Krause, Jonas ; BAEK, KYUNGIM ; LIM, LIPYEOW . Expanding CNN-Based Plant Phenotyping Systems to Larger Environments. Lecture Notes in Computer Science. 1ed.: Springer International Publishing, 2020, v. , p. 418-432.

• Krause, Jonas ; Cordeiro, Jelson André ; Lopes, Heitor Silvério . Comparação de Métodos de Computação Evolucionária para o Problema da Mochila Multidimensional. In: H.S. Lopes; L.C.A. Rodrigues; M.T.A. Steiner. (Org.). Meta-Heurísticas em Pesquisa Operacional. 1ed.: Omnipax, 2013, v. , p. 87-98.

• Krause, Jonas ; Cordeiro, Jelson ; Parpinelli, Rafael Stubs ; Lopes, Heitor Silvério . A Survey of Swarm Algorithms Applied to Discrete Optimization Problems. In: Xin-She Yang; Zhihua Cui; Renbin Xiao; Amir Hossein Gandomi; Mehmet Karamanoglu. (Org.). Swarm Intelligence and Bio-Inspired Computation. 1ed.: Elsevier, 2013, v. , p. 169-191.

• KRAUSE, J. ; A. S. Inacio ; LOPES, H. S. . A phoneme-based deepfake detection system. International Journal of Advances in Science, Engineering and Technology (IJASEAT), Índia, p. 93 - 98, 17 ago. 2023.

• PASTI, R. ; KRAUSE, J. . Quantum Functional Information through the Evolution of Random Circuits. In: QIP 2026, 2026, Riga. 29th Annual Quantum Information Processing Conference 2026, 2026.

• Krause, J ; BRITTO JR, A. S. ; BARDDAL, J. P. ; SOUZA, V. M. A. . Fuels Demand Forecasting: Identifying Leading Feature Sets, Prediction Strategy, and Regressors. In: ICMLA 2024, 2024, Miami, FL. 23rd International Conference on Machine Learning and Applications, 2024.

• KRAUSE, J. ; A. S. Inacio ; Lopes, Heitor Silvério . Language-focused Deepfake Detection Using Phonemes, Mouth Movements, and Video Features. In: Latin American Conference on Computational Intelligence (IEEE LA-CCI 2023), 2023, Recife. 9th IEEE Latin American Conference on Computational Intelligence (IEEE LA-CCI 2023), 2023.

• Krause, Jonas ; BAEK, KYUNGIM ; LIM, LIPYEOW . A Guided Multi-Scale Categorization of Plant Species in Natural Images. In: 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2019, Long Beach. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2019. p. 2639.

• Krause, Jonas ; SUGITA, GAVIN ; BAEK, KYUNGIM ; LIM, LIPYEOW . WTPlant (What's That Plant?). In: the 2018 ACM, 2018, Yokohama. Proceedings of the 2018 ACM on International Conference on Multimedia Retrieval - ICMR '18, 2018. p. 517.

• KRAUSE, J. ; SUGITA, G. ; BAEK, K. ; LIM, L. . What?s That Plant? WTPlant is a Deep Learning System to Identify Plants in Natural Images. In: 29th British Machine Vision Conference, 2018, Newcastle upon Tyne. In BMVC Workshop on Computer Vision Problems in Plant Phenotyping (CVPPP 2018)., 2018.

• Krause, Jonas ; SIECZKA, EDSON LUIZ ; LOPES, HEITOR SILVERIO . Differential evolution variants and MILP for the pipeline network schedule optimization problem. In: 2015 Latin America Congress on Computational Intelligence (LACCI), 2015, Curitiba. 2015 Latin America Congress on Computational Intelligence (LA-CCI), 2015. p. 1.

• KRAUSE, J. ; LOPES, H. S. . A comparison of differential evolution algorithm with binary and continuous encoding for the MKP.. In: BRICS - Conference on Computational Intelligence, 2013, Recife. Proceedings of BRICS-CCI, 2013, 2013.

• KRAUSE, J. ; LOPES, H. S. . Proposta de um algoritmo inspirado em Evolução Diferencial aplicado ao Problema Multidimensional da Mochila. In: Brazilian Conference on Intelligent Systems - Encontro Nacional de Inteligência Artificial, 2012, Curitiba. Anais do Encontro Nacional de Inteligência Artificial - ENIA, 2012.

• PRAXEDES, J. M. O. ; KRAUSE, J. . O Estudo da Física no Ensino Fundamental II: Iniciação ao Conhecimento Científico e Dificuldades Enfrentadas para sua Inserção. Campina Grande: Realize, 2015 (Orientação de TCC).

• SILVA, R. D. ; KRAUSE, J. . Eficiência nas Operações para Produção de Água no Meio Urbano. Curitiba: UNINTER, 2014 (Orientação de TCC).

Outras produções

Projetos de pesquisa

• 2025 - Atual

  Co-simulação Inteligente Domus OpenFOAM para Modelagem Termoenergética e Dinâmica de Fluidos em Ambientes Urbanos, Descrição: O projeto tem como objetivo o desenvolvimento e integração de um ambiente de co-simulação computacional entre modelos de desempenho termoenergético de edificações e simulações de dinâmica dos fluidos computacional (CFD), utilizando as plataformas Domus e OpenFOAM. A proposta busca investigar o comportamento térmico e fluidodinâmico em cenários urbanos complexos, permitindo a análise conjunta de transferência de calor, ventilação natural, interação edifício ambiente e efeitos microclimáticos urbanos. Para viabilizar simulações em larga escala, o projeto incorpora técnicas de Aprendizado de Máquina e Aprendizado Profundo para construção de modelos preditivos substitutos (surrogate models), redução do custo computacional e seleção dinâmica de modelos físicos e orientados por dados. A pesquisa envolve o processamento e análise de grandes volumes de dados simulados, extração automática de características físicas relevantes e desenvolvimento de pipelines computacionais para aceleração de simulações de alta fidelidade. Os resultados esperados contribuem para aplicações em eficiência energética, planejamento urbano sustentável e avaliação de estratégias de mitigação de ilhas de calor em cidades inteligentes, além da geração de modelos computacionalmente eficientes para apoio à tomada de decisão em projetos urbanos e ambientais.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Jonas Krause - Coordenador / Rodrigo Pasti - Integrante / Nathan Mendes - Integrante.

• 2024 - 2025

  Desenvolvimento de Algoritmos e Modelos para Previsão de Valores a partir de Séries Temporais Univariadas e Multivariadas, Descrição: A previsão de vendas usando técnicas de Inteligência Artificial (IA) tem demonstrado forte potencial na geração de benefícios substanciais para a sociedade em termos de eficiência operacional, estabilidade econômica e sustentabilidade. Como resultado, a previsão de vendas por IA tem atraído a atenção de pesquisadores e empreendedores, impulsionando pesquisas, inovação e a criação de empregos, ao mesmo tempo em que contribui para o desenvolvimento científico, econômico e tecnológico do país. Inserido neste contexto, o presente projeto tem como objetivo a geração de modelos univariados e multivariados de previsão de vendas de derivados de petróleo, com base na aplicação e desenvolvimento de técnicas da Aprendizagem de Máquina (AM). Estas consideram a correlação entre múltiplas séries temporais relativas a dados históricos de vendas de derivados de petróleo no país e dados externos oriundos do mercado financeiro. Os modelos preditivos que serão desenvolvidos neste projeto têm potencial para contribuir com os processos de planejamento e tomada de decisão relacionados à produção, distribuição e venda de derivados de petróleo. A previsão de demanda a médio/longo prazo (de 6 a 12 meses) de diferentes derivados (e.g., gasolina, óleo diesel ou etanol hidratado) e regiões do país trará inúmeros benefícios econômicos e sociais em termos de gestão de recursos, em especial o estoque de derivados de petróleo, beneficiando consumidores e empresas, logística e estabilidade de preços. Além disso, contribuições científicas serão geradas a partir da aplicação de abordagens estado da arte de AM na modelagem de séries temporais para a construção de modelos computacionalmente eficientes e que consideram a correlação de múltiplas séries temporais em larga escala, permitindo a produção científica e a capacitação de recursos humanos.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (3) . , Integrantes: Jonas Krause - Integrante / Alceu de Souza Britto Jr - Coordenador / Vinicius Mourão Alves de Souza - Integrante / Jean Paul Barddal - Integrante / Emerson Cabrera Paraiso - Integrante / Anderson Luis Szejka - Integrante.

• 2021 - 2023

  Projeto Soja 4.0, Descrição: Em parceria com a Bunge, coordenei a criação de um sistema de inspeção não-destrutiva de soja usando visão computacional e espectrometria NIR. Desenvolvi modelos de aprendizado de máquina, integrei técnicas de aprendizado profundo e refinei a análise multigrãos, resultando em uma solução eficiente para a inspeção de qualidade de grandes cargas de soja.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Jonas Krause - Coordenador / diego staub - Integrante.

• 2020 - 2022

  Inteligência Computacional para a Detecção e Prevenção de Deepfake, Descrição: Deepfakes são artefatos de mídia digital (normalmente vídeos) que são manipulados com técnicas avançadas de inteligência computacional, notadamente deep learning (DL), de tal maneira a criar cenas realísticas de pessoas se expressando verbalmente e/ou executando ações. Estes artefatos têm sido utilizados e viralizados em redes sociais. Embora tenham sido criados inicialmente para entretenimento, atualmente são extensamente utilizados como fake news. As tecnologias computacionais de DL evoluem muito rapidamente e, a cada dia, novos artefatos são criados cada vez mais perfeitos. Assim, é cada vez mais difícil determinar se um artefato é verdadeiro ou é um deepfake. Este projeto visa estudar os métodos de geração de deepfakes, com foco em videos, para propor métodos de detecção de conteúdos manipulados, que diferem do conteúdo original.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (2) . , Integrantes: Jonas Krause - Integrante / Heitor Silvério Lopes - Coordenador / Oliver Cabral Jorge - Integrante / Andrei de Souza Inacio - Integrante.

• 2015 - 2020

  WTPlant, Descrição: Whats That Plant? WTPlant is a Deep Learning System to Identify Plants in Natural Images. Automatic identification of plant species from natural images is a challenging problem with many practical applications in multiple disciplines. An accurate and automated system for plant species identification has important implications in addressing botanical taxonomy gaps, identifying new species, controlling the balance of ecosystems, and estimating yield and resource requirements in agriculture. However, identifying plants from uncontrolled natural images is a challenging problem due to the complexity of natural images, a large number of plant species, inter-species similarity, and the large-scale variance in appearance. In this work, we present a system called WTPlant, specifically designed for identifying plants in natural images. By assembling a collection of Convolutional Neural Networks with stacked/residual blocks and a preprocessing stage for multiscale analysis, WTPlant presents itself as a highly discriminative deep learning approach for this image classification problem.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (2) . , Integrantes: Jonas Krause - Coordenador / Lipyeow Lim - Integrante / Gavin Sugita - Integrante / BAEK, KYUNGIM - Integrante.

Prêmios