Antônio de Pádua Braga
Universidade Federal de Minas GeraisDepartamento de Engenharia Eletrônica
Pesquisador associado
Informações resumidas do Currículo Lattes
Currículo Lattes atualizado em 15/03/2021
Nome em citações bibliográficas: BRAGA, A. P.;BRAGA A.D.;BRAGA, A.D.P.;Braga, Antônio P.;Braga, Antônio de Pádua;BRAGA, ANTÔNIO;PADUA BRAGA, A.;BRAGA, ANTONIO PADUA;BRAGA, ANTÔNIO PÁDUA;BRAGA, A.P.;BRAGA, ANTONIO P.;BRAGA, A.P. DE;BRAGA, ANTONIO;BRAGA, ANTONIO DE PADUA
Formação acadêmica
Doutorado em Phd Degree on Electrical Engineering na Imperial College London em 1995Mestrado em Ciências da Computação na Universidade Federal de Minas Gerais em 1991
Graduado em Engenharia Elétrica na Universidade Federal de Minas Gerais em 1987
Projetos de pesquisa em andamento
| 2018 a Atual | Gerenciamento inteligente de redes de computadores, uma abordagem de aprendizado de máquinas Através de uma cooperação com a empresa ACTAR Consulting, este projeto tem como objetivo desenvolver métodos e ferramentas de computador baseados em modelos de aprendizado de máquina, visando a analisar e fazer previsões de eventos em redes de computadores. O desenvolvimento terá como base as informações coletadas por meio do protocolo SNMP (Simple Network Management Protocol). O protocolo SNMP é largamente utilizado no gerenciamento de redes IP, visando à coleta de informação e atuação em elementos de rede, tais como servidores, roteadores, estações de trabalho, impressoras, etc. O estado dos elementos da rede pode ser observado por meio de variáveis que podem ser lidas remotamente e eventualmente modificadas. O gerenciamento de redes de computadores pode ser então realizado por meio da leitura direta do estado do sistema ou por informações coletadas da rede e emitidas por dispositivos habilitados, tais como os ZABBIX traps. Este trabalho visa, portanto, a analisar e fazer previsão de eventos futuros em uma rede de computadores tendo como entrada as informações contidas nos ZABBIX traps. Serão aplicadas técnicas de análise de dados, além de modelos de classificação e previsão no tratamento do problema. Integrantes: Antonio de Padua Braga (coordenador), Eduardo Mazoni Andrade Marçal Mendes, Gustavo Rodrigues Lacerda Silva. |
| 2015 a Atual | Sistemas físico-cibernéticos no ambiente de indústrias inteligentes Este é um projeto de cooperação internacional em conjunto com o laboratório ONLAB (Optical Networks Laboratory) do KTH (Royal Institute of Technology), Suécia. O projeto tem financiamento conjunto da FAPEMIG e do KTH e visa ao desenvolvimento de aplicações de aprendizado de máquina em redes de computadores, voltados para os contextos de redes 5G e Indústria 4.0. O projeto envolve um aluno de pós-doutorado, dois de mestrado e 2 de iniciação científica, todos com bolsas financiadas pelo projeto. Integrantes: Antonio de Padua Braga (coordenador), Frederico Gualberto Ferreira Coelho, Luiz Carlos Bambirra Torres, Murilo Vale Ferreira Menezes, Lourenço Ribeiro Grossi Araújo, Vinícius Silva. |
Projetos de desenvolvimento em andamento
Últimas publicações
Artigos em periódicos
Online learning of neural networks using random projections and sliding window: A case study of a real industrial process2021. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE.
Prediction of Mechanical Properties of Steel Tubes Using a Machine Learning Approach
2021. JOURNAL OF MATERIALS ENGINEERING AND PERFORMANCE.
Neural Networks Multiobjective Learning With Spherical Representation of Weights
2020. IEEE Transactions on Neural Networks and Learning Systems.
Large Margin Gaussian Mixture Classifier With a Gabriel Graph Geometric Representation of Data Set Structure
2020. IEEE Transactions on Neural Networks and Learning Systems.
An Advanced Pruning Method in the Architecture of Extreme Learning Machines Using L1-Regularization and Bootstrapping
2020. ELECTRONICS.
Enhancing Performance of Gabriel Graph-based Classifiers by a Hardware Co-processor for Embedded System Applications
2020. IEEE Transactions on Industrial Informatics.
Embedded real-time feature extraction for electrode inversion detection in telemedicine electrocardiograms
2020. Biomedical Signal Processing and Control.
A Review of Off-Line Mode Dataset Shifts
2020. IEEE Computational Intelligence Magazine.
Evaluating five different adaptive decomposition methods for EEG signal seizure detection and classification
2020. Biomedical Signal Processing and Control.
Prediction of Mechanical Properties of Seamless Steel Tubes Using Artificial Neural Networks
2020. INTERNATIONAL JOURNAL ON COMPUTATIONAL INTELLIGENCE AND APPLICATIONS.
LASSO multi-objective learning algorithm for feature selection
2020. SOFT COMPUTING.
Forecasting power load curves from spatial and temporal mobile data
2020. WORLD REVIEW OF SCIENCE, TECHNOLOGY AND SUSTAINABLE DEVELOPMENT.
Combined weightless neural network FPGA architecture for deforestation surveillance and visual navigation of UAVs
2020. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE.
Learning from Imbalanced Data Sets with Weighted Cross-Entropy Function
2019. NEURAL PROCESSING LETTERS.
Width Optimization of RBF Kernels for Binary Classification of Support Vector Machines: A Density Estimation-Based Approach
2019. PATTERN RECOGNITION LETTERS.
Semi-supervised relevance index for feature selection
2019. NEURAL COMPUTING & APPLICATIONS.
A fuzzy data reduction cluster method based on boundary information for large datasets
2019. NEURAL COMPUTING & APPLICATIONS.
Piecewise Affine Identification of a Hydraulic Pumping System Using Evolutionary Computation
2018. IET Control Theory and Applications.
CUDA-based parallelization of Power Iteration Clustering for Large Datasets
2017. IEEE Access.
MILKDE: A new approach for multiple instance learning based on positive instance selection and kernel density estimation
2017. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE.
Improving generalization of MLPs with multi-objetive optimization
2000. Neurocomputing (Amsterdam).
Neural networks learning with sliding mode control: the sliding mode backpropagation algorithm
1999. International Journal of Neural Systems.
Sliding Mode Algorithm For Training Multi-Layer Neural Networks
1998. Electronics Letters.
Trabalhos completos em congressos
Gabriel Graph Transductive Approach to Dataset Shift2019. 6th International Conference on Control, Decision and Information Technologies.
Regularization of Extreme Learning Machines with information of spatial relations of the projected data
2019. 6th International Conference on Control, Decision and Information Technologies.
Learning Regularization Parameters of Radial Basis Functions in Embedded Likelihoods Space
2019. Encontro Português de Inteligência Artificial, EPIA.
Application of Machine Learning Techniques to Predict Mechanical Properties of Steel Tubes
2018. The Iron & Steel Technology Conference and Exposition.
A proactive resiliency strategy for optical cloud networks based on failure prediction
2018. International Conference on Transparent Optical Networks.
Aprendizado de Métrica Supervisionado para Classificador por Arestas de Suporte
2017. Congresso Brasileiro de Inteligência Computacional.
CML-Simplex: uma abordagem de programação linear para classificadores incrementais de margem larga
2017. Congresso Brasileiro de Inteligência Computacional.
Modelo Logı́stico para Map-Matching Online de Trajetória de Veı́culos
2017. Congressso Brasileiro de Inteligência Computacional.
Otimização da Largura de Kernels RBF para Máquinas de Vetores de Suporte: Uma Abordagem Baseada em Estimativa de Densidades
2017. Congresso Brasileiro de Inteligência Computacional.
Quantile Hashing : Uma abordagem escalável baseada em Hashing sensível a localidade para o problema dos k-vizinhos mais próximos
2017. Congresso Brasileiro de Inteligência Computacional.
Modelo geométrico de margem larga baseado em propriedades estruturais de Grafos de Gabriel e em distância geodésica
2017. Congresso Brasileiro de Inteligência Computacional.
NN-clas: classificador geométrico de margem larga baseado na regra do vizinho mais próximo
2017. Congresso Brasileiro de Inteligência Computacional.
Cluster-CV: Uma Abordagem de Visão Computacional para a Identificação Espacial de Agrupamentos de Dados
2017. Congresso Brasileiro de Inteligência Computacional.
Otimização da AUC via Redes Neurais Evolutivas para Classificação de Dados Desbalanceados
2017. Congresso Brasileiro de Inteligência Computacional.
Sorted kernel matrices as cluster validity indexes
2009. 2009 IFSA World Congress.
Resumos expandidos em congressos
Resumos em congressos
Un Algorithme D?Optimisation À Haute Dimension Pour La Fouille De Données : Méthode Et Application En Onco-Pharmacogénomique2011. XII congrès annuel de la société française de recherche opérationnelle et d'aide à la dècision.
Computational intelligence in onco-pharmacogenomics for predicting the outcomes of chemotherapy treatments
2009. 2nd INRIA-NIH Biomedical Computing Workshop.
Decisor implementation in neural model selection by multi-objective optimizaton
2002. VII Simpósio Brasileiro de Redes Neurais.
Internet economic news gathering and classification: a neural network software agent based approach
2002. VII Simpósio Brasileiro de Redes Neurais.
On The Information Capacity Of Auto-Associative Ram-Based Neural Networks
1993. INNS INTERNATIONAL CONFERENCE ON NEURAL NETWORKS ICANN'93.
Veja todas as publicações no Currículo Lattes
Orientações em andamento
Mestrado
Doutorado
Wagner José de Alvarenga Júnior. A definir.. Início: 2018. Universidade Federal de Minas Gerais (Orientador principal)Eduardo da Silva Ribeiro. A definir.. Início: 2017. Universidade Federal de Minas Gerais (Orientador principal)
Alex Damiany Assis. A definir.. Início: 2017. Universidade Federal de Minas Gerais (Orientador principal)
Veja todas as orientações no Currículo Lattes
